Field programmable gate array implementation of spiking neural networks
Alan programlanabilir kapı dizileri üzerinde iğnecikli sinir ağlarının uygulanması
- Tez No: 740209
- Danışmanlar: PROF. DR. BURCU ERKMEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Günümüzde, hayatımızdaki sistemlerin artan veri kapasitesi, düşük güç tüketimi ve yüksek hızlı veri işleme beklentileri nedeniyle Von Neumann darboğazı geçmişe göre daha önemli bir sorun haline gelmiştir. Bu nedenlerle, geleneksel bilgisayar mimarileri artık günümüzün gereksinimlerini tam olarak karşılayamamaktadır. Nöromorfik tasarımlar, düşük güç tüketimi ile büyük miktarda veriyi hızlı bir şekilde işleme açısından insan beynini taklit edebildiklerinden, tüm bu beklentilere alternatif bir çözüm olarak sunulabilir. Ancak, geleneksel yapay sinir ağı algoritmalarının başarım oranları tatmin edici olsa da, biyolojik sistemler güç tüketimi açısından hâlâ çok daha avantajlıdır. Biyolojik olarak en gerçekçi olan ve üçüncü nesil sinir ağları olarak anılan iğnecikli yapay sinir ağlarına dayalı nöromorfik donanım mimarileri, Von Neumann darboğazını aşarak akıllı sistemler için daha uygun bir donanım yapısı sağlar. Nöromorfik mimarilerin uygulanması için yeniden yapılandırılabilir donanımların kullanılması, bütünleşmiş devreler ve hesaplama yaklaşımlarından daha hızlı ve güncellenebilir bir araştırma alanı yaratır. Bu nedenle, bu tez çalışması kapsamında iğnecikli yapay sinir ağı algoritmalarının temel nöron modellerinden olan Izhikevich nöron modeli ile zamana dayalı STDP öğrenme kuralı FPGA üzerinde modüler ve esnek bir şekilde uygulanmıştır. Böylelikle gelecekteki FPGA tabanlı SNN uygulamaları için çoğaltılabilir bloklar halinde jenerik formatta nöron ve öğrenme modülleri oluşturulmuştur. Ayrıca ağırlık güncellemelerinin yüksek hassasiyette yapılabilmesi için tasarım 32-bit uzunlukta kayan nokta formatında uygulanmıştır.
Özet (Çeviri)
Due to the increasing data capacity, low power consumption, and high-speed data processing expectations of systems in our daily lives today, the Von Neumann bottleneck has become a more important problem than in the past. For these reasons, conventional computer architectures can no longer fully meet today's requirements. Neuromorphic designs have been considered as an alternative solution to all, as they are able to mimic the human brain in terms of processing large amounts of data quickly with low power consumption. Although the success of traditional Artificial Neural Network methods is satisfactory, biological systems are still much more advantageous in terms of power consumption. Neuromorphic hardware architectures based on spiking neural networks, which are the most biologically plausible and are referred to as third-generation neural networks, overcome the Von Neumann bottleneck and provide a more suitable hardware structure for intelligent systems. The use of reconfigurable hardware for the implementation of neuromorphic architectures creates a faster and updatable research field than integrated circuits and computational approaches. Therefore, in this thesis, the Izhikevich neuron model, which is one of the basic neuron models of Spiking Neural Network algorithms, and the time-based STDP learning rule are implemented in a modular and flexible way on FPGA. In doing so, generic formatted neurons and learning modules have been created as reproducible blocks for future FPGA based SNN applications. In addition, the design is implemented in 32-bit long floating point format for high precision weight updates.
Benzer Tezler
- Sinir hücrelerinin ve bağlantılarının donanım üzerinde gerçeklenmesi
Implementing neuron models and their connections on a hardware
HASAN ÖZDEMİRCİ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. NESLİHAN SERAP ŞENGÖR
- Field programmable gate array implementation of minimum output sum of squared error tracker algorithm
Alanda programlanabilir kapı dizileri ile en küçük toplam karesel hata süzgeci temelli izleyici algoritmasının gerçeklenmesi
JOSPHAT CHEGE NJUGUNA
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANIL ÇELEBİ
- Sayısal modulasyon tekniklerinin FPGA (Alan programlanabilir kapı dizisi) ile gerçekleştirilmesi için yeni yaklaşımlar
New approaches for FPGA (Field programmable gate array) implementation of digital modulation techniques
TÜRKER AKTAŞ
Yüksek Lisans
Türkçe
2011
Elektrik ve Elektronik Mühendisliğiİstanbul ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FIRAT KAÇAR
- Fpga implementation of graph cut method for real time stereo matching
Gerçek zamanlı stereo eşleme için çizge kesme yönteminin fpga uygulaması
HAVVA SAĞLIK ÖZSARAÇ
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. ZAFER ÜNVER
YRD. DOÇ. DR. İLKAY ULUSOY
- Derin öğrenmenin modülasyon sınıflandırma uygulamaları için alanda programlanabilir kapı dizileri üzerinde gerçeklenmesi
Field programmable gate array based implementation of deep learning for modulation classification
KORAY ALIÇ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SOYSAL