پیاده سازی شبکه عصبی بر پایه SVM

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,001

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCNIEE02_300

تاریخ نمایه سازی: 29 بهمن 1392

چکیده مقاله:

در اینمقاله شبکه عصبی بر پایه SVM به گونه ای طراحی شد که مستقل از فرکانس کلیدزنی باشد. عملکرد معکوس گر برای معماری ،شبکه عصبی بر پایه SVM با دقت بیتی مختلف مورد مطالعه قرار گرفت. نتایج پیاده سازی سخت افزاری، فرمول عمومی پیشنهادی را تایید کردند.نتیجه آن شد که شبکه عصبی بر پایه SVM با دقت 61 بیتی از نظر پیاده سازی و عملکرد معکوس گر بهینه می باشد.نتایج نشان می دهد که شبکهعصبی بر پایه SVM که مستقل از فرکانس آموزش دیده است، به ازای فرکانسهای کلیدزنی مختلف معکوس گر عملکرد مناسبی دارد. عملکرد معکوس گر با افزایش فرکانسهای کلیدزنی بهبود مییابد. استفاده از فرکانس کلیدزنی بالاتر با SVM پیشنهادی میسر شده است. برای افزایش فرکانس کلیدزنی،یک شبکه عصبی پیش خور چند لایه ارائه می شود تا زمان ارزیابی تابع عرض پالس را کاهش دهد و فرکانس کلیدزنی معکوسگر را افزایش دهد. تکنیک SVM به کمک شبکه عصبی چند لایه پیاده سازی شده است.با بکارگیری رویکرد ارائه شده در این مقاله، معماری شبکهعصبی برای این کاربرد بصورت ساختار 6 1 1 1 3 تعیین می شود. شبکه عصبی با دقت 8 بیتی توسط Xilinx 6.1i پیاده سازی شده، با ModelSim XE II 5.7c شبیه سازی شده و بر روی تراشه XCV400hq240 به کمک مدل تست مکاترونیک MXUK-SMD-001 آزمایش شده است

کلیدواژه ها:

مدو لاسیون برداری فضا/ معکوس گر ، مدولاسیون عرض پالس

نویسندگان

بهمن امانی

دانشگاه آزاد اسلامی واحد تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • [] B.Widrow and R.Winter, "Neural nets for adaptive filtering and ...
  • K.Fukushima, S.Miyake and T.Ito, "Neocognitron: A neural network model for ...
  • S.Grossberg, E.Mingolla and D.Todorovic, "A neural network architecture for pre-attentive ...
  • _ _ -Fuzzy _ _ _ _ Transactions ...
  • _ _ _ _ _ " a FPGA ...
  • Sund Su Kim, Seul Jung, "Hardware Implementation of Real Time ...
  • Turner.R.H, Woods.R.F, "Highly Efficient Limited Range Multipliers For LUT-based FPGA ...
  • _ _ Uncini.A, "Fast Neural Networe Without Multipliers", IEEE Transactions ...
  • BabakNoory, VoicuGroza, _ Reconfigurable Approach to Hardware Implementation Of Neural ...
  • S.Himavathi, B .Umamaheswar "New Membership functions for effective Design and ...
  • Anitha" FPGA Implementation of Estimators for sensorless control of DTC ...
  • B.K.Bose, Modern Power Electronics and ac drives, Pearson Education (Singapore) ...
  • نمایش کامل مراجع