Rough set methods and hardware implementations

• Autorzy: Kopczyński M. , Stepaniuk J.

Warianty tytułu

PL

Metody zbiorów przybliżonych i implementacje sprzętowe

• Języki publikacji: EN

Abstrakty

EN

This paper describes current achievements about hardware realisation of rough sets algorithms in FPGA (Field Programmable Gate Array) logic devices. At the moment only few ideas and hardware implementations have been created. Most of the existing rough set methods implementations are software type. Software solution provides flexibility in terms of data processing and executed algorithms, but is relatively slow. Hardware implementation limits this versatility, but gives a significant increase in calculation speed. The paper also includes brief description of current authors research on the creation of this type of implementation. The testing environment uses FPGA from Altera called Cyclone II. This is a high-capacity device providing the ability to create soft-processor core, along with modules allowing to support peripherals of the development board.

PL

Zbiory przybliżone (ang. rough sets) zostały wprowadzone przez Prof. Zdzisława Pawlaka jako narzędzie wnioskowania o poj˛eciach nieostrych (ang. vague concepts). Zarówno podstawy teoretyczne jak i zastosowania zbiorów przybliżonych zostały istotnie rozwinieęte. Metody bazujące na zbiorach przybliżonych cieszą się bardzo dużym zainteresowaniem wielu środowisk na świecie. Praca opisuje bieżące dokonania na polu implementacji sprzętowych w strukturach programowalnych FPGA (ang. Field Programmable Gate Array) metod zbiorów przybliżonych. Do tej pory stworzonych zostało zaledwie kilka takich rozwiązań. Większość istniejących implementacji metod zbiorów przybliżonych jest realizowanych programowo. Rozwiązanie programowe zapewnia uniwersalność działania pod względem przetwarzanych danych oraz wykonywanych algorytmów zapewniając jednocześnie prostotę ich modyfikacji, jednak jest relatywnie powolne. Implementacja sprzętowa ogranicza tą uniwersalność, dając jednak w zamian znaczny przyrost szybkości działania. W pracy zawarto również krótki opis bieżących badań prowadzonych przez autorów nad stworzeniem tego typu implementacji. Do badań wykorzystywany jest układ FPGA firmy Altera o nazwie Cyclone II. Jest to układ o dużej pojemności zapewniający możiwość tworzenia procesorów typu soft-core wraz z modułami pozwalającymi na obsługę peryferiów płyty rozwojowej.

Słowa kluczowe

EN

rough sets; FPGA; programmable logic devices

PL

zbiory przybliżone; FPGA; programowalne struktury logiczne

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Zeszyty Naukowe Politechniki Białostockiej. Informatyka
• Rocznik: 2011
• Tom: Z. 8
• Strony: 5--17
• Opis fizyczny: Bibliogr. 19 poz., rys.

Twórcy

autor

Kopczyński M.

autor

Stepaniuk J.

• Bialystok University of Technology, Faculty of Computer Science, Białystok, Poland

Bibliografia

• [1] A. Kanasugi, A. Yokoyama, A basic design for rough set processor, In The 15th Annual Conference of Japanese Society for Artificial Intelligence, 2001.
• [2] A. Kanasugi, A design of architecture for rough set processor, JSAI 2001 Workshops, LNAI 2253, Springer-Verlag, 2001, pp. 406-412.
• [3] A. Kanasugi, M. Matsumoto, Design and implementation of rough rules generation from logical rules on FPGA board, RSEISP 2007, LNAI 4585, Springer- Verlag, 2007, pp. 594-602.
• [4] J. Koronacki, J. Cwik, Statystyczne systemy uczace sie, wydanie drugie, Exit, Warsaw, 2008, pp. 327.
• [5] T. Lewis, M. Perkowski, L. Jozwiak, Learning in Hardware: Architecture and Implementation of an FPGA-Based Rough Set Machine, euromicro, vol. 1, 25th Euromicro Conference (EUROMICRO ’99)-Volume 1, 1999, pp. 1326.
• [6] M. Muraszkiewicz, H. Rybinski, Towards a Parallel Rough Sets Computer In: Rough Sets, Fuzzy Sets and Knowledge Discovery, Springer-Verlag, 1994, pp. 434-443.
• [7] M. Muraszkiewicz, Sieci komorkowe do przetwarzania danych nienumerycznych, Prace IINTE, no. 52, 1984.
• [8] Z. Pawlak, Elementary rough set granules: Toward a rough set processor. In: S. K. Pal, L. Polkowski, and A. Skowron, editors, Rough-Neurocomputing: Techniques for Computing with Words, Cognitive Technologies. Springer-Verlag, Berlin, Germany, 2004, pp. 5-14.
• [9] Z. Pawlak, A. Skowron, Rudiments of rough sets. Information Sciences, 177(1) 2007, pp. 3-27.
• [10] W. Pedrycz, A. Skowron, V. Kreinovich (Eds.), Handbook of Granular Computing, John Wiley & Sons, New York 2008.
• [11] L. Rutkowski, Computational Intelligence, Methods and Techniques, Springer, 2008.
• [12] A. Skowron, J. Stepaniuk, Tolerance Approximation Spaces, Fundamenta Informaticae, vol. 27, no. 2–3, 1996, pp. 245-253.
• [13] J. Stepaniuk, Rough–Granular Computing in Knowledge Discovery and Data Mining, Springer, 2008.
• [14] T. Strakowski, H. Rybinski, A Distributed Decision Rules Calculation Using Apriori Algorithm, T. Rough Sets 11, 2010, pp. 161-176.
• [15] L. A. Zadeh, The role of fuzzy logic in the management of uncertainty in expert systems, Fuzzy Sets and Systems 11, 1993, pp. 199-227.
• [16] Altera Corporation, www.altera.com , cited 30.11.2011.
• [17] Terasic Corporation, www.terasic.com.tw , cited 30.11.2011.
• [18] The Linux Kernel Archives, www.kernel.org , cited 30.11.2011.
• [19] Xilinx Corporation, www.xilinx.com , cited 30.11.2011.