FPGA ile yapay sinir ağının donanımsal gerçeklenmesi

Abstract

FPGA İLE YAPAY SİNİR AĞININ DONANIMSAL GERÇEKLENMESİ Suhap ŞAHİN Anahtar Kelimeler: FPGAs, Yapay Sinir Ağlan, Donanım Tanımlama Dilleri, Paralel Programlama, Tekrar Düzenlenebilir Hesaplamalar, Kayan Noktalı Aritmetik Özet Yapay sinir ağlarının FPGA ile gerçeklenmesi programlanabilir sistemlerde esneklik sağlar. Eğer gerçek zamanlı uygulamalar için VLSI teknolojisi kullanılarak bir yapay sinir ağı tabanlı işlemci yapılmak istenirse, bu gerçekleştirim hem zaman hem de maliyet açısından oldukça masraflı olduğu görülecektir. FPGA tabanlı YSA'da düşük sayı duyarlılığı kullanılarak yapılan tasarımlar,VLSI ile yapılan YSA tasarımlarına göre hem zaman hem maliyet açısından çok büyük avantajları olduğu gözlenir. Ayrıca düşük sayı duyarlılığı gerçek zamanlı yapay sinir ağları uygulamalarının test aşamasında sınıflandırma problemlerinde oldukça başarılı sonuçlar verdiği gözlenmiştir. Tekrar düzenlenebilir FPGA programlanması ile özel amaçlı hızlı donanımlar çok geniş uygulamalar için kullanılabilecektir. FPGA'ların, geleneksel işlemcilerin sahip olmadığı hız, güvenlik ve paralel işlem yapabilme yeteneğine ve ayrıca VLSI teknolojisinin sahip olmadığı tekrar düzenlenebilirlik kabiliyetlerine sahip olması vasıtasıyla yapay sinir ağlarıyla çok uyumlu çalışmalar yapılabilmekte ve yeni yapay sinir ağı algoritmalarına ışık tutmaktadır. Bu çalışmanın amacı FPGA kullanarak YSA nı donanım ile gerçeklenmesidir. Dijital sistem mimarisi, ileri sürümlü çok katmanlı YSA gerçeklemek için tasarlanmıştır. Tasarım mimarisi VHDL (Very High Speed Integrated Circuits Hardware Description Language ) tanımlandı ve FPGA entegre devresi üzerinde gerçeklenmiştir. Tasarım FPGA demo kart üzerinde test edilmiştir.

NEURAL NETWORK HARDWARE IMPLEMENTATION USING FPGA Suhap ŞAHİN Key words: FPGAs, Artificial Neural Network, Hardware Description Language, Parallel Programming, Reconfigurable Computing, Floating Point Arithmetic. Abstract: The FPGAs approach for neural network implementation provides flexibility in programmable systems. For the neural based instrument prototype in real time application, conventional specific VLSI neural chip desing suffer the limitation in time and cost. With low precision artificial neural network desing, FPGAs have higher speed and smaller size for real time application than that of the VLSI design. In addition, artificial neural network based on FPGAs has fairly achieved with classification application. The programmability of reconfigurable FPGAs yields the availability of fast special purpose hardware for wide applications. Its programmability could set the conditions to explore new neural network algorithms and problems of a scale that would not be feasible with conventional processor. The goal of this work is to implementation a hardware of a neural network using Field Programmable Gate Array (FPGA). A digital system architecture is presented using Very High Speed Integrated Circuits Hardware Description Language (VHDL) and is implemented in FPGA chip. The design is tested on an FPGA demo board. m