CONTRIBUTION A LA REALISATION ELECTRONIQUE DE RESEAUX DE NEURONES FORMELS PDF Download
Are you looking for read ebook online? Search for your book and save it on your Kindle device, PC, phones or tablets. Download CONTRIBUTION A LA REALISATION ELECTRONIQUE DE RESEAUX DE NEURONES FORMELS PDF full book. Access full book title CONTRIBUTION A LA REALISATION ELECTRONIQUE DE RESEAUX DE NEURONES FORMELS by Eric Belhaire. Download full books in PDF and EPUB format.
Author: Eric Belhaire
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
DEPUIS VINGT ANS, LA CAPACITE D'INTEGRATION DES TECHNOLOGIES MOS DOUBLE TOUS LES DIX-HUIT MOIS. UNE APPROCHE PROMETTEUSE POUR EXPLOITER CETTE PROGRESSION A ETE INTRODUITE RECEMMENT PAR L'INVENTION DES CIRCUITS ANALOGIQUES CELLULAIRES, QUI SONT COMPOSES DE L'ASSEMBLAGE REGULIER DE MILLIERS DE CELLULES ANALOGIQUES IDENTIQUES. L'OBJECTIF DE CETTE THESE EST DE CONTRIBUER A LA CONCEPTION DE CES CIRCUITS, EN ETUDIANT CEUX POUR LESQUELS SONT POSSIBLES UNE MODELISATION STATISTIQUE A L'AIDE DE RESEAUX DE NEURONES FORMELS (RNF) ET DES APPLICATIONS A LA RECONNAISSANCE DES FORMES. ELLE PORTE PLUS PARTICULIEREMENT SUR LA MACHINE DE BOLTZMANN, QUI EST UN MODELE DE RNF BOOLEEN ET STOCHASTIQUE, A TEMPS DISCRET. AU CHAPITRE I, JE PRESENTE LES RESEAUX DE NEURONES FORMELS ET LES ALGORITHMES DE LA MACHINE DE BOLTZMANN SYNCHRONE, QUI EST UN MODELE ADAPTE AU PARALLELISME MATERIEL. AU CHAPITRE II, JE PRESENTE L'ETAT DE L'ART DES REALISATIONS DE MACHINE DE BOLTZMANN ET DES TECHNIQUES ANALOGIQUES UTILISEES POUR LES RNF. AU CHAPITRE III, JE PRESENTE UNE ARCHITECTURE ORIGINALE DE CIRCUITS DEDIES AUX RESEAUX MULTI-COUCHES EXECUTANT LA MACHINE DE BOLTZMANN. AU CHAPITRE IV, JE PRESENTE LA CONCEPTION ET LA SIMULATION DES CELLULES ET DES CIRCUITS NECESSAIRES: CONVERTISSEURS TENSION-COURANT ET COURANT-TENSION, COMPARATEUR, FONCTION SIGMOIDE... CE MODELE ETANT STOCHASTIQUE, JE PRESENTE AUSSI DEUX REALISATIONS ORIGINALES DE GENERATEURS ALEATOIRES: LE PREMIER EST OPTOELECTRONIQUE ET TIRE PARTIE DES PROPRIETES DU SPECKLE OPTIQUE, LE SECOND EST ELECTRONIQUE ET A BASE D'AUTOMATES CELLULAIRES. LE CHAPITRE V EST CONSACRE A LA DESCRIPTION DES MESURES EFFECTUEES SUR DES CIRCUITS PROTOTYPES DE CHACUNE DES CELLULES. EN CONCLUSION, JE PRESENTE LES EVOLUTIONS DE CES TRAVAUX VERS DES CIRCUITS ANALOGIQUES A TEMPS CONTINU ET A ETATS DE NEURONES CONTINUS
Author: Eric Belhaire
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
DEPUIS VINGT ANS, LA CAPACITE D'INTEGRATION DES TECHNOLOGIES MOS DOUBLE TOUS LES DIX-HUIT MOIS. UNE APPROCHE PROMETTEUSE POUR EXPLOITER CETTE PROGRESSION A ETE INTRODUITE RECEMMENT PAR L'INVENTION DES CIRCUITS ANALOGIQUES CELLULAIRES, QUI SONT COMPOSES DE L'ASSEMBLAGE REGULIER DE MILLIERS DE CELLULES ANALOGIQUES IDENTIQUES. L'OBJECTIF DE CETTE THESE EST DE CONTRIBUER A LA CONCEPTION DE CES CIRCUITS, EN ETUDIANT CEUX POUR LESQUELS SONT POSSIBLES UNE MODELISATION STATISTIQUE A L'AIDE DE RESEAUX DE NEURONES FORMELS (RNF) ET DES APPLICATIONS A LA RECONNAISSANCE DES FORMES. ELLE PORTE PLUS PARTICULIEREMENT SUR LA MACHINE DE BOLTZMANN, QUI EST UN MODELE DE RNF BOOLEEN ET STOCHASTIQUE, A TEMPS DISCRET. AU CHAPITRE I, JE PRESENTE LES RESEAUX DE NEURONES FORMELS ET LES ALGORITHMES DE LA MACHINE DE BOLTZMANN SYNCHRONE, QUI EST UN MODELE ADAPTE AU PARALLELISME MATERIEL. AU CHAPITRE II, JE PRESENTE L'ETAT DE L'ART DES REALISATIONS DE MACHINE DE BOLTZMANN ET DES TECHNIQUES ANALOGIQUES UTILISEES POUR LES RNF. AU CHAPITRE III, JE PRESENTE UNE ARCHITECTURE ORIGINALE DE CIRCUITS DEDIES AUX RESEAUX MULTI-COUCHES EXECUTANT LA MACHINE DE BOLTZMANN. AU CHAPITRE IV, JE PRESENTE LA CONCEPTION ET LA SIMULATION DES CELLULES ET DES CIRCUITS NECESSAIRES: CONVERTISSEURS TENSION-COURANT ET COURANT-TENSION, COMPARATEUR, FONCTION SIGMOIDE... CE MODELE ETANT STOCHASTIQUE, JE PRESENTE AUSSI DEUX REALISATIONS ORIGINALES DE GENERATEURS ALEATOIRES: LE PREMIER EST OPTOELECTRONIQUE ET TIRE PARTIE DES PROPRIETES DU SPECKLE OPTIQUE, LE SECOND EST ELECTRONIQUE ET A BASE D'AUTOMATES CELLULAIRES. LE CHAPITRE V EST CONSACRE A LA DESCRIPTION DES MESURES EFFECTUEES SUR DES CIRCUITS PROTOTYPES DE CHACUNE DES CELLULES. EN CONCLUSION, JE PRESENTE LES EVOLUTIONS DE CES TRAVAUX VERS DES CIRCUITS ANALOGIQUES A TEMPS CONTINU ET A ETATS DE NEURONES CONTINUS
Author: YIMING.. ZHU
Publisher:
ISBN:
Category :
Languages : fr
Pages : 223
Get Book Here
Book Description
LA RECHERCHE SUR LES RESEAUX DE NEURONES FORMELS (RNF) MONTRE QU'ILS PEUVENT APPORTER DES SOLUTIONS A CERTAINS PROBLEMES DIFFICILES A RESOUDRE SUR LES ORDINATEURS CLASSIQUES. POUR LES UTILISER EN TEMPS REEL, LA CONCEPTION DE CIRCUITS INTEGRES DEDIES AUX RNF A ETE PROPOSEE. L'OBJECTIF DE CETTE THESE A PORTE SUR LA CONCEPTION ET LA REALISATION ANALOGIQUE DES RNF, PLUS PARTICULIEREMENT DE LA MACHINE DE BOLTZMANN UN MODELE DE RNF BOOLEEN ET STOCHASTIQUE, A TEMPS DISCRET. APRES UNE INTRODUCTION GENERALE AUX RNF ET A LA MACHINE DE BOLTZMANN, JE PRESENTE UNE REVUE DES IMPLANTATIONS RECENTES DE LA MACHINE DE BOLTZMANN DANS CHAPITRE 2. LE CHAPITRE 3 EST CONSACRE A LA CONCEPTION ET LA REALISATION ANALOGIQUE DES BRIQUES DE BASE DE L'APPRENTISSAGE DE LA MACHINE DE BOLTZMANN. J'INTRODUIS UNE NOUVELLE STRUCTURE DE LA PRIMITIVE COMPTEUR ANALOGIQUE, QUI PRESENTE UNE TRES BONNE LINEARITE ET CONTROLABILITE. LE TEST DE CES CIRCUITS REALISE AVEC SUCCES L'APPRENTISSAGE DU RESEAU DE XOR SUR UNE MACHINE DE BOLTZMANN SEUILLEE. AU CHAPITRE 4, JE COMPARE TROIS ALGORITHMES D'APPRENTISSAGE DE LA MACHINE DE BOLTZMANN A L'AIDE D'UN SIMULATEUR QUE J'AI ECRIT. LES RESULTATS OBTENUS M'ONT CONDUIT A CONCEVOIR DES CIRCUITS POUR UNE ARCHITECTURE QUI EST ADAPTEE A LA FOIS A L'APPRENTISSAGE SYNCHRONE ASYMETRIQUE ET A L'APPRENTISSAGE ASYNCHRONE. JE PRESENTE UNE REALISATION ORIGINALE DE CELLULE NEURONE DONT LES EFFETS SECONDAIRES SONT COMPENSES AUTOMATIQUEMENT. AU CHAPITRE 5, JE CONCOIS UN DEMONSTRATEUR DE CETTE MACHINE DE BOLTZMANN LINEAIRE ET UN SEQUENCEUR POUR LE METTRE EN UVRE. LA SIMULATION DES PROBLEMES DE CLASSIFICATION BAYESIENNE DONNE DES TAUX D'ERREUR TRES PROCHES DES MEILLEURS RESULTATS THEORIQUES MALGRE LES IMPERFECTIONS DE LA REALISATION. UN EXEMPLE DE RECONNAISSANCE D'UNE BASE D'IMAGES DE CHIFFRES EST EFFECTUE SUR CE DEMONSTRATEUR AVEC LES POIDS APPRIS PAR UNE AUTRE BASE DES IMAGES, DONT LE TAUX DE RECONNAISSANCE EST SUPERIEUR A 95%
Author: VINCENT.. LAFARGUE
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
DE NOMBREUX PROGRES ONT EU LIEU DANS LE DOMAINE DES RESEAUX DE NEURONES CES DERNIERES ANNEES, NOTAMMENT SUR LE PLAN THEORIQUE. AFIN D'ACCELERER LES SIMULATIONS DE CES RESEAUX, DE NOUVELLES ARCHITECTURES ONT ETE PROPOSEES, POUR APPORTER UN GAIN EN VITESSE. DANS LE CADRE DE CETTE THESE JE ME SUIS INTERESSE A LA MACHINE DE BOLTZMANN QUI EST UN RESEAU DE NEURONE STOCHASTIQUE. EN EFFET CE TYPE DE RESEAU OFFRE DES PERFORMANCES SUPERIEURES AUX AUTRES, MAIS IL DEMANDE DES TEMPS DE SIMULATIONS PLUS IMPORTANTS. OR LES ARCHITECTURES ANALOGIQUES SONT PARTICULIEREMENT ADAPTEES AUX RESEAUX DE NEURONES. J'AI DECRIT TROIS ETUDES AVANCEES DE LA MACHINE DE BOLTZMANN ANALOGIQUE. MAIS CES REALISATIONS ANALOGIQUES DE MACHINES DE BOLTZMANN POSSEDENT UN ALGORITHME D'APPRENTISSAGE CABLE, CE QUI INTERDIT LE CHANGEMENT DE CET ALGORITHME APRES LA REALISATION D'UN CIRCUIT. JE ME SUIS DONC ATTACHE, AU COURS DE CETTE THESE, A CONCEVOIR UN CIRCUIT MIXTE ANALOGIQUE-NUMERIQUE COMPORTANT UN APPRENTISSAGE PROGRAMMABLE. APRES UNE PRESENTATION GENERALE DES RESEAUX DE NEURONES FORMELS ET DE LA MACHINE DE BOLTZMANN, JE PRESENTE L'ARCHITECTURE DE LA MACHINE DE BOLTZMANN TELLE QUE NOUS L'AVONS CONCUE. JE DECRIS LA CONCEPTION ET LA REALISATION D'UN PROTOTYPE DE SYNAPSE AVEC APPRENTISSAGE COMPRENANT UN PROCESSEUR BIT-SERIE, UN CONVERTISSEUR NUMERIQUE ANALOGIQUE ET UN CONVERTISSEUR TENSION-COURANT. LA DERNIERE PARTIE DE LA THESE EST LA VALIDATION EXPERIMENTALE DES CHOIX THEORIQUES, ET DE LA CONCEPTION QUE J'AI EFFECTUES. EN EFFET DANS CETTE PARTIE JE TESTE LE CIRCUIT PROTOTYPE, PUIS JE METS EN OEUVRE UNE MACHINE DE BOLTZMANN CONSTRUITE AVEC CE CIRCUIT, AFIN DE CONFIRMER SES PERFORMANCES. LE GAIN DE VITESSE PAR RAPPORT A UNE STATION DE TRAVAIL SPARC2 EST DE 25. LES RESULTATS POSITIFS OBTENUS LORS DE CETTE MISE EN OEUVRE NOUS PERMETTENT DE PREPARER LA CONCEPTION D'UN CIRCUIT COMPRENANT BEAUCOUP PLUS DE SYNAPSES
Author: James P. Coughlin
Publisher:
ISBN:
Category : Computers
Languages : en
Pages : 312
Get Book Here
Book Description
"One hundred years ago, the fundamental building block of the central nervous system, the neuron, was discovered. This study focuses on the existing mathematical models of neurons and their interactions, the simulation of which has been one of the biggest challenges facing modern science." "More than fifty years ago, W. S. McCulloch and W. Pitts devised their model for the neuron, John von Neumann seemed to sense the possibilities for the development of intelligent systems, and Frank Rosenblatt came up with a functioning network of neurons. Despite these advances, the subject had begun to fade as a major research area until John Hopfield arrived on the scene. Drawing an analogy between neural networks and the Ising spin models of ferromagnetism, Hopfield was able to introduce a "computational energy" that would decline toward stable minima under the operation of the system of neurodynamics devised by Roy Glauber." "Like a switch, a neuron is said to be either "on" or "off." The state of the neuron is determined by the states of the other neurons and the connections between them, and the connections are assumed to be reciprocal - that is, neuron number one influences neuron number two exactly as strongly as neuron number two influences neuron number one. According to the Glauber dynamics, the states of the neurons are updated in a random serial way until an equilibrium is reached. An energy function can be associated with each state, and equilibrium corresponds to a minimum of this energy. It follows from Hopfield's assumption of reciprocity that an equilibrium will always be reached." "D. H. Ackley, G. E. Hinton, and T. J. Sejnowski modified the Hopfield network by introducing the simulated annealing algorithm to search out the deepest minima. This is accomplished by - loosely speaking - shaking the machine. The violence of the shaking is controlled by a parameter called temperature, producing the Boltzmann machine - a name designed to emphasize the connection to the statistical physics of Ising spin models." "The Boltzmann machine reduces to the Hopfield model in the special case where the temperature goes to zero. The resulting network, under the Glauber dynamics, produces a homogeneous, irreducible, aperiodic Markov chain as it wanders through state space. The entire theory of Markov chains becomes applicable to the Boltzmann machine." "With ten chapters, five appendices, a list of references, and an index, this study should serve as an introduction to the field of neural networks and its application, and is suitable for an introductory graduate course or an advanced undergraduate course."--BOOK JACKET.Title Summary field provided by Blackwell North America, Inc. All Rights Reserved
Author: JACQUES-OLIVIER.. KLEIN
Publisher:
ISBN:
Category :
Languages : fr
Pages : 188
Get Book Here
Book Description
LA MACHINE DE BOLTZMANN EST L'UN DES MODELES DE RESEAUX DE NEURONES FORMELS LES PLUS EFFICACES POUR LA CLASSIFICATION, MAIS LA DUREE EXCESSIVE DE SES SIMULATIONS EXCLUT SON APPLICATION EFFECTIVE. LE RECOURS AU PARALLELISME EST DONC NATUREL. DANS LE CONTEXTE DES RESEAUX CONNEXIONNISTES, LA GRANULARITE FINE UTILISANT UNE PRECISION LIMITEE PERMET D'OBTENIR DES VITESSES DE TRAITEMENT TRES IMPORTANTES GRACE A UN PARALLELISME MASSIF. LA GRANULARITE LA PLUS FINE EST OBTENUE EN UTILISANT LA GRANDE DENSITE DES OPERATEURS ANALOGIQUES. CEPENDANT, DE TELLES ARCHITECTURES NE PRESENTENT D'INTERET QUE SI LES VITESSES QU'ELLES APPORTENT OUVRENT LA VOIE A DE NOUVELLES CLASSES D'APPLICATIONS ET SI L'IMPRECISION DES CALCULS ANALOGIQUES NE DEGRADE PAS LEURS PERFORMANCES DE RECONNAISSANCE. D'UNE PART, EN UTILISANT UNE NOUVELLE METHODOLOGIE D'EVALUATION DE PERFORMANCES NOUS DEGAGEONS LES CLASSES D'APPLICATIONS QUE SEULES DES ARCHITECTURES ANALOGIQUES PERMETTENT D'ENVISAGER: LES TRES GROS RESEAUX DE NEURONES UTILISES EN TRAITEMENT D'IMAGES AINSI QUE LES APPLICATIONS DE CLASSIFICATION NECESSITANT UN TEMPS DE REPONSE TRES COURTS (RADAR, PHYSIQUE DES PARTICULES). D'AUTRE PART, NOUS EVALUONS LA ROBUSTESSE DE LA MACHINE DE BOLTZMANN VIS A VIS DES IMPERFECTIONS DES OPERATEURS ANALOGIQUES ET PRESENTONS LES ALGORITHMES ORIGINAUX ET LES ARCHITECTURES PERMETTANT LA COMPENSATION DE CES DEFAUTS. ENFIN NOUS PRESENTONS L'ARCHITECTURE MATERIELLE ET LOGICIELLE D'UNE REALISATION ANALOGIQUE DE MACHINE DE BOLTZMANN PERMETTANT LA VALIDATION DE CETTE APPROCHE
Author: Philippe Lalanne
Publisher:
ISBN:
Category :
Languages : en
Pages : 209
Get Book Here
Book Description
Two purposes concerning the field of neural networks research are investigated in this thesis. First, we study optical implementation of neural networks. We show that higher order models, i.e. multineuron synapsis models, allow us to increase strongly the network capacity with respect to the number of stable stored states. Optical implementations of such models necessary suppose both optical interconnects and boolean logic gates built into matrices. We propose a general approach for these implementations. In our hybrid architecture, the strength of optics, linear transformation for massive interconnects and the strength of electronics, point nonlinearities are both used to advantage. In the second part, we use speckle as a fast binary random number arrays generator. A theoretical approach and experimental evidences show that this kind of random generator may be of interest for optoelectronic implementation of parallel stochastic algorithms.
Author: Philippe Gripon
Publisher:
ISBN:
Category :
Languages : fr
Pages : 122
Get Book Here
Book Description
Nous proposons et développons un modèle original de mémoires associatives s'appuyant sur des réseaux de neurones codés. Les mémoires associatives sont des dispositifs capables d'apprendre des messages binaires puis de les reproduire à partir de fractions de leurs contenus. L'état de l'art est le réseau proposé par Hopfield, dont la diversité de mémorisation - le nombre de messages qu'il peut mémoriser - est inférieure à n/(2log(n)) où n est le nombre de neurones dans le réseau. Notre travail a consisté à tirer parti des techniques de codage et de décodage correcteur d'erreur, plus précisément celle des codes distribués, affn d'accroître considérablement les performances des mémoires associatives. Pour ce faire, nous avons introduit des codes originaux dont les mots de code sont portés par des cliques neurales. Nous montrons que, combinées à des codes locaux parcimonieux, ces cliques neurales offrent une diversité d'apprentissage qui évolue comme le carré du nombre de neurones. Les gains observés viennent de l'utilisation de la parcimonie à plusieurs échelles : d'une part les messages appris sont de longueur bien inférieure à n, d'autre part ils n'utilisent qu'une partie du matériel disponible, que ce soit au niveau des neurones ou de leurs connexions. L'apprentissage est donc localisé, au contraire des réseaux de Hopfield. De plus, ces mémoires bénéficient d'une effcacité - rapport du nombre de bits appris au nombre de bits utilisés - presque maximale. Elles se présentent donc comme une alternative intéressante aux mémoires indexées classiques. Au delà de l'aspect quantitatif, le modèle que nous proposons offre une plausibilité biologique fortement accrue par rapport au modèle de Hopfield. Les concepts de cliques neurales, de winner take all, ou encore de synchronisation temporelle que ce modèle exploite rejoignent les observations récentes rapportées par la littérature neurobiologique. Par ailleurs, elles pourraient ouvrir la voie à la conception de machines cognitives capables de croiser des informations pour en produire de nouvelles car les cliques neurales sont recouvrantes, par leurs sommets ou par leurs arêtes.
Author: Anne Johannet
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
APRES UNE PRESENTATION DES RESEAUX DE NEURONES FORMELS ET DE LEURS APPLICATIONS, NOUS DECRIVONS LES REALISATIONS D'UNE MEMOIRE ASSOCIATIVE AU MOYEN D'UN RESEAU DE HOPFIELD, EN ELECTRONIQUE NUMERIQUE OU ANALOGIQUE; LES AVANTAGES ET LIMITATIONS DE CHACUNE DES TECHNOLOGIES SONT ETUDIES. LES POSSIBILITES D'EFFECTUER LES CALCULS D'APPRENTISSAGE SUR UN CIRCUIT NUMERIQUE SONT ENVISAGEES, ET UNE ETUDE DE LA PRECISION NECESSAIRE A CES CALCULS EST MENEE. CECI CONDUIT A LA REALISATION, EN TECHNOLOGIE CMOS DE 1,2 MICRONS, D'UN CIRCUIT COMPRENANT UN RESEAU BOUCLE DE 64 NEURONES INTEGRANT L'APPRENTISSAGE ET LE RAPPEL. D'AUTRE PART, NOUS AVONS ETUDIE L'ARCHITECTURE OPTIMALE D'UN RESEAU DE NEURONES BOUCLES A L'AIDE D'UN RESEAU DE TRANSPUTERS
Author: PIERRE-YVES.. ALLA
Publisher:
ISBN:
Category :
Languages : fr
Pages : 120
Get Book Here
Book Description
LES RECHERCHES DANS LE DOMAINE DES RESEAUX DE NEURONES SONT TRES ACTIVES DEPUIS LE DEBUT DES ANNEES 80. LA DECOUVERTE DE NOUVEAUX ALGORITHMES D'APPRENTISSAGE PLUS PERFORMANTS, MAIS AUSSI UNE MEILLEURE COMPREHENSION DES PROPRIETES ET DES LIMITES DES RESEAUX DE NEURONES, ONT PERMIS LA REALISATION DE MODELES EFFICACES DANS DE NOMBREUX DOMAINES COMME LA RECONNAISSANCE OU LE CONTROLE DE PROCESSUS. LES PROPRIETES DES RESEAUX RESULTENT DU COMPORTEMENT COLLECTIF DES NEURONES FONCTIONNANT EN SIMULTANEITE, CE QUI REND LEUR SIMULATION SUR DES MACHINES SEQUENTIELLES CLASSIQUES ASSEZ COUTEUSE EN TEMPS. CETTE CONSTATATION, AINSI QUE D'EVENTUELLES CONTRAINTES DE PORTABILITE, ONT MOTIVE LES RECHERCHES SUR L'INTEGRATION DES RESEAUX DE NEURONES. L'APPROCHE PRESENTEE ICI EST FONDEE SUR LA SYNTHESE AUTOMATIQUE. NOUS EXPOSONS UNE ARCHITECTURE PERMETTANT LA SYNTHESE RAPIDE DE CIRCUITS NUMERIQUES INTEGRANT DES RESEAUX DE NEURONES. NOUS RAPPELONS DANS UN PREMIER TEMPS LES PRINCIPES THEORIQUES DES NEURONES FORMELS, ET PRESENTONS LES PRINCIPALES REALISATIONS DE CIRCUITS INTEGRES EFFECTUEES DANS CE DOMAINE. PUIS NOUS DECRIVONS L'ARCHITECTURE DES PROCESSEURS NEURONES ET LEUR SCHEMA D'INTERCONNEXION. ENFIN, UNE LARGE PARTIE DE CE MANUSCRIT EST CONSACRE A LA CONCEPTION ET LA REALISATION D'UN CIRCUIT INTEGRANT UN RESEAU DE RECONNAISSANCE DE CHIFFRES MANUSCRITS
Author: Kevin Heggarty
Publisher:
ISBN:
Category :
Languages : fr
Pages : 160
Get Book Here
Book Description
L'IMPLANTATION PHYSIQUE DES RESEAUX DE NEURONES FORMELS EST RENDUE DIFFICILE PAR LE HAUT DEGRE DE CONNECTIVITE QUI LEUR EST INHERENT. CE TRAVAIL PORTE SUR L'ETUDE ET LA MISE AU POINT D'UN MONTAGE OPTO-ELECTRONIQUE D'UN RESEAU DE NEURONES FORMELS, QUI UTILISE LES POSSIBILITES DE L'OPTIQUE HOLOGRAPHIQUE POUR REALISER LES CONNEXIONS. NOTRE SYSTEME FONCTIONNE COMME UNE MEMOIRE ASSOCIATIVE, TRAITANT, EN PARALLELE, DES DONNEES BI-DIMENSIONNELLES, QUI, DANS NOTRE APPLICATION, SONT DES IMAGES DE CHIFFRES. PARTANT DU MODELE DE HOPFIELD, NOUS AVONS MODIFIE L'ALGORITHME DE CALCUL DES POIDS SYNAPTIQUES POUR, D'UNE PART, TENIR COMPTE DES CONTRAINTES DE L'IMPLANTATION OPTIQUE, D'AUTRE PART AMELIORER LA DISCRIMINATION DES ETATS MEMOIRES CORRELES. L'APPROCHE UTILISEE PERMET DE DONNER UNE INTERPRETATION EN TERMES DE CORRELATION ET DE RECONSTRUCTION DES TECHNIQUES DE LA PSEUDO-INVERSE. LA PARTIE CENTRALE DE CE TRAVAIL EST CONSACREE AU CODAGE DE L'HOLOGRAMME NUMERIQUE QUE NOUS UTILISONS POUR EFFECTUER LES CONNEXIONS ENTRE DEUX PLANS MATERIALISANT LES SORTIES ET LES ENTREES DES NEURONES. LA PARTICULARITE DE CET HOLOGRAMME EST QU'IL EFFECTUE SIMULTANEMENT LES FONCTIONS DE CORRELATION ET DE RECONSTRUCTION. IL NOUS A DONC FALLU ADAPTER LES TECHNIQUES DE L'HOLOGRAPHIE NUMERIQUE, HABITUELLEMENT OPTIMISEE POUR L'UNE OU L'AUTRE DE CES FONCTIONS. EN PARTICULIER, NOUS MONTRONS COMMENT REDUIRE LA DYNAMIQUE D' L'HOLOGRAMME TOUT EN CONSERVANT UN DEGRE UTILE D'INVARIANCE PAR TRANSLATION. NOTRE TRAVAIL EXPERIMENTAL MET EN UVRE LES IDEES PRECEDENTES: IL S'AGIT DE LA REALISATION D'UNE MAQUETTE DE DEMONSTRATION ET DE L'ADAPTATION D'UNE MACHINE DE LITHOGRAPHIE LASER A LA SYNTHESE DE NOS HOLOGRAMMES. LES POSSIBILITES DE NOTRE MONTAGE SONT ILLUSTREES PAR DES RESULTATS EXPERIMENTAUX PORTANT SUR LA DISCRIMINATION DE DEUX IMAGES CORRELEES ET LEUR RECONNAISSANCE A PARTIR D'ENTREES BRUITEES ET TRANSLATEES. ENFIN, NOUS MONTRONS, A L'AIDE D'UN EXEMPLE CONCRET, QUE L'ARCHITECTURE ET LE CODAGE HOLOGRAPHIQUE MIS AU POINT ICI PEUVENT ETRE UTILISES EN TANT QU'ETAGE D'INTERCONNEXION DANS DES ARCHITECTURES PLUS COMPLEXES.
