Multilayer perceptron neural network in analog VLSI-a system level study
Analog VLSI olarak çok katmanlı perseptron sinir ağı-sistem seviyesinde bir çalışma
- Tez No: 82955
- Danışmanlar: DOÇ. DR. GÜNHAN DÜNDAR
- Tez Türü: Doktora
- Konular: Matematik, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
Analog sinir ağlan, yapay sinir ağlarının donanım bazında kullanılabilir olarak gerçeklenmesi için potansiyel oluşturmaktadırlar. Küçük alan kaplamaları, düşük güç harcamaları ve hızlı çalışmaları gibi avantajları karşısında analog sinir ağı devrelerinin eğitimindeki zorluklar önemli bir engel oluşturmaktadırlar. Kırmık-üstü eğitim veya bilgisayar-kırmık döngüsü eğitimi yerine kullanılabilecek olan donanımın yazılım ba zında eğitimi, devrelerin ideal olmayan karakteristiklerinden ve birbirinin aynı olarak tasarlanan devrelerin çıkışlarındaki sapmalardan kötü olarak etkilenmektedir. Üretim sürecindeki istatistiksel sapmalardan kaynaklanan bu istenmeyen etkiler, analog sinir ağı devrelerinin başarımım ciddi miktarda düşürmektedirler. Bu tezde çok katmanlı perseptron türü analog sinir ağı devrelerinin donanım bazında eğitiminde geriye yayılım yordamı için yeni bir yöntem önerilmektedir. Analog sinir ağı devrelerinin çıkışlarındaki sapmalar birbiriyle aynı tasarlanmış transistörlerdeki uyumsuzluklara dayandırılarak modellenmiştir. Bu sapmalar eğitim sırasında toplanır gürültü olarak kullanılmış ve bunun eğitilen sinir ağının hataya karşı dayanıklılığını önemli oranda artırdığı göste rilmiştir. Önerilen yöntem, rasgele gürültü katılımıyla karşılaştırılmış ve daha başarılı olduğu gözlemlenmiştir. Transistörlerdeki uyumsuzluklara bağlı olan sapmaların var lığında, rasgele gürültü katılımıyla yapılan eğitimin hataya karşı yeterince dayanıklı olmadığı görülmüştür. Sapmaların uyumsuzluklara bağlı olduğu ürettirilen kırmıklar üzerinde yapılan ölçümlerle doğrulanmıştır.
Özet (Çeviri)
Analog neural networks exhibit a potential for proper/suitable hardware imple mentation of artificial neural networks. Their advantages such as small size, low power and high speed, however, are seriously questioned/ confronted by the difficulty in the training of analog neural network circuitry. Especially, hardware training by software, i.e., training of the circuitry by software based on models, so as to avoid on-chip and chip in-the-loop training methods, is threatened by circuit nonidealities and variations at outputs of identical blocks. The performance of the analog neural network is severely degraded in the presence of those unwanted effects caused mainly by statistical varia tions in the production process. We propose a new paradigm for the backpropagation algorithm in hardware training of multilayer perceptron type analog neural networks. The variations at outputs of analog neural network circuitry are modeled based on the transistor level mismatches occurring between identically designed transistors. Those variations can be used as additive noise during the training, and it has been shown that this will increase fault tolerance of the trained neural network drastically. The method has been compared to the method of injecting random noise, and our method outper forms the latter where injecting random noise is seen to be inadequate for establishing a satisfactory level of fault tolerance in the presence of mismatch based variations. The concept of mismatch based variations has been verified by measurements on our test chip.
Benzer Tezler
- Genel amaçlı bir yapay sinir ağının karma bir donanımla gerçeklenmesi
Mixed mode hardware design of a general purposed artificial neural network
BURCU ERKMEN
Doktora
Türkçe
2007
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF.DR. TÜLAY YILDIRIM
- Analog cmos double poly implementation of multilayer perceptron with nonlinear synapses
Doğrusal olmayan sinapslarla çok katmanlı perseptron mimarisinin analog cmost çift polisilikon teknolojisi ile gerçeklenmesi
KORAY KARAHALİLOĞLU
Yüksek Lisans
İngilizce
1996
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiPROF.DR. YORGO İSTEFANOPULOS
- Eşikaltı FGMOS transistorlar ile düşük gerilimde çalışan analog YSA devre bloklarının tasarımı
Design of low voltage analog ANN circuit blocks by using subthreshold FGMOS transistors
FATİH KELEŞ
Doktora
Türkçe
2010
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- FinFET kanal uzunluk ve genişlik parametrelerinin yapay sinir ağları ile belirlenmesi
Determination of finFET channel length and width parameters by artificial neural networks
MÜCAHİT OSMAN KAĞNICI
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Medeniyet ÜniversitesiMühendislik ve Doğa Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNEM KELEŞ
- Dinamik algılayıcı öğrenme algoritması ile kenar saptamanın öğrenilmesi
Learning of edge detection using recurrent perceptron learning algorithm
FİLİZ YOSMA TAŞKIN
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. CÜNEYT GÜZELİŞ