2 boyutlu stokastik hesaplama yöntemiyle fonksiyon gerçekleme
Function implementation with 2 dimensional stochastic calculation method
- Tez No: 654048
- Danışmanlar: DOÇ. DR. BURCU ERKMEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 69
Özet
Derin öğrenme ve büyük veri işlemeye yönelik gün geçtikçe artan çalışmalar beraberinde hız ve donanım maliyeti gibi problemleri getirmiştir. Basit aritmetik lojik elemanları kullanılarak, stokastik bit dizilerini temel alan stokastik hesaplama; hız ve donanım maliyeti konusunda deterministik hesaplamaya göre oldukça avantajlı çözümler sunmaktadır. Literatürde daha önce yapay sinir ağları ve derin öğrenme için aktivasyon fonksiyonu üretiminde kullanılan tanh(x) ve exp(-x) fonksiyonları, bunların yanında görüntü işlemede kullanılan mutlak değer fonksiyonları için stokastik yöntemle gerçeklemeye yönelik çalışmalar sunulmuştur. Sonlu durum makineleri (SDM) üzerinden durum geçişleri kullanılarak sunulan yöntemler şu ana kadar tek boyutlu (lineer) ve 2-Boyutlu olmak üzere iki farklı SDM tipi baz alınarak tasarlanmıştır. Lineer SDM ile sunulan yöntemler devre maliyeti konusunda avantaj sağlarken, hata oranı bakımından dezavantajlıdır. 2-Boyutlu SDM ile sunulan yöntemler daha düşük hata oranı bakımından avantaj sağlamasına rağmen devre maliyeti ve hesaplama yönteminin karmaşıklığı oldukça fazladır. Bu tezde Tanjant Hiperbolik, Exponansiyel ve Mutlak Değer fonksiyonlarına yönelik hem hata oranı bakımından, hem de devre maaliyeti açısından avantajlı 2-Boyutlu SDM tabanlı stokastik hesaplama yöntemi önerilmektedir. Sunulan yöntem çok katmanlı bir yapay sinir ağının doğruluk temelli test işleminde kullanılarak, elde edilen sonuçlar literatürdeki mevcut yöntemler ile karşılaştırılmıştır. Önerilen yöntem ayrıca FPGA üzerinde gerçeklenmiştir. Merkezi olmayan akıllı şebeke kontrolünde sınıflandırma işlemi için kullanılan data set, yapay sinir ağı üzerinde uygulanarak kararlılık sınıflandırması işlemi için deterministik hesaplama yöntemi, lineer SDM tabanlı SH ve 2- Boyutlu SDM tabanlı SH yöntemleri ile ayrı ayrı gerçeklenmiştir.
Özet (Çeviri)
Increasing efforts for deep learning and big data processing have brought problems such as speed and hardware cost. Stochastic computation based on stochastic bit sequences using simple arithmetic logic elements; It offers very advantageous solutions compared to deterministic calculation in terms of speed and hardware cost. In the literature, studies on the realization of tanh (x) and exp (-x) functions used in the generation of activation functions for artificial neural networks and deep learning, as well as the absolute value functions used in image processing, are presented. The methods presented using state transitions over finite state machines (FSM) have been designed based on two different FSM types, one-dimensional (linear) and 2-dimensional. While the methods offered with Linear FSM provide advantages in circuit cost, they are disadvantageous in terms of error rate. Although the methods offered with 2-Dimensional FSM provide advantages in terms of lower error rate, the circuit cost and the complexity of the calculation method are quite high. In this thesis, an advantageous 2-Dimensional FSM based stochastic calculation method is proposed for Tangent Hyperbolic, Exponential and Absolute Value functions in terms of both error rate and circuit cost. The presented method is used in an accuracy-based test process of a multilayer artificial neural network, and the results obtained are compared with the current methods in the literature. The proposed method is also implemented on FPGA. The data set used for the classification process in decentralized smart grid control was applied on the artificial neural network, and the deterministic calculation method for the stability classification process was implemented separately with linear FSM based SH and 2-Dimensional FSM based SH methods.
Benzer Tezler
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Penetration rate optimization in heterogeneous formations with support vector machines method
Destek vektör makinesi yöntemi ile heterojen formasyonlarda ilerleme hızı optimizasyonu
KORHAN KOR
Doktora
İngilizce
2021
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRŞAT ALTUN
- A stochastic geometry approach for cellular wireless network analysis
Hücresel kablosuz ağ analizi için bir stokastik geometri yaklaşımı
ALİ ARSAL
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET REHA CİVANLAR
- Stokastik hesaplamada hata oranlarını azaltmak için yeni yöntemler
New methods for reducing error rates in stochastic computing
SERTER YAVUZ
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA ALTUN
- Matrix norm based-solution methods and machine learning: Stochastic games and their applications
Matris norm tabanlı çözüm yöntemleri ve makine öğrenmesi: Stokastik oyunlar ve uygulamaları
MURAT ÖZKAYA
Doktora
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURHANEDDİN İZGİ