طراحي و پياده‌سازي دسته‌بندي‌كننده اهداف مبتني بر شبكه عصبي تكاملي

كارشناسي ارشد

با توجه به پيچيدگي فيزيكي اهداف و شباهت بسيار زيادشان دسته‌بندي آن‌ها يكي از مسائل چالش برانگيز براي پژوهشگران است. شبكه‌هاي عصبي چندلايه، يكي از پركاربردترين ابزار در دسته‌بندي اهداف مي‌باشند. مي‌توان از آموزش به‌عنوان مهم‌ترين بخش اين شبكه‌‌ها اشاره نمود. با توجه به ويژگي‌‌هاي داده‌ها و ابعاد بسيار بالاي آن‌ها، استفاده از روش‌هاي متعارف و معين مانند روش‌هاي سنتي مبتني بر مشتق و گراديان نزولي براي آموزش به نتايج دسته‌بندي دقيق و بلادرنگ منجر نمي‌گرديد، استفاده از الگوريتم‌هاي تكاملي براي آموزش اين نوع شبكه‌ها بسيار مرسوم گشته است. همچنين در سال‌هاي اخير به دليل ضعف‌هاي زياد روش‌هاي سنتي مانند روش‌هاي مبتني بر مشتق و گراديان نزولي، استفاده از الگوريتم‌هاي تكاملي براي آموزش اين نوع شبكه‌ها بسيار مرسوم گشته است. بدين‌ منظور در اين پايان‌نامه، استفاده از الگوريتم بهينه شده مبتني بر جغرافياي زيستي، براي آموزش شبكه‌هاي عصبي چندلايه، به ‌منظور دسته‌بندي اهداف مي‌باشد. شبيه‌سازي و مقايسه نتايج نشان مي‌دهند كه الگوريتم بهينه شده مبتني بر جغرافياي زيستي در اين پايان‌نامه موجب طراحي يك دسته‌بندي‌كننده بهينه براي دسته‌بندي اهداف شده است. به منظور ارضاي شرط دسته‌بندي بلادرنگ دسته‌بندي‌كننده طراحي شده برروي تراشه FPGA با استفاده از ابزار Xilinx System Generator پياده‌سازي گرديد. هدف از اين پايان‌نامه، دسته‌بندي اهداف Iris و Lenses مي‌باشد. با توجه به نبود مجموعه داده‌هاي مرجع در اين حوزه، از يك مجموعه داده پيش‌پردازش شده از سايت UCI Repository به‌عنوان مرجع براي مقايسه با پژوهش‌هاي ديگر انتخاب شد. براي رسيدن به هدف پردازش بلادرنگ، طراحي دسته‌بندي كننده به‌صورت سخت‌افزاري و بر بستر تراشه‌هاي Xilinx Spartan6-XC6SLX45-FGG484-2 و Xilinx Kintex C7K32T-2FFG900C پياده‌سازي خواهد شد. الگوريتم بهينه‌سازي مبتني بر جغرافياي زيستي بر پايه دو عمل‌گر مهاجرت و جهش براي آموزش شبكه‌‌هاي عصبي به ‌منظور دسته‌بندي‌كننده دقيق و بلادرنگ اهداف بررسي مي‌شوند. واژه‌هاي كليدي: شبكه عصبي، دسته‌بندي‌ كننده، الگوريتم‌هاي فرا ابتكاري، الگوريتم BBO، FPGA.

191897

دانشگاه علم و صنعت ايران

سيستم هاي الكترونيك ديجيتال

دكتر سيد محمدرضا موسوي ميركلايي