پایان‌نامه

بهره گیری از مدارات ترکیبی nano/cmos برای پیاده سازی شبکه های عصبی مصنوعی

چکیده

پتانسیل بسیار بالای تکنولوژی نانو، امکان پیاده سازی شبکه های عصبی مغز را که آرزوی دیرین بشر بوده؛ فراهم می آورد. در این میان تکنولوژی نانوالکترونیک ترکیبی به دلیل همگونی با تکنولوژهای قبل و قابلیت های مناسب آن به نظر می رسد؛ تکنولوژی مناسبی از بین طرح های پیشنهادی برای ادامه روند صنعت الکترونیک باشد. این پایان نامه نیز در راستای تحقیقات مبتنی بر پیاده سازی شبکه های عصبی در نانوالکترونیک ترکیبی nano/cmos تهیه گردیده است؛ که پس از ارائه مدل های مختلف شبکه های عصبی، به معرفی تکنولوژی نانوالکترونیک ترکیبی nano/cmos که برای تکنولوژی نسل بعد پیشنهاد گردیده؛ می پردازد و پس از ارائه روش های مختلف، برای پیاده سازی شبکه های عصبی در نانوالکترونیک، طرحی را نیز ارائه می دهد. در این طرح از نانوسیم ها برای پیاده سازی دندریت ها و آکسون ها و از قسمت cmos برای قسمت هسته سلول نرونی و از نانوافزاره ها به عنوان سیناپس استفاده می شود. همچنین برای پیاده سازی وزن ها از یک نانوافزاره استفاده شده که از مشخصه غیرخطی ولتاژ-جریان آن استفاده گردیده است. این طرح با کاهش تعداد نانوافزاره ها امکان کاهش مساحت و توان مصرفی را به میزان زیادی ارائه می دهد و همچنین امکان آموزش شبکه نیز به طور دینامیکی فراهم می گردد. در انتها نیز با رویکردی بر نانوافزاره ی جدید، ممریستور، به بررسی مقدماتی طرحی پرداخته شده که به spiking معروف بوده و در آن نرون ها با استفاده از پالس هایی به یکدیگر مرتبط می شوند. در این قسمت اثر پالس های مختلف را بر روی ممریستور بررسی شده تا بتوان مناسبترین پالس را برای ارتباط نرون ها در این روش انتخاب نمود.

اساتید راهنما و مشاور

پرویز کشاورزی

پایان‌نامه‌های مشابه

  • تکنولوژی مدارات ترکیبی nano/cmos برای پیاده سازی شبکه های عصبی مصنوعی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده برقرضا مهدیه نجف آبادی

    پتانسیل بسیار بالای تکنولوژی نانو، امکان پیاده سازی شبکه های عصبی مغز را که آرزوی دیرین بشر بوده؛ فراهم می آورد. در این میان تکنولوژی نانوالکترونیک ترکیبی به دلیل همگونی با تکنولوژهای قبل و قابلیت های مناسب آن به نظر می رسد؛ تکنولوژی مناسبی از بین طرح های پیشنهادی برای ادامه روند

  • بهینه سازی شرایط تهیه ذرات پلیمری قالب گیری شده برای گلوکز با استفاده از شبکه عصبی مصنوعی

    پایان‌نامه۲۰۰۹وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی علوم پایه زنجان - پژوهشکده شیمی تجزیه و معدنیکبری پارساجو

    در پلیمرهای قالب گیری شده مولکولی، قالب یک مولکول الگو که متناسب با اندازه و شکل و ساختار فضایی مولکول الگو می باشد در ماتریس پلیمری قرار می گیرد، شناسایی و تشخیص مولکول الگو در این پلیمرها توسط این مکان ایجاد شده انجام می گیرد. در این تکنیک مولکول الگو در محیطی که مونومرهای عامل

  • مدل سازی رفتاری، توصیف سخت افزاری و پیاده سازی شبکه عصبی هاپفیلد با زبان vhdl برای حل مسئله مسیریابی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسیهاجر عسگری

    شبکه عصبی پیشنهادی پروفسور هاپفیلد (hnn) در کاربردهای عملی بسیاری از جمله حافظه‎های به‎هم پیوسته آدرس‎پذیر، تشخیص الگو و چهره و حل مسائل بهینه‎سازی با درجه سختی np مانند مسئله فروشنده دوره‎گرد به کار گرفته شده است. به‎علاوه hnn ابزار بهینه‎ساز مناسبی برای مدل‎سازی و حل مسائل مسیر

  • بهینه سازی شبکه عصبی مصنوعی با استفاده از الگوریتمهای تکاملی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان - دانشکده ریاضیشهاب بالو

    شبکه ی عصبی مصنوعی شبیه سازی ساده ای از مکانیزم سیستم عصبی بیولوژیکی است که به دلیل قدرت یادگیری مسایل مختلف، تنها بر پایه ی آموزش از طریق ارایه ی الگوهای نمونه ی ورودی-خروجی، بسیار مورد توجه قرار گرفته است. یافتن وزن های مناسب شبکه ی عصبی مصنوعی مهم ترین عامل در یادگیری آن محسوب

  • پیاده سازی شبکه عصبی فازی روی fpga و بکارگیری آن در طبقه بندی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده برقفرید فرج زاده اصل

    شبکه های عصبی فازی min-max، روش های نسبتاً جدیدی در حوزه کاربردی طبقه بندی و خوشه یابی می باشند. این شبکه ها، ویژگی های برتری مانند الگوریتم آموزش برخط یکبارگذر دارند که آنها را برای پیاده سازی سخت افزاری و استفاده در کاربردهای بلادرنگ، ایده آل می سازد. در این پایان نامه یک روش ج

  • طراحی و پیاده سازی شبکه عصبی کانولوشن جهت تشخیص هویت

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوترحوریه خلج زاده

    در این پایان نامه، یک شبکه عصبی کانولوشن با ساختار سلسله مراتبی برای تقویت پردازش اطلاعات ارائه شده است. توانایی اشتراک وزن شبکه های عصبی کانولوشن بطور قابل توجهی سبب کاهش تعداد پارامترهای آزاد آموزش پذیر شبکه و در نتیجه افزایش تعمیم پذیری می شود. در ساختار ارائه شده یک شبکه کانو

اسناد مشابه