Uma arquitetura reconfigurável de Rede Neural Artificial utilizando FPGA.

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: OLIVEIRA, Janaína da Glória Moreira de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Engenharia Elétrica
Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
País: Não Informado pela instituição
Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/861
Resumo: Este trabalho apresenta uma nova implementação em hardware de Rede Neural Artificial que permite reconfiguração da arquitetura que é implementada. Este tipo de design é importante em aplicações em que o ambiente varia de tal maneira que é necessária uma mudança na arquitetura da Rede Neural para que os resultados continuem adequados. A topologia usada foi a MultiLayer Perceptron, onde os neurônios são organizados em camadas e cada camada recebe como entrada as saídas da camada anterior, ou seja, elas têm uma execução sequencial. A implementação desenvolvida permite mudanças no número de neurônios de cada camada, número de entradas e saídas da Rede Neural e do tipo de função de ativação que os neurônios de cada camada irão executar. Apesar de implementada em FPGA, a Rede Neural proposta não depende de nenhum de seus modelos, já que nenhum bloco proprietário foi usado. Esta característica permite que o sistema aqui proposto seja implementado com facilidade em um circuito integrado a ser usado em implantes médicos, por exemplo. A Rede Neural foi submetida a três testes práticos que provaram seu funcionamento e os resultados em termos de erros atingidos foram analisados.