فصل دوم:تشخیص میزان موفقیت داروهای HPT درکاهش انگلهای دامی با استفاده از شبکه های عصبی

.1-2موضوع………………………………………………………………………………………………….. 27

.2-2شیوه ها……………………………………………………………………………………………… 28

.3-2نتایج آزما یش های بالینی……………………………………………………………. 30

.4-2تحقیق پرسشنامه ای…………………………………………………………………………. 34

.5-2پیاده سازی داده های جمع آوری شده با استفاده از شبکه های عصبی   36

فصل سوم: روش پیاده سازی شبکه های عصبی با استفاده از FPGA

.1-3 مقدمه ای بر 43………………………………………………………………………… ..…  FPGA

.2-3روش پیاده سازی شبکه های عصبی با استفاده از 48……………. FPGA

فصل چهارم:

نتیجه گیری و پیشنهادات…………………………………………………………………….. 69

مقاله ارائه شده در پجمین کنفرانس بین المللی سیستم های هوشمند WSEASکشور اسپانیا (مادرید 73……………………………………………………………………………………………………………….. (2006

چکیده انگلیسی………………………………………………………………………………………. 77

فهرست جدول ها

عنوان                                                                                                                     صفحه

.1-1جدول: : توابع مهم قابل استفاده در شبکه های عصبی 12………………………………………………………………………………………… …………………………………………..

.1-2 جدول : سطح آماری گروههای تحت درمان و کنترل 31                                                                        ……………………………………………………………………………………..

.2-2جدول: درصدلارو آلوده در 38 دسته از گروههای تحت کنترل و بررسی 33                                                                                                    …………………………………………

.3-2جدول: نشان دهنده درصد وجود انگلهادر دامهای موردا زمایش 38          2

.4-2جدول: نتایج شبیه سازی برای داده های تست 41…………………….. ………..

 

 

 

 

 

 

 

 

 

مقالات و پایان نامه ارشد

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

یک مطلب دیگر :

فهرست شکل ها  
عنوان صفحه
.1-1شکل: جریان اطلاعات در سیستم عصبی انسان 7
.2-1شکل: مدل سازی یک نورون مصنوعی 11
.3-1شکل: شبکه عصبی با طراحی پیش رو سه لایه 15
.4-1شکل: ساختار شبکه عصبی با طراحی پس انتشار سه لایه 17
.5-1شکل: منحنی تغییرات تابع انعطاف پذیر تک قطبی نسبت به پارامتر a 23
.6-1شکل: منحنی تغییرات تابع انعطاف پذیر دو قطبی نسبت به پارامتر a ٢٣
.1-2شکل: ساختار شبکه عصبی طراحی شده 39
.2-2شکل: کاهش خطا در حین شبیه سازی 40
.1-3شکل: ساختار آرایه ای یک PLA 45
.2-3شکل: ساختار آرایه ای یکSPLD 46
.3-3شکل: یک ساختار LUTچهار ورودی که عمل AND را انجام می دهد 47
.4-3شکل: شمای کلی شبکه پیاده سازی شده با FPGA 50
.5-3شکل: پیاده سازی تابع فعالیت برای نورون های ورودی 52
.6-3شکل: پیاده سازی تابع فعالیت برای نورون های خروجی 53
.7-3شکل: پیاده سازی تابع مجموع حاصل ضرب 54
.8-3شکل: جمع کننده 16 بیتی 55
.9-3شکل: جمع کننده 32 بیتی 56
.10-3شکل: مقایسه تابع سیگموئید و بسط مک لورن تا جمله X 11 58
.11-3شکل: پیاده سازی تابع سیگموئید 61
.12-3شکل: شمارنده 16 بیتی 62
.13-3شکل: T Flip Flop 63
.14-3شکل: مالتی پلکسر دو به یک 63
.15-3شکل: شیفت رجیستر 64
.16-3شکل: لچ 16 بیتی 65
.17-3شکل: شیفت دهنده به چپ و راست 66
.18-3شکل:مقایسه کننده 32 بیتی 67

چکیده :

شبکه های عصبی با توجه به توان بالا درپـردازش موازی،قابلیـت یـادگیری، تعمـیم، طبقـه بندی، قدرت تقریب، به خاطر سپردن و به خـاطر آوردن الگوهـا، خیـزش وسـیعی در زمینـه هـای مختلف هوش مصنوعی ایجاد کرده اند. از این رو به دلیل عملکرد خوب شبکه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبکه های عصبی چنـد لایـه جهـت پیـاده سـازی سـخت افزاری سیستم استفاده شده است و روش جدیدی برای پیاده سازی شـبکه هـای عـصبی بـر روی

FPGA ارائه شده است . برای پیاده سـازی شـبکه عـصبی از داده هـای آمـاری اداره دامپزشـکی منطقه مغان استان اردبیل به عنوان مثال کاربردی استفاده شده است .

ضرایب وزن و بایاس شبکه عصبی MLP که از شبیه سازی توسط MATLAB بـه دسـت آمـده

است، برای پیاده سازی برروی FPGA، از سری XC 4000 استفاده شده است. برای پیاده سازی

برروی FPGA، از نرم افزار Foundation 4,1 بهره جستیم وتمام مدارات منطقی توسط این نـرم

افزار طراحی شده است . نتایج به دست آمده گویای این مطلب است که FPGA به دلیـل داشـتن

انعطاف پذیری و گیت های منطقی زیاد، برای پیاده سازی شبکه های عصبی ،IC مناسبی است .

مقدمه
مقدمه:

شبکه های عصبی با توجه به توان بالا درپردازش موازی،قابلیت یادگیری، تعمیم، طبقه بندی، قدرت تقریب، به خاطر سپردن و به خاطر آوردن الگوها، خیزش وسیعی در زمینه های مختلف هوش مصنوعی ایجاد کرده اند.از این رو به دلیل عملکرد خوب شبکه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبکه های عصبی چند لایه جهت پیاده سازی سخت افزاری سیستم استفاده شده است. با توجه به طراحی سیستم های هوشمند و کوچکی که در لوازم روزمره امروزی کاربرد دارند، و از طرفی امکان ارتباط آنها به کا مپیوتر وجود ندارد نیاز به پیاده سازی سخت افزاری شبکه های عصبی در حجم کوچک احساس می شود و با توجه به این که آی

سی های FPGA بسیار انعطاف پذیر می باشند و به صورت نرم افزاری تمام طرح های سخت افزاری را می توان پیاده نمود لذا گزینه مناسبی جهت پیاده سازی سخت افزاری شبکه های عصبی می باشد.

در این پروژه یک روش برای پیاده سازی شبکه عصبی بر روی FPGA ارائه شده است .

برای پیاده سازی شبکه عصبی از داده های آماری اداره دامپزشکی منطقه مغان استان اردبیل استفاده شده است .

هدف از جمع آوری این داده های آماری تشخیص و شناسایی یک الگو جهت پیاده سازی در یک

شبکه عصبی از نوع چند لایهMLP است .


0 دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *