FPGA-n implementált, sztochasztikus bitfolyam alapú programozható neurális hálózat Rák Ádám Konzulens: Cserey György, Ph.D. 2007 OTDK előadás, kiegészített.

Slides:



Advertisements
Hasonló előadás
PALLÓ zárókonferencia BMK, január 30. A közművelődési intézmények szerepe és lehetőségei a felnőttképzésben Felnőttképzési információs és segítő.
Advertisements

Digitális technika Hazárdok.
Védelmi Alapkapcsolások
Geometriai transzformációk
IRE 7 /31/ 1 Óbudai Egyetem, NIK Dr. Kutor László2011. TÁMOP – I ntelligens R endszerek E lmélete 7.
Módszerek sebességi állandók becslésére Kovács Benedek, Budapesti Műszaki és Gazdaségtudományi Egyetem.
PIC mikrovezérlők.
Az integrált áramkörök (IC-k) típusai
Virtuális méréstechnika
Kincses Zoltán, Mingesz Róbert, Vadai Gergely
Mérés és adatgyűjtés laboratóriumi gyakorlat Makan Gergely, Mingesz Róbert, Nagy Tamás 2. óra szeptember 9., 10. v
Ember László Hálózatok (Networks) ISO-OSI TCP/IP.
KHV módszerei ellenőrzőjegyzékek; mátrixok; kvantitatív módszerek;
Neurális hálók néhány alkalmazása a komputergrafikában
Önálló laboratórium II május 23.1 Mobiltelefonon futtatható program készítése Hegedűs Iván Mihály Pázmány Péter Katolikus Egyetem Információs.
 A járműmotorok környezetszennyezését korlátozó előírások az alábbiakra vonatkoznak: › A kipufogógázok káros összetevőire › A típusvizsgálaton ellenőrzött.
PIC processzor és környezete
Régióközi tudáshálózatok minőségének hatása a kutatási teljesítményre Sebestyén Tamás és Varga Attila.
Evapotranspiráció elõrejelzése mesterséges neuronális halózatok segitségével Wójcicki Andrzej, GTK V. konzulens: Dr. Pitlik László Gazdasági Informatika.
FPAD alapú neuron modellek Ormos László Miskolci Egyetem Villamosmérnöki Intézet Automatizálási Tanszék.
Számítógéppel segített minőségbiztosítás (SPC és SQC)
OTDK 2011 Szakra Attila Konzulens: dr. Majtényi György Társadalomtudományos és filozófiai válaszok a transzhumanizmus kihívásaira.
„EU-s tartalmak az oktatásban" Pedagógustovábbképzési program Budapest, 2008 április 1 EU-S TARTALMAK AZ OKTATÁSBAN A képzés célkitűzései.
A rezgő mozgás kvantummechanikai leírása 1. Miért kell foglalkoznunk ezzel a problémával? 2. Mi a legegyszerűbb modell? 3. Mi a várható eredménye a legegyszerűbb.
Takács Béla Eset: Egyenrangú (peer-to-peer) hálózat Mi kell hozzá? A számítógépekben (PC-kben) legyen hálózati kártya (Network Interface Card)
Véletlenszám generátorok
SZÁMÍTÓGÉP ARCHITEKTÚRÁK - 15 Németh Gábor. 2001Németh Gábor: Számítógép architektúrák 2 NEURÁLIS HÁLÓZATOK Három fő hajtóerő: 1.Az információ-technológia.
Számítógépes szimuláció A RITSIM-2000 rendszer ismertetése.
"Igazi" jelfeldolgozás vezetéknélküli szenzorhálózatban Orosz György 1. éves PhD hallgató Konzulensek: Dr. Péceli Gábor Dr. Sujbert László.
Méréstechnika és Információs Rendszerek Tanszék
Közlekedésmodellezés Készítette: Láng Péter Konzulens: Mészáros Tamás.
Hiba-előjel alapú spektrális megfigyelő Orosz György Konzulensek: Sujbert László, Péceli Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
A hiba-előjel alapú FxLMS algoritmus analízise Orosz György Konzulensek: Péceli Gábor, Sujbert László Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
Gyengén nemlineáris rendszerek modellezése és mérése Készítette: Kis Gergely Konzulens: Dobrowieczki Tadeusz (MIT)
Pókerágens fejlesztése játékelméleti alapokon
Berendezés-orientált IC-k BME Villamosmérnöki és Informatikai Kar Elektronikus Eszközök Tanszéke Székely Vladimír, Mizsei János 2004 április BME Villamosmérnöki.
Mi befolyásolja a munkaerő piaci értéked?
Többváltozós adatelemzés
A MÉRÉSI HIBA TERJEDÉSE
BEVEZETŐ Dr. Turóczi Antal
Lokális állapotsűrűség és Friedel-oszcilláció vizsgálata grafénben
Új technológiák elterjedésének modellezése
Okostelefonnal támogatott fizikai kísérletek
Zajok és fluktuációk fizikai rendszerekben december 2. Active Delay Implicit szekvencia tanulás.
LOGISZTIKA Előadó: Dr. Fazekas Lajos Debreceni Egyetem Műszaki Kar.
Óravázlat Készítette: Toldi Miklós
Hálózatok osztályozása
Szabályzó tervezése intelligens kamerával
Szabadkai Műszaki Szakfőiskola 1. A neuron modellje a következő 3 elemből áll: 1. A szinapszisok halmaza amelyekkel a neuronok egymáshoz vannak kapcsolva.
Menetrend optimalizálása genetikus algoritmussal
Szimuláció.
WP-Dyna: tervezés és megerősítéses tanulás jól tervezhető környezetekben Szita István és Takács Bálint ELTE TTK témavezető: dr. Lőrincz András Információs.
TERMÉKSZIMULÁCIÓ Modellek, szimuláció 3. hét február 18.
Hága Péter ELTE, Komplex Rendszerek Fizikája Tanszék Statisztikus Fizikai Nap Budapest.
SZÁMÍTÓGÉP-ARCHITEKTÚRÁK – 15 NEURÁLIS HÁLÓZATOK Németh Gábor.
1 Számítógépek felépítése 5. előadás a CPU gyorsítása, pipeline, cache Dr. Istenes Zoltán ELTE-TTK.
Tűzfal (firewall).
Táblázatkezelés Képletek és függvények. Képletek A képletek olyan egyenletek, amelyek a munkalapon szereplő értékekkel számításokat hajtanak végre. A.
Kontinuum modellek 2.  Közönséges differenciálegyenletek numerikus megoldásának alapjai  közönséges differenciálegyenletek  Euler módszer  Runge-Kutta.
Számítógépes szimuláció Első előadás Gräff József.
Szimuláció. Mi a szimuláció? A szimuláció a legáltalánosabb értelemben a megismerés egyik fajtája A megismerés a tudás megszerzése vagy annak folyamata.
FPGA oktatás az Óbudai Egyetemen
Számítógépes szimuláció
Kriptográfia egy hallgató szemszögéből
Programozható áramkörök
Programozható áramkörök
A mesterséges neuronhálók alapjai
Hatványozás azonosságai
Visszacsatolt (rekurrens) neuronhálók
Berendezés-orientált IC-k
Előadás másolata:

FPGA-n implementált, sztochasztikus bitfolyam alapú programozható neurális hálózat Rák Ádám Konzulens: Cserey György, Ph.D OTDK előadás, kiegészített verzió 2007 eKut PPKE Információs Technológiai Kar

Miről lesz szó? ● Bevezető ● Az FPGA-ák működése ● A sztochasztikus bitfolyam ● Neurális hálózatok ● Megvalósítás ● Szimuláció ● Mérés ● Összegzés ● STCNN

Motiváció ● Szabályzási feladatot szeretnék megvalósítani robotlábon ● Kis késleltetésü beavatkozás szükséges ● Hogyan tudnánk ideghálót egyszerűen hardverben megvalósítani? ● A mikrovezérlők túl lassúak erre a feladatra, céleszköz szükséges

FPGA működése Logikai blokk Huzalozó

Sztochasztikus bitfolyam Véletlen bitfolyam Szorzás: ÉS kapu hatása a várható értékre VAGY kapu hatása a várható értékre

Sztochasztikus bitfolyam Összeadás közelítése Közelítő összeadó egyenlete

Összeadás közelítése A közelítés működik, a „zavar” tagok magasabb hatványon vannak, de túl sok alkatrész A+B „A + B”

Neurális hálózatok Előrecsatolt topológia Minden mindennel kapcsolat Idegsejt modell

Megvalósítás idegsejt Idegsejt modell

Megvalósítás referencia értékek Pszeudo véletlen bitfolyam generátor Referencia bitfolyam generátor E = 0.5

Megvalósítás szinapszis Súlyozó logika Implementált programozható súly

Megvalósítás hálózat A megvalósított három neuronos idegháló B1B2B3 C A A: Programozó logika B: Neuronok C: Szinapszis mátrix

Szimuláció 10 idegsejtes hálózat Oszcilláció stimuláció hatására (alapjelenség) Autonóm oszcilláció

Mérés Sztochasztikus viselkedésTelítődés

Mérés Egymást követő láncbakötött idegsejtek Sztochasztikus viselkedés Késleltetés 3 E=0.5 2 E<0.5 Külső inger (E=1) 1 E<0.5

Összegzés ● Sztochasztikus ideghálózatot sikerült implementálni FPGA- án ● Szimulációnak megfelelően viselkedik a hálózat ● Képes többféleképpen oszcillálni, mozgásminták generálására is lehet használni ● Bizonyos idegsejt (és súly) számig bővíthető, FPGA blokkszámától függően ● A biztonságos működési frekvenciának akár kétszeresével is képes működni

STCNN (STochastic-bitstream Cellular Neural Network) RNG & AIC LCCU LMLM STCNN nucleus (LUTs) FSM