close
دانلود فیلم
شبکه عصبی
 مدل سازي گره و محاسبه مصرف توان پردازشي شبكه هاي حسگر بي‌سيم به كمك شبكه عصبي
مدل سازي گره و محاسبه مصرف توان پردازشي شبكه هاي حسگر بي‌سيم به كمك شبكه عصبي
نوع فایل: word (قابل ویرایش)
تعداد صفحات : 113 صفحه
 
چكيده
شبكه حسگر بي سيم، شبكه اي است كه از تعداد زيادي گره كوچك تشكيل شده است. گره از طريق حسگرها اطلاعات محيط را دريافت مي‌كند. انرژي مصرفي گره‌ها معمولاً از طريق باتري تامين مي‌شود كه در اكثر موارد امكان جايگزيني اين باتري‌ها وجود ندارد. بنابراين توان مصرفي گره‌ها موضوع مهمي در اين شبكه ها است. و استفاده از روش‌هاي دقيق و سريع محاسبه توان مصرفي در طراحي سيستم‌هاي كم توان بسيار ضروري مي‌باشد.  روش تخمين توان به ۴ سطح تقسيم مي‌شود: ۱)سطح سيستم، ۲)سطح RTL، ۳)سطح گيت، ۴)سطح جانمايي. دقت محاسبه توان در سطح گيت و جانمايي بين ۷۰ تا ۹۵% است. ولي مشكل محاسبه توان در اين سطوح زمان شبيه سازي طولاني مي‌باشد. محاسبه توان در سطح سيستم كمترين زمان شبيه سازي را دارا مي‌باشد اما دقت آن بين ۴۰ تا ۷۵% است. پايين بودن دقت در سطح سيستم و طولاني بودن زمان شبيه سازي در سطح گيت و جانمايي سبب مهم شدن تخمين توان در سطح RTL شده است. در اين پايان‌نامه شبيه سازي در سطح RTL انجام گرفته و توان مصرفي توسط تابع ماكرومدل پيش بيني مي‌گردد. اجزاي اصلي مصرف كننده توان در گره شبكه حسگر بي‌سيم در SystemC شبيه سازي شده، سپس مدار طراحي شده به بلوك هاي  قابل سنتز در Verilog تبديل مي شوند. اين بلوك ها و مجموعه هاي ورودي به نرم افزار Power Compiler داده شده و توان مصرفي محاسبه مي شود. در روش پيشنهادي،به ازاي مجموعه هاي مختلف ورودي ضرايبي محاسبه شده و توان پردازشي سيستم تخمين زده مي‌شود. با مقايسه توان تخميني و توان محاسبه شده، ديده مي‌شود اين روش از دقت خوبي برخوردار مي باشد، اما در مورد بعضي از مجموعه‌هاي ورودي دچار اشكال است. براي يافتن ورودي مناسب جهت انجام طراحي و اطمينان از صحت تخمين انجام شده از شبكه عصبي استفاده شده است.
ادامه مطلب...
دانلود پایان نامه بررسی شبکه های عصبی مصنوعی
مشخصات مقاله:
عنوان کامل: بررسی و معرفی شبکه های عصبی مصنوعی
دسته: فناوری اطلاعات و کامپیوتر
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات پروژه: ۱۲۱

چکیده ای از مقدمه آغازین ” پایان نامه بررسی و معرفی شبکه های عصبی مصنوعی” بدین شرح است:

.

هوش محاسباتی یا  (Computational-Intelligence) CI به معنای استخراج هوش، دانش، الگوریتم یا نگاشت از دل محاسبات عددی براساس ارائه به روز داده‌های عددی است. سیستم‌هایCI در اصل سیستم‌های دینامیکی مدل آزاد (Model-free) را برای تقریب توابع و نگاشتها ارائه می‌کند. در کنار این ویژگی بسیار مهم باید از ویژگی مهم دیگری در ارتباط با خصوصیات محاسباتی سیستم‌های CI نام برد، که در آن دقت، وجه‌المصالحه مقاوم بودن، منعطف‌بودن و سهولت پیاده‌سازی قرار می‌گیرد.
مولفه‌های مهم و اساسی CI ، شبکه‌های عصبی )محاسبات نورونی(، منطق فازی) محاسبات تقریبی( و الگوریتم ژنتیک) محاسبات ژنتیکی(است، که هر یک به نوعی مغز را الگو قرار داده‌اند. شبکه‌های عصبی ارتباطات سیناپسی و ساختار نورونی، منطق فازی استنتاجات تقریبی و محاسبات ژنتیکی محاسبات موتاسیونی مغز را مدل می‌کنند. ‍‍‌
هوش مصنوعی:
در شبکه ارتباطی مغز انسانها سیگنالهای ارتباطی به صورت پالسهای الکتریکی هستند.جزء اصلی مغز نرون است که از یک ساختمان سلولی و مجموعه ای از شیارها و خطوط تشکیل شده و شیارها محل ورود اطلاعات به نرون هستند وخطوط محل خروج اطلاعات از نرون اند . نقطه اتصال یک نرون به نرون دیگر را سیناپس می نامند که مانند دروازه یا کلید عمل می کنند. اگر واکنشهایی که میلیونها نرون مختلف به پالسهای متفاوت نشان میدهند با یکدیگر هماهنگ باشند ممکن است پدیده های مهمی در مغز رخ دهد.
آن دسته از پژوهشگران هوش مصنوعی که رویکرد مدل مغزی را دنبال می کنند گونه ای از مدارهای الکتریکی را طراحی کرده اند که تا حدی شبکه مغز را شبیه سازی میکند در این روش هر گره (نرون)به تنهایی یک پردازنده است ولی رایانه های معمولی حداکثر چند cpuدارند هدف عمده کامپیوتر شبکه عصبی این است که مکانیسمی طراحی کند که همانند مغز انسان بازخورد مثبت یاد بگیرد پاسخهای درست و نادرست کدامند.
ادامه مطلب...
به کانال تلگرام سایت ما بپیوندید