شبيه سازي و طراحي شبكه عصبي بر پايه ممريستور

كارشناسي ارشد

امروزه شبكه¬هاي¬ عصبي به دليل دارا بودن ويژگي¬هاي زياد از جمله عدم وابستگي به مدل رياضياتي، قابليت يادگيري، توانمندي در تقريب توابع غيرخطي و غيره بسيار مورد توجه محققان قرارگرفته¬اند. اين شبكه¬ها در كاربردهاي مختلفي مانند تـشخيص الگـو، تخمين و تقريـب توابـع، مـدل¬سـازي سيـستم-هـاي ديناميكي خطي و غيرخطي،كنترل سيستم¬هاي غيرخطي و غيره به¬كار برده شده¬اند. به طور معمول، پياده¬سازي يك شبكه عصبي مصنوعي در كامپيوترها و به صورت نرم¬افزاري انجام مي¬شود. روش ديگر، پياده¬سازي به صورت سخت¬افزاري و بر روي يك تراشه مي¬باشد. يكي از چالش¬هاي اساسي در پياده¬سازي سخت افزاري اين است كه پس از انتخاب ساختار شبكه عصبي و آموزش آن، وزن¬هاي شبكه عصبي همواره ثابت بوده و براي تنظيم مجدد آن¬ها بايد تراشه مجدداً كامپايل شود. طراحي شبكه¬ عصبي با استفاده از سيستم¬هاي ممرستيو يا ممريستور مي¬تواند راه كاري براي رفع مشكل مذكور باشد. رفتار غيرخطي و متغير با زمان مقاومت در اين سيستم¬ها مي¬تواند منجر به ايجاد يك شبكه عصبي شود كه با توجه به شرايط عملكردي مختلف تطبيق¬پذير بوده و وزن¬هاي آن بروز مي¬شوند. در اين پايان¬نامه، طرحي نو براي پياده¬سازي سخت افزاري شبكه عصبي مبتني بر عنصر نو ظهور ممريستور ارائه شده است. در طرح پيشنهادي براي پياده¬سازي سوئيچ و سيناپس از ممريستور استفاده شده است كه علاوه بر غيرفعال بودن، سـطح مصـرفي بسـيار كمي را نيز اشـغال مي¬كند. آموزش شبكه عصبي با روش سخت افزار در حلقه انجام شده است. براي اين منظور دو نرم افزار HSPISE و MATLAB با هم متصل شده و شبكه عصبي آموزش داده شده است. پس از طراحي و تعيين روش آموزش، عملكرد شبكه عصبي پيشنهادي براي خوشه¬بندي الگوي سيستم آونگ در شرايط مختلف ارزيابي شده است. نتايج شبيه سازي نشان مي-دهد كه طرح پيشنهادي به خوبي توانسته است عملكردي قابل قبول براي تشخيص الگوي رفتاري سيستم مورد مطالعه داشته باشد.

204265

دانشگاه علم و صنعت ايران

ميكرو و افزاره هاي نانو الكترونيك

دكتر جمشيد فريبرز