طراحي و پياده‌سازي لايه‌ي كانولوشن در يك شبكه عصبي عميق با استفاده از ساختار متقاطع ممريستور

كارشناسي ارشد

هدف كلي شبكه‌هاي عصبي كانولوشني استخراج ويژگي از داده‌هاي ورودي وكلاس‌بندي دقيق آن‌هاست. در اين شبكه‌ها استخراج ويژگي توسط لايه كانولوشن انجام مي‌شود. براي رسيدن به دقت بيش‌تر در كلاس‌بندي بايد تعداد لايه‌هاي كانولوشن را افزايش داد اما از آن‌جا كه عمليات كانولوشن نيازمند محاسبات زيادي است و تعداد زيادي از منابع محاسباتي يك شبكه‌ كانولوشني را اشغال مي‌كند، پياده‌سازي سخت‌افزاري آن به يك چالش تبديل شده است. مهندسي نئورومورفيك حوزه جديدي است كه از حافظه‌ و واحدهاي پردازشي توزيع شده تشكيل شده است و يكي از اهداف آن پياده‌سازي معماري‌هاي الهام گرفته از مغز انسان بر روي تراشه‌هاي الكترونيكي است. در معماري نئورومورفيك مي‌توان با استفاده از ساختار متقاطع ممريستور عمليات كانولوشن را با سرعت بيش‌تر و توان و فضاي مصرفي ‌كم‌تري نسبت به معماري ون‌نيومن انجام داد. در اين تحقيق هدف طراحي يك مدار كانولوشن در يك شبكه عصبي عميق با استفاده از ساختار متقاطع ممريستور و سپس استفاده از آن در يك شبكه CNN مبتني بر ممريستور است. لايه كانولوشن طراحي شده داراي مزايايي از جمله انجام عمليات كانوشن به صورت تمام موازي و يكپارچه، قابليت هرس كردن شبكه، تعداد ممريستور كم‌تر نسبت به ساير روش‌هاي تمام موازي و ساختار تمام ممريستوري است. لايه‌هاي ادغام و تمام متصل نيز كاملا مبتني بر ممريستور هستند و به صورت تمام موازي عمل مي‌كنند. شبيه‌سازي شبكه با استفاده از نرم‌افزار‌هاي MATLAB و HSPICE صورت گرفته است. در طي شبيه‌سازي توان عملياتي لايه كانولوشن براي ورودي‌هاي 8 بيتي (TOPS/W) 9/78 محاسبه شده است. با انجام روش آموزش تراشه در حلقه بر روي شبكه سخت‌افزاري مبتني بر ممريستور، دقت نهايي به 96/8 درصد رسيد و توان مصرفي كل شبكه براي انجام يك بار عمل كلاس‌بندي‌ 0/604 وات محاسبه شد.

206773

دانشگاه علم و صنعت ايران

مهندسي برق الكترونيك

دكتر شهريار براذران شكوهي