![](/images/graphics-bg.png)
Training artificial neural networks by pso to perform digital circuits using xilinx FPGA
العناوين الأخرى
تدريب الشبكات العصبية الإصطناعية بواسطة أفضلية الحشد الجزيئي لتنفيذ الدوائر الرقمية باستخدام مصفوفة البوابات القابلة للبرمجة
المؤلفون المشاركون
Mahdi, Firas Rasul
Akkar, Hanan Abd al-Rida
المصدر
Engineering and Technology Journal
العدد
المجلد 29، العدد 7 (31 ديسمبر/كانون الأول 2011)، ص ص. 1329-1344، 16ص.
الناشر
تاريخ النشر
2011-12-31
دولة النشر
العراق
عدد الصفحات
16
التخصصات الرئيسية
العلوم الهندسية والتكنولوجية (متداخلة التخصصات)
الموضوعات
- الذكاء الاصطناعي
- أساليب المحاكاة
- معالجة البيانات
- الآلات المنطقية
- الشبكات العصبية(الحاسبات الإلكترونية)
- هندسة الإلكترونيات الحيوية
الملخص AR
تعتبر كمية الدوائر اللازمة لتنفيذ عملية ضرب كل إدخال بالوزن المرافق له و عملية الجمع اللاحقة لها إحدى المعوقات الرئيسية لتنفيذ دوائر الشبكات العصبية الاصطناعية (ANN).
مصفوفة البوابات القابلة للبرمجة (FOGA) هي دائرة متكاملة مناسبة لبناء الشبكات العصبية الإصطناعية لأنها تحافظ على البناء المتوازي للخلايا العصبية الاصطناعية في الطبقة الواحدة و تعرض مرونة في إطار إعادة البرمجة بالإضافة الى قضايا الكلفة.
تم في هذا البحث اقتراح تبني أوزان الشبكات العصبية الاصطناعية باستخدام أفضلية الحشد الجزئي (PSO) كالية لتحسين اداء الشبكات العصبية الاصطناعية بلإضافة إلى تقليل الدوائر اللازمة لبناء الشبكات.
لهذا الغرض قمنا بتعديل صندوق أدوات أفضلية الحشد الجزئي في بيئة الماتلاب ليكون مناسب للتطبيق المأخوذ.
في تصميم المقترح تمت عملية تدريب خارج الرقاقة تم حمل التصميم كامل التدريب الى الرقاقة، بهذه الطريقة سنحتاج اقل عدد من الدوائر.
ينفذ هذا البحث دائرة حساب و منطق (ALU) ذات أربع بت باستخدام أدوات الرسم التخطيطي لزايلنكس كمثال لتتطبيق الدوائر الرقمية باستخدام الشبكات العصبية الاصطناعية الممرنة بواسطة خوارزمية أفضلية الحشد الجزئي.
الملخص EN
One of the major constraints on hardware implementations of Artificial Neural Networks (ANNs) is the amount of circuitry required to perform the multiplication process of each input by its corresponding weight and there subsequent addition.
Field Programmable Gate Array (FPGA) is a suitable hardware IC for Neural Network (NN) implementation as it preserves the parallel architecture of the neurons in a layer and offers flexibility in reconfiguration and cost issues.
In this paper the adaption of the ANN weights is proposed using Particle Swarm Optimization (PSO) as a mechanism to improve the performance of ANN and also for the reduction in the ANN hardware.
For this purpose we modified the MATLAB PSO toolbox to be suitable for the taken application.
In the proposed design training is done off chip then the fully trained design is download into the chip, in this way less circuitry is required.
This paper executes four bit Arithmetic Logic Unit (ALU) implemented using Xilinx schematic design entry tools as an example for the implementation of digital circuits using ANN trained by PSO algorithm.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Akkar, Hanan Abd al-Rida& Mahdi, Firas Rasul. 2011. Training artificial neural networks by pso to perform digital circuits using xilinx FPGA. Engineering and Technology Journal،Vol. 29, no. 7, pp.1329-1344.
https://search.emarefa.net/detail/BIM-289778
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Akkar, Hanan Abd al-Rida& Mahdi, Firas Rasul. Training artificial neural networks by pso to perform digital circuits using xilinx FPGA. Engineering and Technology Journal Vol. 29, no. 7 (2011), pp.1329-1344.
https://search.emarefa.net/detail/BIM-289778
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Akkar, Hanan Abd al-Rida& Mahdi, Firas Rasul. Training artificial neural networks by pso to perform digital circuits using xilinx FPGA. Engineering and Technology Journal. 2011. Vol. 29, no. 7, pp.1329-1344.
https://search.emarefa.net/detail/BIM-289778
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes appendices : p. 1336-1344
رقم السجل
BIM-289778
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)