Bir konik kesit fonksiyonu ağının tümdevre olarak gerçeklenmesi

Abstract

ÖZET İnsan, bilinmeyen ve karmaşık bir ortamdaki tanıdık bir yüzü 200ms gibi kısa bir sürede tanıyabilmektedir. Yine, bir kayakçı engebeli bir pistte, dengesini yitirmeden saatte 150 km'lik yüksek bir hız ile slalom yaparak dağdan aşağı inebilmektedir. Biri görüntü tanıma işinin diğeri robotik kontrolün en uç örnekleri. Bu iki mükemmel örneğin arkasındaki mükemmel yetenek... İnsan beyni... Yapay sinir ağlarının ortaya çıkışı, insan beyninin karmaşık problemlerin çözümünde ortaya koyduğu yüksek hesaplama kabiliyetinin fark edilmesi ile başlar. Son yıllarda bu konuda birçok ağ modeli ve öğrenme algoritması sunulmuştur. Tümdevre teknolojisindeki ilerlemeler bu ağ modellerinin gerçeklenmesine imkan sağlamaktadır. Bu tez, MLP ve RBF ağlarını içeren konik kesit fonksiyonu ağları ile ilgilidir. MLP'deki karar sınırları hiperdüzlemsel (açık) RBF'teki karar sınırları hiperküreseldir (kapalı). MLP ve RBF'teki karar sınırlan konik kesit fonksiyonlarının özel bir durumudur. Konik kesit fonksiyonlar için bu karar sınırlarının dışında hiperbol, parabol, elips gibi arada kalan karar sınırları da vardır. Konik kesit fonksiyonu ağındaki temel fikir biri açık diğeri kapalı olan bu iki karar sınırını tek bir ağ modeli ile birlikte elde edebilmektedir. Bu çalışında, iki girişli ve tek katmanlı bir konik kesit fonksiyonu ağının analog CMOS tümdevre olarak tasarımı sunulmaktadır. Ağın girişler gerilimdir. Girişlerin -2V ile 2V arasındaki değişimi için devre istenilen performansı göstermektedir. Devre iki temel bloktan oluşmaktadır. İlk kısım iki girişin ağırlıklı toplamını alır. İkinci kısım girişlerin bir merkeze göre euklid mesafesini hesaplar. İlk kısım iki analog çarpıcıdan oluşur, ikinci kısım iki geçişiletkenliği elemanı, bir vektörel toplama elemanı, bir topraklanmış aktif direnç ve bir analog çarpıcıdan oluşur. Devrenin tasarımı Tübitak YİTAL 3/ım Level 3 parametrelerine göre ve serimi 3u.m proses kurallarına göre yapılmıştır.

ABTRACT Human being can recognize any acquaintance face in an unknown and complex environment in a short time as 200ms. Again, a skier can ski down a hill on a rough track without loosing his balance in a velocity as 150km per hour. Those are two radical examples one from image recognition the other from robotic control. What is the capability behind those two miracle examples...? Human brain... Work on artificial neural networks has been motivated right from its inception by the recognition of high computing capability that the brain offers for very complex problems. In recent years many neural algorithms and several neural networks have been proposed. The developments on VLSI let the implementation of that proposed networks. This thesis is concerned with the conic section function networks that contains MLP and RBF nets. The decision boundaries are hyperplanar (open) and hyperspherical (closed) in MLP and in RBF, respectively. The decision boundaries of MLP and RBF are special cases of conic section functions. In conic section functions, there are intermediate types of decision boundaries such as hyperbolas, parabolas, ellipses. The main idea in conic section function networks is to obtain those open and closed decision boundaries in a single network model. In this work, the analog CMOS design of a conic section function network that has two input and that is one layered is presented. The inputs of the network are voltage. The circuit can show the aimed performance for the variations of inputs between -2V and 2V. The circuit is constructed by two main blocks. First block computes weighted sum of inputs. Second block computes euclidian distance of inputs relative to a center. The first block is constructed by two analog multiplier. The second block is constructed by two transconductance element, one vectoral summation unit, one grounded resistance and one analog multiplier. Simulation of the circuit is performed by Tûbitak YİTAL 3im Level 3 parameters. Layout of the circuit is designed due to YİTAL 3/ım process design rules