طراحی و اجرای یک چیپ برای تشخیص الگو با استفاده از شبکه های عصبی کاملاً موازی cnn در تکنولوژی cmos

یکی از کاربردهای شبکه های عصبی سلولی، شناسایی حروف لاتین(کاراکتر) می باشد. سیستم شبکه عصبی سلولی ارائه شده در این پایان نامه اساساً یک سیستم شناسایی کاراکتر است که می تواند در دو مد پردازش و شناسایی کار کند. با توجه به کارهای قبلی، ساختار شبکه عصبی سلولی در مورد استخراج ویژگی و شناسایی کاراکتر نیازمند زمان بیشتری بوده و دارای دقت کمتری در استخراج ویژگی می باشد. در این پایان نامه جهت کاهش زمان پردازش و افزایش دقت، از یک شبکه عصبی سلولی با ساختار کاملا موازی با بکارگیری عنصرهای پردازشگر(pe) در هر سلول در مجموع 400 عنصر پردازشگر استفاده می کنیم. سپس با اعمال الگوهای کلونینگ عملیات پیش پردازش و پردازش را انجام می دهیم. در این پایان نامه چندین الگو برای پیش پردازش تصاویر اولیه ارائه شده و تصاویر با اجرای این الگوها برای استخراج ویژگی آماده می گردند. همچنین جهت کلاس بندی حروف، تعدادی ویژگی توسط شبکه های عصبی سلولی استخراج شده است. شبکه عصبی سلولی بکاررفته در این پایان نامه در محیط نرم افزاری سیمولینک در ابعاد 20×20 پیاده سازی شده و با اعمال تصاویر و الگوهای مختلف شبیه سازی شده است. در این پایان نامه همچنین یک بلوک دیاگرام جدید از عملکرد کلی شبکه عصبی سلولی معرفی شده و مدارات جدیدی جهت پردازش تصاویر با سرعت و دقت بالا و توان مصرفی کم در تکنولوژی m cmosµ0.35 ارائه شده است و کلیه مدارات توسط نرم افزار hspice شبیه سازی شده و layout آنها نیز توسط نرم افزار cadence استخراج شده است.