Prototypowanie sieci neuronowej WTA za pomocą układu reprogramowalnego FPAA

• Autorzy: Wawryn K. , Suszyński R.

Identyfikatory

DOI

10.15199/13.2017.10.5

Warianty tytułu

EN

FPAA prototyping of WTA neural networks

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono metodę szybkiego prototypowania sztucznych sieci neuronowych “winner takes all (WTA)” za pomocą analogowego układu reprogramowalnego FPAA. Zaprojektowano układ programowalnego połączenia synaptycznego i dwuwejściowy układ 2-WTA. Zostały one wykorzystane do budowy sieci neoronowej 2n-WTA. Układy 4-WTA and 8-WTA i układ połączenia synaptycznego zostały zaimplementowane w układzie FPAA. Wykonano badania symulacyjne zaimplementowanych układów za pomocą oprogramowania Matlab, a następnie pomierzono przebiegi wyjściowe tych układów. Wyniki pomiarów porównano z wynikami badań symulacyjnych.

EN

A rapid prototyping method for designing a winner takes all (WTA) artificial neural networks (ANNs) has been presented in the paper. The method is based on implementation of field programmable analog arrays (FPAAs) to design WTA ANNs. Programmable synaptic weight connection circuit and 2-WTA circuit are proposed. The 2-WTA circuits are used to configure 4-WTA and 8-WTA circuits. 4-WTA and 8-WTA circuits and programmable synaptic weight connection circuit have been implemented in FPAA device, simulated with a help of the Matlab software and finally measured. Measured characteristics have been compared to simulated ones.

Słowa kluczowe

PL

sztuczna sieć neuronowa WTA; układ FPAA

EN

winner takes all artificial neural network; FPAA device

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2017
• Tom: Vol. 58, nr 10
• Strony: 19--23
• Opis fizyczny: Bibliogr. 13 poz., rys., wykr.

Twórcy

autor

Wawryn K.

• Politechnika Koszalińska, Wydział Elektroniki i Informatyki, ul. JJ Śniadeckich 2, 75-453 Koszalin

autor

Suszyński R.

• Politechnika Koszalińska, Wydział Elektroniki i Informatyki, ul. JJ Śniadeckich 2, 75-453 Koszalin

Bibliografia

• [1] L. Znamirowski, O. A. Palusinski, and S. B. K. Vrudhula, 2004, “Programmable Analog/Digital Arrays in Control and Simulation,” Analog Integrated Circuits and Signal Processing, vol. 39, pp. 55–73.
• [2] T. R. Balen, A. Q. Andrade, F. Azais, M. Lubaszewski, and M. Renovell, 2005, “Applying the Oscillation Test Strategy to FPAA’s Configurable Analog Blocks,” Journal of Electronic Testing: Theory and Applications, vol. 21, pp. 135–146.
• [3] H . Widyantara, M. Rivai, and D. Purwanto, 2012, “Neural Network for Electronic Nose using Field Programmable Analog Arrays,” Int. J. of Electrical and Computer Engineering (IJECE), vol. 2, no. 6, pp. 739–747.
• [4] R. Suszynski, and K. Wawryn, 2013, “Rapid prototyping of algorithmic A/D converters based on FPAA devices,” Bulletin of the Polish Academy of Sciences-Technical Sciences, vol. 61, no. 3, pp. 691–696.
• [5] Y. He and E. Sanchez-Sinencio, 1993 “Min-net winner-take-all CMOS implementation.” Electron. Lett., Vol. 29, pp. 1237–1239.
• [6] J. Choi and B. Sheu, 1993 “A high-precision VLSI winner-take-all circuit for self-organising neural networks.” IEEE J. Solid-State Circuits, Vol. 28, pp. 576–584.
• [7] S. Smedley, J. Taylor and M. Wilby, 1995 “A scalable high-speed current-mode winner-take-all network for VLSI neural applications.” IEEE Trans. Circuits and Systems, Part I, CAS-42, pp. 289–291.
• [8] K. Wawryn and B. Strzeszewski, 2001 “Current mode AB class WTA,” in Proc. 8th IEEE Int. Conf. Electronics, Circuits and Systems, St. Julians, Malta, Vol. I-III, pp. 293–296.
• [9] R. Długosz, T. Talaśka, W. Pedrycz and R. Wojtyna, 2010 “Realization of the Conscience Mechanism in CMOS Implementation of Winner Takes All Self-Organizing Neural Networks,” IEEE Trans. on Neural Networks, Vol. 21, No. 6, June 2010.
• [10] Z. Guo and J. Wang, 2011 “Information retrieval from large data sets via multiple-winners-take-all,” IEEE International Symposium of Circuits and Systems (ISCAS) pp. 2669–2672.
• [11] Q. Liu and Y. Zhao, 2013 “A Novel Recurrent Neural Network with a Continuous Activation Function for Winner-Take-All,” in Proc. 4th International Conference on Intelligent Systems, Modelling and Simulation, pp. 36–39.
• [12] C. Mead and M. Ismail, 1989 “Analog Implementation of Neural Systems”. Kluwer Academic Publishers.
• [13] J. Żurada, 1992 “Introduction to artificial neural systems”. West Publishing Company.