Dissertation/ Thesis

Methodologies for hardware implementation of reservoir computing systems

التفاصيل البيبلوغرافية
العنوان: Methodologies for hardware implementation of reservoir computing systems
المؤلفون: Alomar Barceló, Miquel Lleó
المساهمون: Rosselló Sanz, Josep Lluis, Canals Guinand, Vicente José, Universitat de les Illes Balears. Departament de Física
المصدر: TDX (Tesis Doctorals en Xarxa)
بيانات النشر: Universitat de les Illes Balears
سنة النشر: 2018
المجموعة: Universitat de les Illes Balears (UIB): Tesis Doctorals en Xarxa (TDX) / Theses and Dissertations Online
مصطلحات موضوعية: Xarxes neuronals artificials, xarxes neuronals recurrents, reservoir computing, echo state networks, implementacions en maquinari, circuits digitals, matriu de portes programables in situ (FPGA), computació estocàstica, predicció de sèries temporals, reconeixement de patrons, Enginyeria Electrònica
Time: 53, 537
الوصف: [cat]Inspirades en la forma en què el cervell processa la informació, les xarxes neuronals artificials (XNA) es crearen amb l’objectiu de reproduir habilitats humanes en tasques que són difícils de resoldre mitjançant la programació algorítmica clàssica. El paradigma de les XNA s’ha aplicat a nombrosos camps de la ciència i enginyeria gràcies a la seva capacitat d’aprendre dels exemples, l’adaptació, el paral·lelisme i la tolerància a fallades. El reservoir computing (RC), basat en l’ús d’una xarxa neuronal recurrent (XNR) aleatòria com a nucli de processament, és un model de gran abast molt adequat per processar sèries temporals. Les realitzacions en maquinari de les XNA són crucials per aprofitar les propietats paral·leles d’aquests models, les quals afavoreixen una major velocitat i fiabilitat. D’altra banda, les xarxes neuronals en maquinari (XNM) poden oferir avantatges apreciables en termes de consum energètic i cost. Els dispositius compactes de baix cost implementant XNM són útils per donar suport o reemplaçar el programari en aplicacions en temps real, com ara de control, supervisió mèdica, robòtica i xarxes de sensors. No obstant això, la realització en maquinari de XNA amb un nombre elevat de neurones, com al cas de l’RC, és una tasca difícil a causa de la gran quantitat de recursos exigits per les operacions involucrades. Tot i els possibles beneficis dels circuits digitals en maquinari per realitzar un processament neuronal basat en RC, la majoria d’implementacions es realitzen en programari usant processadors convencionals. En aquesta tesi, proposo i analitzo diverses metodologies per a la implementació digital de sistemes RC fent ús d’un nombre limitat de recursos de maquinari. Els dissenys de la xarxa neuronal es descriuen en detall tant per a una implementació convencional com per als distints mètodes alternatius. Es discuteixen els avantatges i inconvenients de les diferents tècniques pel que fa a l’exactitud, velocitat de càlcul i àrea requerida. Finalment, les implementacions proposades ...
نوع الوثيقة: doctoral or postdoctoral thesis
وصف الملف: 278 p.; application/pdf
اللغة: English
Relation: http://hdl.handle.net/10803/565422
الاتاحة: http://hdl.handle.net/10803/565422
Rights: ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs. ; info:eu-repo/semantics/openAccess
رقم الانضمام: edsbas.3A407C80
قاعدة البيانات: BASE