Author: Olivier Collin
Publisher:
ISBN:
Category :
Languages : fr
Pages : 0

Get Book Here

Book Description

Author: Olivier Collin
Publisher:
ISBN:
Category :
Languages : fr
Pages : 244

Get Book Here

Book Description
CES DERNIERES ANNEES ONT VU L'APPARITION DE NOUVELLES TECHNIQUES REGROUPEES SOUS LE NOM DE RESEAUX DE NEURONES. CES MODELES SONT CONSTRUITS A PARTIR D'ELEMENTS AU FONCTIONNEMENT TRES SIMPLE MAIS LARGEMENT CONNECTES ENTRE EUX. LA CONCEPTION DE CIRCUITS EST UN PROBLEME D'ACTUALITE POUR LEQUEL L'ANALYSE ET LA SYNTHESE D'OUTILS SONT LARGE-ABSENTS. LEUR ARCHITECTURE GENERIQUE ET LEUR APTITUDE A REALISER DES RELATIONS DU TYPE ENTREE-SORTIE PERMETTENT A CERTAINS RESEAUX NEURONIQUES DE PRETENDRE AU QUALIFICATIF D'OUTILS D'AIDE A LA CONCEPTION DE CIRCUITS. NOUS AVONS EXPLORE LES PRINCIPALES TECHNIQUES ACTUELLES CONCERNANT LES RESEAUX DE NEURONES AFIN DE LES APPLIQUER A LA CONCEPTION D'UN CONVERTISSEUR ANALOGIQUE/NUMERIQUE (CAN). NOUS AVONS ESSENTIELLEMENT REPRIS LES TRAVAUX DE HOPFIELD PROPOSANT LA REALISATION D'UN CAN A PARTIR D'UN RESEAU ENTIEREMENT CONNECTE. DANS CE CAS, LE PROBLEME DE LA CONVERSION EST POSE COMME UN PROBLEME D'OPTIMISATION EN NOMBRES ENTIERS. IL S'AGIT DE TROUVER LE MOT BINAIRE DE SORTIE CORRESPONDANT AU MIEUX, AU SENS DES MOINDRES CARRES, A LA VALEUR ANALOGIQUE D'ENTREE. LE CALCUL EST EFFECTUE DE MANIERE ANALOGIQUE PAR UN RESEAU ENTIEREMENT CONNECTE QUI SE RELAXE D'UN NIVEAU D'ENERGIE ELEVE VERS UN NIVEAU INFERIEUR CORRESPONDANT A LA SOLUTION DU PROBLEME. LE CALCUL EST BIEN GLOBAL ET LA STRUCTURE CORRESPOND A UNE SORTIE DE MEMOIRE ANALOGIQUE ASSOCIANT PAR UN MECANISME ENERGETIQUE UNE ENTREE ANALOGIQUE A UNE SORTIE NUMERIQUE

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: Shih-Chii Liu
Publisher: John Wiley & Sons
ISBN: 0470018496
Category : Technology & Engineering
Languages : en
Pages : 440

Get Book Here

Book Description
Neuromorphic electronic engineering takes its inspiration from the functioning of nervous systems to build more power efficient electronic sensors and processors. Event-based neuromorphic systems are inspired by the brain's efficient data-driven communication design, which is key to its quick responses and remarkable capabilities. This cross-disciplinary text establishes how circuit building blocks are combined in architectures to construct complete systems. These include vision and auditory sensors as well as neuronal processing and learning circuits that implement models of nervous systems. Techniques for building multi-chip scalable systems are considered throughout the book, including methods for dealing with transistor mismatch, extensive discussions of communication and interfacing, and making systems that operate in the real world. The book also provides historical context that helps relate the architectures and circuits to each other and that guides readers to the extensive literature. Chapters are written by founding experts and have been extensively edited for overall coherence. This pioneering text is an indispensable resource for practicing neuromorphic electronic engineers, advanced electrical engineering and computer science students and researchers interested in neuromorphic systems. Key features: Summarises the latest design approaches, applications, and future challenges in the field of neuromorphic engineering. Presents examples of practical applications of neuromorphic design principles. Covers address-event communication, retinas, cochleas, locomotion, learning theory, neurons, synapses, floating gate circuits, hardware and software infrastructure, algorithms, and future challenges.

Author: Arnaud Laflaquière
Publisher:
ISBN:
Category :
Languages : fr
Pages : 182

Get Book Here

Book Description
CETTE THESE DECRIT UNE NOUVELLE APPROCHE POUR LA MODELISATION DE NEURONES BIOLOGIQUES. CETTE APPROCHE UTILISE DES CIRCUITS ELECTRONIQUES INTEGRES ANALOGIQUES SPECIFIQUES POUR IMPLEMENTER LE FORMALISME DE HODGKIN-HUXLEY. ILS SONT REALISES EN TECHNOLOGIE BICMOS AMS 0.8 M, SELON UN MODE DE CONCEPTION FULL CUSTOM. NOUS POUVONS AINSI, GRACE A CES ASICS (APPLICATION SPECIFIC INTEGRATED CIRCUITS), REPRODUIRE EN TEMPS REEL, ET DE FACON PRECISE, LE COMPORTEMENT ELECTRIQUE DYNAMIQUE D'UN GRAND NOMBRE DE CELLULES NERVEUSES. DE VERITABLES NEURONES ARTIFICIELS SONT ALORS DISPONIBLES POUR LA CONSTRUCTION DE CE QUE NOUS AVONS APPELE LES RESEAUX HYBRIDES. CES RESEAUX METTENT EN RELATION NEURONES REELS IN VITRO ET NEURONES ELECTRONIQUES ET OUVRENT DE NOMBREUSES PERSPECTIVES POUR DES EXPERIMENTATIONS EN NEUROPHYSIOLOGIE.

Author: Fouad Sabry
Publisher: One Billion Knowledgeable
ISBN:
Category : Technology & Engineering
Languages : fr
Pages : 507

Get Book Here

Book Description
Qu'est-ce que l'ingénierie neuromorphique L'informatique neuromorphique et l'ingénierie neuromorphique sont deux termes qui font référence à la même chose : l'utilisation de systèmes d'intégration à très grande échelle (VLSI) qui incorporent des circuits électriques analogiques pour simuler les structures neurobiologiques que l'on trouve dans le système nerveux. Tout appareil électronique qui effectue des calculs à l'aide de neurones artificiels mis en œuvre en tant que structures physiques est appelé ordinateur ou puce neuromorphique. Récemment, le mot "neuromorphe" a été utilisé pour désigner des VLSI analogiques, numériques, analogiques/numériques en mode mixte et des systèmes logiciels qui incarnent des modèles de systèmes cérébraux. Cette utilisation du terme est devenue plus courante. Pour actualiser la mise en œuvre de l'informatique neuromorphique au niveau matériel, les memristors à base d'oxyde, la mémoire spintronique, les commutateurs de seuil et les transistors sont quelques-uns des composants qui peuvent être utilisés. La formation de systèmes neuromorphiques basés sur des logiciels de réseaux de neurones à pointes peut être réalisée grâce à l'utilisation de la rétropropagation d'erreurs, par exemple grâce à l'utilisation de cadres basés sur Python comme snnTorch, ou grâce à l'utilisation de règles d'apprentissage canoniques de la littérature sur l'apprentissage biologique, par exemple via l'utilisation de BindsNet. Comment vous en bénéficierez (I) Insights et validations sur les sujets suivants : Chapitre 1 : Ingénierie neuromorphique Chapitre 2 : Neurone artificiel Chapitre 3 : Informatique bio-inspirée Chapitre 4 : Steve Furber Chapitre 5 : Carver Mead Chapitre 6 : Réseau de neurones récurrent Chapitre 7 : Réseau de neurones Chapitre 8 : Ordinateur Wetware Chapitre 9 : Modélisation neurogénétique computationnelle Chapitre 10 : Réseau de neurones à pic Chapitre 11 : Neurorobotique Chapitre 12 : Misha Mahowald Chapitre 13 : Memristor Chapitre 14 : Réseau de neurones physiques Chapitre 15 : NON MFET Chapitre 16 : Massimiliano Versace Chapitre 17 : Kwabena Boahen Chapitre 18 : SpiNNaker Chapitre 19 : Ordinateur cognitif Chapitre 20 : Glossaire de l'intelligence artificielle Chapitre 21 : Hai Li (II) Répondre aux principales questions du public sur l'ingénierie neuromorphique. (III) Exemples concrets d'utilisation de l'ingénierie neuromorphique dans de nombreux domaines. (IV) 17 annexes pour expliquer brièvement 266 technologies émergentes dans chaque industrie afin d'avoir une compréhension complète à 360 degrés de l'ingénierie neuromorphique" technologies. À qui s'adresse ce livre Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type d'ingénierie neuromorphique.

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: Mona E. Zaghloul
Publisher: Springer
ISBN:
Category : Computers
Languages : en
Pages : 314

Get Book Here

Book Description
When confronted with the hows and whys of nature's computational engines, some prefer to focus upon neural function: addressing issues of neural system behavior and its relation to natural intelligence. Then there are those who prefer the study of the "mechanics" of neural systems: the nuts and bolts of the "wetware": the neurons and synapses. Those who investigate pulse coded implementations ofartificial neural networks know what it means to stand at the boundary which lies between these two worlds: not just asking why natural neural systems behave as they do, but also how they achieve their marvelous feats. The research results presented in this book not only address more conventional abstract notions of neural-like processing, but also the more specific details ofneural-like processors. It has been established for some time that natural neural systems perform a great deal of information processing via electrochemical pulses. Accordingly, pulse coded neural network concepts are receiving increased attention in artificial neural network research. This increased interest is compounded by continuing advances in the field of VLSI circuit design. This is the first time in history in which it is practical to construct networks of neuron-like circuits of reasonable complexity that can be applied to real problems. We believe that the pioneering work in artificial neural systems presented in this book will lead to further advances that will not only be useful in some practical sense, but may also provide some additional insight into the operation of their natural counterparts.

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: BERTRAND.. GRANADO
Publisher:
ISBN:
Category :
Languages : fr
Pages : 174

Get Book Here

Book Description
AUJOURD'HUI LES VITESSES DE TRAITEMENTS DES MICRO-PROCESSEURS REMETTENT EN CAUSE LE DEVELOPPEMENT D'ARCHITECTURES DE SYSTEMES ELECTRONIQUES DEDIES A UNE APPLICATION SPECIFIQUE NOTAMMENT POUR LA SIMULATION DES ALGORITHMES NEURONAUX OU LE TRAITEMENT D'IMAGE EN TEMPS REEL. IL EST NECESSAIRE DE POUVOIR JUGER SCIENTIFIQUEMENT DE LA VALIDITE DE TELS SYSTEMES FACE AUX MICRO-PROCESSEURS. DANS UNE PREMIERE PARTIE NOUS PRESENTONS UNE METHODOLOGIE ORIGINALE D'EVALUATION DES ARCHITECTURES DES SYSTEMES ELECTRONIQUES POUR LA SIMULATION DES RESEAUX DE NEURONES QUI PERMET D'ANALYSER FINEMENT LES CONCEPTS ARCHITECTURAUX MIS EN OEUVRE ET LEUR VALIDITE DANS LE DOMAINE CONCERNE. NOUS VALIDONS ET DEMONTRONS LA PERTINENCE DE CETTE METHODOLOGIE EN L'APPLIQUANT A PLUSIEURS MODELES NEURONAUX (PMC ET RBF) ET EN L'APPLIQUANT A PLUSIEURS ARCHITECTURES SPECIFIQUES (ZISC), SPECIALISEES (CNAPS) ET GENERALISTES (SPARC ET PENTIUM). MAIS UNE FAIBLE LATENCE DE SIMULATION N'EST PAS LA SEULE CONTRAINTE QUI PEUT ETRE IMPOSEE A UN SYSTEME ELECTRONIQUE : DES CONTRAINTES SPATIALES, DES CONTRAINTES DE CONSOMMATION ET DES CONTRAINTES DE DEBIT D'ENTREES-SORTIES INTERVIENNENT LORS DE LA REALISATION DE SYSTEMES EMBARQUES. POUR LES CONTRAINTES DE SURFACE ET DE CONSOMMATION, IL APPARAIT QUE LES MICRO-PROCESSEURS SONT INADEQUATS. DANS UNE DEUXIEME PARTIE NOUS PRESENTONS MAHARADJA, UNE ARCHITECTURE ELECTRONIQUE ORIGINALE SATISFAISANT AUX CONTRAINTES DES SYSTEMES EMBARQUES ET A LA SIMULATION DES RESEAUX DE NEURONES EN TEMPS REEL, QUI CONSTITUE LE COEUR D'UNE RETINE CONNEXIONNISTE.