Implementacija nevronske mreže v vezju SoC FPGA

magistrsko delo

Blaž Marolt (Avtor), Branko Šter (Mentor)

Povzetek

V magistrskem delu smo implementirali nevronsko mrežo, sposobno uče\-nja z algoritmom vzvratnega razširjanja napake v programirljivem vezju FPGA. Delovanje nevronske mreže smo testirali na razvojni ploščici Zybo podjetja Digilent. Uporabljena razvojna ploščica vsebuje integrirano vezje Zynq-7000, ki poleg FPGA-dela vsebuje tudi procesor, ki smo ga uporabili za nadzor delovanja nevronske mreže in prenašanje podatkov učne množice. Nevronska mreža lahko izkorišča visoko stopnjo paralelnosti, saj izračuna celotno plast nevronov hkrati. Analizirali smo porabo virov in hitrost delovanja nevronske mreže ter komunikacije med FPGA in procesorskim delom. Slabost omenjenega pristopa je v relativno visoki porabi virov.

Ključne besede

nevronska mreža;FPGA;sistem na čipu;računalništvo in informatika;magisteriji;

Podatki

Jezik:	Slovenski jezik
Leto izida:	2021
Tipologija:	2.09 - Magistrsko delo
Organizacija:	UL FRI - Fakulteta za računalništvo in informatiko
Založnik:	[B. Marolt]
UDK:	004.8(043.2)
COBISS:	80889603
Št. ogledov:	327
Št. prenosov:	43
Ocena:	0 (0 glasov)
Metapodatki:

Ostali podatki

Sekundarni jezik:	Angleški jezik
Sekundarni naslov:	Neural network implementation in a SoC FPGA circuit
Sekundarni povzetek:	In the master's thesis, we implemented a neural network capable of learning with the backpropagation algorithm in an FPGA integrated circuit. The neural network was tested on a Zybo development board from Digilent. In addition to the FPGA part, integrated circuit Zynq-7000 also contains a processor, which we used to control the neural network and to load the training data. The neural network can take advantage of a high level of parallelism, due to processing of the entire layer of neurons simultaneously. We analyzed the resource consumption and speed of the neural network operation, as well as the communications between the FPGA and the processor part. The disadvantage of this approach is a relatively high consumption of resources.
Sekundarne ključne besede:	neural network;FPGA;system on chip;computer science;computer and information science;master's degree;Umetna inteligenca;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS):	Magistrsko delo/naloga
Študijski program:	1000471
Komentar na gradivo:	Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani:	92 str.
ID:	13518228