تحقیق پیاده سازی VLSI شبكه عصبی آنالوگ الگوریتم های ژنتیك

پیاده سازی VLSI یك شبكه عصبی آنالوگ مناسب برای الگوریتم های ژنتیك

خلاصه
مفید بودن شبكه عصبی آنالوگ مصنوعی بصورت خیلی نزدیكی با میزان قابلیت آموزش پذیری آن محدود می شود .
این مقاله یك معماری شبكه عصبی آنالوگ جدید را معرفی می كند كه وزنهای بكار برده شده در آن توسط الگوریتم ژنتیك تعیین می شوند .
اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیكونی با مساحت كمتر از 1mm كه شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .
از آنجائیكه آموزش می تواند در سرعت كامل شبكه انجام شود بنابراین چندین صد حالت منفرد  در هر ثانیه می تواند توسط الگوریتم ژنتیك تست شود .
...

پیاده سازی الگوریتم آموزش ژنتیک

زمان مورد نیاز برای بار كردن مقادیر 4096 وزن بداخل شبكه در حدود 250μs است .
یك الگوی تست منفرد كه شامل 64 بیت ورودی است می تواند در حدود 100ns  بكار برده شود .
این مسئله باعث می شود كه بكار بردن الگوریتم هایی كه به تعداد زیادی گذر احتیاج دارند امكان پذیر باشد .
وابستگی بین مقدار وزن و خروجی نرون می تواند در سطح بالایی غیر خطی باشد ، مخصوصا اگر بیشتر از یك سیكل شبكه جهت پیاده سازی یك شبكه فیدبك چندین لایه بكار برده شود .
بنابراین بنظر می رسد كه الگوریتم ژنتیك برای آموزش شبكه مناسب است .
شبكه همچنین بر اساس یك پشتیبانی سخت افزاری بر پایه یادگیری برای مسئله آشفتگی ساخته شده است ، یك الگوریتم iterative كه درباره تابع تبدیل شبكه به هیچ نوع دانشی احتیاج ندارد .
الگوریتم ژنتیك پیاده سازی شده یك مقدار وزن را بوسیله یك ژن نشان می دهد .
برای جلوگیری از وابستگی سخت افزاری بسته ، مقدار وزن در یك روش نرمالیزه ذخیره می شود  كه بكار می برد اعداد ممیز دار را بین –1 برای سیناپس جلوگیری ماكزیمم و +1 را برای سیناپس برانگیخته ماكزیمم .
این اعداد به مقادیر ولتاژی تبدیل می شوند كه در زمان ترجمه یك دسته كروموزوم به ماتریس وزن بوسیله شبكه عصبی آنالوگ مورد احتیاج هستند .
ژنهای شامل یك نرون به صورت یك كروموزوم تركیب می شوند .
64 عدد كروموزوم یك دسته كروموزوم منحصربفرد را تشكیل می دهند .
تكامل تدریجی مصنوعی همیشه بوسیله ایجاد یك جمعیت تصادفی شروع می شود .
بعد از اینكه یك حالت منحصر بفرد بداخل ماتریس وزن بارگیری شد ، الگوهای تست بكار برده می شود .
شایستگی با مقایسه خروجی شبكه با مقادیر هدف محاسبه می شود .
برای هر بیت صحیح ، شایستگی یك مقدار افزایش می یابد .
این عمل برای كل جمعیت تكرار می شود .
...