Rezumat teza Alin Tisan - Facultatea de Electronica ...

Rezumat pag. 33
Capitolul X
Contribuţii originale şi direcţii de continuare a cercetării
Direcţia de cercetare în această teză o constituie dezvoltarea unui sistem olfactiv artificial bazat pe o
platformă inteligentă cu capabilităţi de învăţare si adaptare. Dezvoltarea unei astfel de platforme a presupus
implementarea hardware in circuite FPGA a diferitelor reţele neuronale artificiale prin intermediul mediului
Matlab, ISE şi EDK, prin crearea de biblioteci de componente predefinite necesare implementării unei
structuri de calcul de tip neuronal si setarea de către utilizator a acestor componente in vederea creării, in
principiu, a oricărei reţele neuronale.
Avantajul folosirii acestei metode constă in posibilitatea de adaptare a reţelei neuronale in funcţie de o
aplicaţie dată dependentă de tipul si numărul senzorilor folosiţi in cadrul sistemului olfactiv artificial, de
concentraţia moleculelor organice volatile din gazul de analizat, de condiţiile mediului ambiant, etc.
Domeniul abordat ca aplicaţie în această teză se referă la identificarea tipului cafelei prezentate.
Rezultatele prezentate în continuare reprezintă contribuţiile autorului şi au fost obţinute în cadrul
programului de cercetare doctorală. Aceste rezultate sunt validate prin implementări pe sistemul de
dezvoltare cu circuit FPGA şi simulări pe calculator prin intermediul programelor de simulare specializate.
10.1 Contribuţii originale
Rezultatele obţinute în prezenta teza constituie contribuţii ale autorului în următoarele direcţii de cercetare:
• Dezvoltarea unui mediu integrat hardware-software, pentru implementarea RNA în circuite FPGA,
• Implementarea de RNA cu arhitecturi cunoscute în circuite FPGA,
• Dezvoltarea unui sistem olfactiv artificial pentru recunoaşterea tipului cafelei utilizând RNA
implementate în circuite FPGA.
Principalele contribuţii originale ale autorului sunt:
1. Am studiat implementarea reţelelor neuronale cu autoorganizare şi antrenare on-chip şi am propus o
metodă de proiectare a unei reţele neuronale SOM cu ajutorul componentelor predefinite realizate de
autor.
Pentru dezvoltarea blocurilor de proiectare a reţelei neuronale SOM am realizat următoarele:
Am propus două arhitecturi ale unităţii neuronale de calcul pentru a da posibilitatea creării unor straturi
neuronale cu un număr cât mai mare de neuroni. Pentru compararea celor doua arhitecturi am realizat o
sinteză a frecvenţelor maxime de utilizare şi a consumului de resurse necesar implementării neuronului prin
intermediul blocurilor XtremeDSP, a multiplicatoarelor dedicate şi a acumulatoarelor.
Pentru implementarea hardware a ecuaţiilor de calcul şi a factorului de învăţare am propus o funcţie de
aproximare şi am dezvoltat un script (fişier de tip m) care să calculeze în mod automat în funcţie de numărul
maxim de epoci şi numărul de epoci de la care reţeaua trece din faza de ordonare pe regiuni la faza de
ordonare locală a erorii relative a funcţiei de aproximare, numărul minim de segmente de aproximare pentru
care eroarea relativă introdusă de funcţiile de aproximare să scadă, coeficienţii funcţiei de aproximare: panta
funcţiei de aproximare şi valoarea de ofset a funcţiei de aproximare şi intervalele pe care funcţie este
definită.
Am prezentat o sinteză a resurselor şi a puterii consumate de fiecare bloc component a reţelei neuronale
în parte. Pe baza acestei sinteze am dezvoltat o serie de ecuaţii ce estimează consumul de resurse exprimat in
număr blocuri XtremeDSP, Block RAM şi LUT-uri în funcţie de numărul de neuroni.
În funcţie de consumul de resurse în circuit FPGA am stabilit tipul de neuron ce poate fi implementat.
Am calculat numărul maxim de neuroni implementabil în circuitul 4VSX35 ce posedă proprietatea de
învăţare on-chip, acesta este de 135.
Am realizat biblioteca de componente ce compun reţeaua neuronală cu autoorganizare (SOM).
2. Am studiat implementarea reţelelor neuronale multistrat cu propagare înainte şi antrenare BP on-chip şi
am propus o metodă de proiectare a unei reţele neuronale FF cu ajutorul componentelor predefinite
realizate de autor.
Pentru dezvoltarea blocurilor de proiectare a reţelei neuronale cu propagare înainte am realizat
următoarele
Am realizat o sinteză a frecvenţelor maxime de utilizare şi a consumului de resurse necesar implementării
neuronului prin intermediul blocurilor XtremeDSP, a multiplicatoarelor dedicate şi a acumulatoarelor.
Am implementat hardware o serie de funcţii de aproximare a funcţiei de activare sigmoid şi pentru fiecare
am estimat consumul de resurse şi frecvenţa maximă de calcul şi am calculat erorile maxime şi medii
introduse.
Am realizat un tabel de sinteză ce explicitează pentru fiecare tip de funcţie de aproximare resursele
consumate (exprimate în număr de slice-uri, LUT-uri şi total porţi logice echivalente), frecvenţa maximă de