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. |