CONCEPTION ET REALISATION D'UN RESEAU DE NEURONES INTEGRE EN TECHNOLOGIE CMOS POUR LA RECONNAISSANCE AUTOMATIQUE DE CHIFFRES MANUSCRITS 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 CONCEPTION ET REALISATION D'UN RESEAU DE NEURONES INTEGRE EN TECHNOLOGIE CMOS POUR LA RECONNAISSANCE AUTOMATIQUE DE CHIFFRES MANUSCRITS PDF full book. Access full book title CONCEPTION ET REALISATION D'UN RESEAU DE NEURONES INTEGRE EN TECHNOLOGIE CMOS POUR LA RECONNAISSANCE AUTOMATIQUE DE CHIFFRES MANUSCRITS by PIERRE-YVES.. ALLA. Download full books in PDF and EPUB format.
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: 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: STEFAN.. KNERR
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
MON TRAVAIL DE THESE A PORTE SUR L'UTILISATION DES RESEAUX DE NEURONES FORMELS DANS LE DOMAINE DE LA CLASSIFICATION AUTOMATIQUE, AVEC POUR APPLICATION PRINCIPALE LA RECONNAISSANCE DES CHIFFRES MANUSCRITS. L'APPORT DE CE TRAVAIL A ETE L'ELABORATION D'UNE PROCEDURE QUI, ETANT DONNE UN PROBLEME DE CLASSIFICATION, TROUVE AUTOMATIQUEMENT UN RESEAU BIEN ADAPTE A LA COMPLEXITE DU PROBLEME A RESOUDRE. CETTE PROCEDURE PERMET D'EVITER LES TATONNEMENTS NECESSAIRES HABITUELLEMENT POUR CONCEVOIR UN CLASSIFIEUR NEURONAL. DE PLUS, ELLE UTILISE DES NEURONES BINAIRES, DONC FACILES A REALISER ELECTRONIQUEMENT, ET, SURTOUT ELLE DONNE DES INDICATIONS SUR LA COMPLEXITE DE LA TACHE DE CLASSIFICATION QUE L'ON CHERCHE A EFFECTUER. CETTE PROCEDURE A ETE APPLIQUEE A DES PROBLEMES MODELES, AINSI QU'AU PROBLEME REEL DE LA RECONNAISSANCE DE CHIFFRES MANUSCRITS. POUR LES DEUX BASES DE DONNEES UTILISEES, L'UNE D'ORIGINE EUROPEENNE ET L'AUTRE PROVENANT DE CODES POSTAUX AMERICAINS, LA PROCEDURE A FOURNI UNE ARCHITECTURE DE RESEAU RELATIVEMENT SIMPLE PAR RAPPORT A DES RESEAUX PROPOSES, POUR EFFECTUER LA MEME TACHE, PAR D'AUTRES EQUIPES. LES PERFORMANCES OBTENUES AVEC CE RESEAU SONT SATISFAISANTES ET TOUT A FAIT COMPARABLES AUX RESULTATS OBTENUS A L'AIDE DE RESEAUX PLUS COMPLEXES. ELLES ONT JUSTIFIE LA REALISATION DE CE RESEAU SOUS LA FORME D'UN CIRCUIT INTEGRE SPECIFIQUE, DONT L'ARCHITECTURE SERA PRESENTEE
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: Anne Trotin
Publisher:
ISBN:
Category :
Languages : fr
Pages : 188
Get Book Here
Book Description
L'UN DES PRINCIPAUX AVANTAGES DES RESEAUX DE NEURONES EST LE PARALLELISME INHERENT A L'ORGANISATION DES TRAITEMENTS. JUSQU'A PRESENT, LA PLUPART DES MODELES ETANT SIMULES SUR DES MACHINES CONVENTIONNELLES, CE CRITERE N'EST PAS EXPLOITE. L'UN DES INTERETS D'UNE REALISATION MATERIELLE EST DONC D'AUGMENTER LES VITESSES DE TRAITEMENT. CETTE THESE TENTE DE MONTRER LA FAISABILITE DE L'IMPLANTATION D'UN ALGORITHME PARTICULIER DE RESEAU DE NEURONES SUR UN CIRCUIT NUMERIQUE VLSI. L'APPLICATION VISEE EST LA RECONNAISSANCE D'IMAGES. LE NEOCOGNITRON A ETE RETENU CAR IL POSSEDE NON SEULEMENT DES CAPACITES PARTICULIEREMENT INTERESSANTES DE TOLERANCE AUX DEFORMATIONS DES IMAGES EN PHASE DE GENERALISATION, MAIS EGALEMENT UNE STRUCTURE A CONNEXIONS LOCALES ET A POIDS PARTAGES QUI LE DESIGNE COMME UN BON CANDIDAT A UNE INTEGRATION MATERIELLE. LE MODELE A TOUT D'ABORD ETE ETUDIE DE FACON GENERALE. CETTE ETAPE A CONDUIT A EFFECTUER DIVERSES TRANSFORMATIONS SUR L'ALGORITHME DE DEPART AFIN DE REDUIRE LA COMPLEXITE DES TRAITEMENTS EN PHASE DE FONCTIONNEMENT. L'APPRENTISSAGE A EGALEMENT ETE MODIFIE, CE QUI A PERMIS DE DETERMINER EN PARTIE DE FACON AUTOMATIQUE LA TAILLE DES DIFFERENTES COUCHES DU RESEAU. CE TRAVAIL A ETE VALIDE PAR DES SIMULATIONS SUR UNE BASE DE DONNEES DE CHIFFRES MANUSCRITS EXTRAITS DES CODES POSTAUX. LES RESULTATS OBTENUS MONTRENT QUE LES SIMPLIFICATIONS EFFECTUEES, LOIN DE DEGRADER LES PERFORMANCES, LES AMELIORENT MEME PARFOIS. L'ETUDE DE L'ARCHITECTURE D'UN CIRCUIT INTEGRE NUMERIQUE A PERMIS D'EVALUER LA COMPLEXITE DU PROBLEME. IL APPARAIT QUE LE NEOCOGNITRON APRES MODIFICATIONS PEUT ETRE IMPLANTE. CELA DEMANDE NEANMOINS LE CHOIX D'UNE APPLICATION DONNEE QUI PERMET DE DEFINIR UNE STRUCTURE ADAPTEE. LA REALISATION PHYSIQUE NE SE RESTREINT PAS POUR AUTANT A UN UNIQUE RESEAU CAR CERTAINS PARAMETRES RESTENT PROGRAMMABLES.
Author: Benoît Larras
Publisher:
ISBN:
Category :
Languages : fr
Pages : 147
Get Book Here
Book Description
Les réseaux de neurones artificiels permettent de résoudre des problèmes que des processeurs classiques ne peuvent pas résoudre sans utiliser une quantité considérable de ressources matérielles. L'analyse et la classification de multiples signaux en sont des exemples. Ces réseaux sont de plus en plus implantés sur des circuits intégrés. Ils ont ainsi pour but d'augmenter les capacités de calcul de processeurs ou d'effectuer leur traitement dans des systèmes embarqués. Dans ce contexte, la surface et la consommation d'énergie du circuit sont prépondérantes. Cependant, le nombre de connexions élevé entre les neurones limite l'intégration d'un réseau contenant un nombre de neurones de l'ordre de la centaine. Le modèle des réseaux de neurones à cliques permet de réduire la densité de connexions au sein d'un réseau, tout en gardant une capacité de stockage d'information plus grande que les modèles standards de réseaux de neurones. Ce modèle est donc approprié pour implanter un réseau de grande taille, à condition de l'intégrer de façon à garder la faible complexité de ses fonctions, pour consommer un minimum d'énergie. Dans cette thèse, un circuit mixte analogique/numérique implantant le modèle des réseaux de neurones à cliques est proposé, ainsi que plusieurs architectures de réseau pouvant contenir un nombre indéterminé de neurones. Cela permet de construire des réseaux de neurones à cliques contenant jusqu'à plusieurs milliers de neurones et consommant peu d'énergie. Pour valider ces concepts, un prototype d'un réseau de neurones à cliques contenant trente neurones sur puce a enfin été fabriqué et testé, en utilisant la technologie Si CMOS 65 nm.
Author: NICOLAS.. MAUDUIT
Publisher:
ISBN:
Category :
Languages : fr
Pages :
Get Book Here
Book Description
DIFFERENTES APPROCHES DU PARALLELISME SONT SUIVIES AUJOURD'HUI, TANT POUR DEPASSER LES PERFORMANCES DES CALCULATEURS CLASSIQUES QUE POUR ABORDER CERTAINS PROBLEMES OU L'EMERGENCE D'UNE SOLUTION EST L'ABOUTISSEMENT D'UN PROCESSUS COLLECTIF. CES RECHERCHES CONCERNENT LES RESEAUX DE NEURONES FORMELS, PAR LE PARALLELISME QUI LES CARACTERISE, LEUR PRINCIPE DE CONTROLE ET LEURS DOMAINES D'APPLICATION. CETTE DISCIPLINE CONNAIT ACTUELLEMENT UN ESSOR IMPORTANT, GRACE A L'EVOLUTION DES ALGORITHMES D'APPRENTISSAGE APRES UN DEMI SIECLE DE RECHERCHES PLURIDISCIPLINAIRES, ET AUX POSSIBILITES D'INTEGRATION DE TELS AUTOMATES PAR LES TECHNOLOGIES ACTUELLES. CETTE ETUDE PRESENTE UN CIRCUIT INTEGRE DIGITAL SEMI-PARALLELE, MODULAIRE ET RECONFIGURABLE, POUVANT PRENDRE PLACE DANS DIVERSES ARCHITECTURES DE MACHINES POUR EFFECTUER DES SIMULATIONS DE RESEAUX DE NEURONES. DANS LE BUT DE FACILITER L'INTERFACAGE AVEC UN LARGE ENSEMBLE DE CALCULATEURS, LA TECHNOLOGIE EMPLOYEE RESTE CLASSIQUE (CELLULES PRECARACTERISEES CMOS). LES DIVERS MODES DE CONTROLE DU CIRCUIT PERMETTENT D'ALLEGER DANS UNE CERTAINE MESURE LA TACHE DU SYSTEME HOTE, POUR OBTENIR UNE AMELIORATION SIGNIFICATIVE DES PERFORMANCES PAR RAPPORT AUX ORDINATEURS SEQUENTIELS. PLUSIEURS TYPES D'UTILISATION DU CIRCUIT SONT ENVISAGEABLES, DEPUIS DES APPLICATIONS DEDIEES OPTIMISEES OU LES PARAMETRES DU RESEAU DE NEURONES SONT FIGES, JUSQU'A DES MACHINES NEURONALES D'USAGE GENERAL SUR LESQUELLES IL EST POSSIBLE DE SIMULER UNE GRANDE VARIETE D'ARCHITECTURES DE RESEAUX DE NEURONES, AVEC DIFFERENTS ALGORITHMES DE RESOLUTIONS ET D'APPRENTISSAGE, ET UNE CERTAINE LIBERTE CONCERNANT LES CARACTERISTIQUES DES COEFFICIENTS. L'EXPLOITATION DE CE CIRCUIT, EN PARTICULIER AVEC LE DEVELOPPEMENT D'OUTILS LOGICIELS POUR LE METTRE EN OEUVRE, CONTRIBUERA A MIEUX CERNER CERTAINS POINTS CLE DES ARCHITECTURES MATERIELLES POUR LA SIMULATION DES RESEAUX DE NEURONES ET AMELIORER LES GENERATIONS SUIVAN
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: Yizhak Idan
Publisher:
ISBN:
Category :
Languages : fr
Pages : 111
Get Book Here
Book Description
NOUS ETUDIONS CERTAINS APPORTS DES TECHNIQUES NEURONALES A LA RECONNAISSANCE DES FORMES. NOUS AVONS D'ABORD EVALUE LES POSSIBILITES D'APPLICATION D'UNE MEMOIRE ASSOCIATIVE QUI A ETE IMPLANTEE OPTIQUEMENT DANS NOTRE LABORATOIRE. LE MANQUE D'AVANTAGES DECISIFS EN FAVEUR DES ARCHITECTURES DE TYPE HOPFIELD NOUS A INCITE A TRAVAILLER SUR DES MODELES STATISTIQUES DE CLASSIFICATION, APPLIQUES A DES DONNEES DE TYPES CHIFFRES MANUSCRITS. LE MODELE DE KOHONEN NOUS SEMBLE COMPLEMENTAIRE DES METHODES LOCALES ET, DE PLUS, APPROPRIE A L'IMPLANTATION OPTIQUE A MOYEN TERME. NOUS AVONS PU PROFITER D'UN TRAVAIL SUR LES MODELES D'ASSOCIATION SYMBOLIQUE PAR CARTES DE KOHONEN: LE MODELE LASSO. TRAITANT LA CLASSIFICATION COMME UN PROBLEME D'ASSOCIATION DISCRETE, NOUS AVONS PROPOSE UNE SUPERVISION FORTE, NOTAMMENT PAR LA NORMALISATION DE DISTANCES. POUR L'APPLICATION SPECIFIQUE AU TRI POSTAL, ON PREFERE LE REJET DE BONNES REPONSES A L'ACCEPTATION DE REPONSES FAUSSES; NOUS AVONS ALORS UTILISE UN RAYON DE COOPERATION, QUI FACILITE LES REJETS PAR UN POST-TRAITEMENT. NOUS AVONS EVALUE D'AUTRES METHODES COMME: LES K-PLUS-PROCHES-VOISINS, LES FENETRES DES PARZEN, LVQ, LES CARTES DE KOHONEN, LE NEOCOGNITRON ET UN MODELE DE TYPE TDNN QUI A ETE SUGGERE COMME LE MEILLEUR POUR CETTE TACHE. LE TAUX DE RECONNAISSANCE DES METHODES NEURONALES ETUDIEES EST COMPARABLE A CELUI DES TECHNIQUES STATISTIQUES NON PARAMETRIQUES ETUDIEES, ET CES METHODES PERMETTENT UN GAIN EN PLACE MEMOIRE ET EN TEMPS DE CALCUL. TDNN ET LASSO TRAITANT L'INFORMATION DE MANIERE COMPLEMENTAIRE, NOUS AVONS HYBRIDE CES MODELES EN PARALLELE DANS UN SIMPLE POST-TRAITEMENT NEURONAL. NOUS AVONS MONTRE QUE LES PERFORMANCES OBTENUES PAR UNE TELLE COOPERATION SONT SENSIBLEMENT MEILLEURES QUE CELLES DES MODELES TRAVAILLANT SEPAREMENT. CELA TEND A DEMONTRER L'AVANTAGE DE L'UTILISATION DE RESEAUX DE NEURONES POUR L'EXTRACTION D'INFORMATIONS COMPLEMENTAIRES, COMME DANS DES APPLICATIONS DE FUSION DE DONNEES.
Author: AMINE.. BERMAK
Publisher:
ISBN:
Category :
Languages : fr
Pages : 170
Get Book Here
Book Description
LE BUT DE CETTE THESE EST LA CONCEPTION ET LA REALISATION D'UN CIRCUIT INTEGRE, BAPTISE SYSNEURO, DEDIE AUX CALCULS NEURONAUX ET PLUS PARTICULIEREMENT AU MODELE NEURONAL APPELE : MACHINE PARITE POUR RESOUDRE DES PROBLEMES DE DETECTION EMBARQUEE OU PORTABLE. CE CHOIX A ETE GUIDE PAR LA SIMPLICITE D'IMPLEMENTATION VLSI DU MODELE NEURONAL QUI UTILISE UNE COUCHE UNIQUE D'UNITES LOGIQUES A SEUIL SUIVI DE LA FONCTION PARITE. LES RESULTATS DE SIMULATION ONT CONFIRME QUE DE TELLES MACHINES PEUVENT ETRE EFFICACEMENT UTILISEES POUR DES PROBLEMES DE DETECTION SELECTIVE DES GAZ OU DE DETECTION D'HYPOVIGILENCE DU CONDUCTEUR D'AUTOMOBILE. NOUS AVONS MONTRE QUE LES EXIGENCES EN TERME DE PRECISION ET EN NOMBRE D'UNITES DEPENDENT DE L'APPLICATION TRAITEE. CE PROBLEME A ETE PARTICULIEREMENT PRIS EN COMPTE EN PROPOSANT UNE ARCHITECTURE SYSTOLIQUE FLEXIBLE CAPABLE DE SUPPORTER DES PRECISIONS VARIABLES DE 4,8 OU 16 BITS SUR LES POIDS SYNAPTIQUES AINSI QUE DES TAILLES DE RESEAUX CONFIGURABLES. SUR LA BASE DE CETTE ARCHITECTURE, UN PROTOTYPE A ETE FABRIQUE AVEC SUCCES EN TECHNOLOGIE CMOS 0.7 M INTEGRANT 20.000 PORTES ET OCCUPANT UNE SURFACE SILICIUM DE 13.70 MM#2. L'UNITE ARITHMETIQUE DE CHAQUE PROCESSEUR UTILISE PRINCIPALEMENT UN MULTIPLIEUR SERIE PARALLELE INNOVANT COMBINANT LES DEUX ALGORITHMES DE BRAUN ET DE BAUGH-WOOLEY. AFIN D'OPTIMISER LA SURFACE SILICIUM DE CE MULTIPLIEUR, LE DESSIN DES MASQUES A ETE REALISE EN UTILISANT LA TECHNIQUE FULL CUSTOM. LE PROTOTYPE FABRIQUE PRESENTE UNE DENSITE DE PORTES TRES ELEVEE CORRESPONDANT A 1532 PORTES/MM#2 EN TECHNOLOGIE CMOS 1.0 M. NOTRE SOUCI D'AUGMENTER LE NOMBRE DE NEURONES INTEGRES DANS SYSNEURO NOUS A AMENE A EXPLORER LA VOIE D'ASSEMBLAGE 3D. UN PROTOTYPE 3D, BAPTISE SYSNEURO 3D, A ETE REALISE COMPRENANT 12 PUCES SYSNEURO ET OCCUPANT UN VOLUME DE (L L H) = (2.2 2.3 0.78) CM#3. L'ETUDE DES PERFORMANCES DU CIRCUIT 3D, EN TERME DE NOMBRE DE NEURONE ET DE SYNAPSE ET EN TERME DE VITESSE EXPRIMEE EN GCPPS, MONTRENT UN GAIN, ENCOURAGEANT, D'UN FACTEUR DE 12 PAR RAPPORT A UN SEUL COMPOSANT SYSNEURO MONTE SUR UN BOITIER STANDARD CLCC68, ET UN GAIN DE 3 PAR RAPPORT A UNE SOLUTION MCM CONTENANT 4 PUCES SYSNEURO.
Author: Émilie Poisson
Publisher:
ISBN:
Category :
Languages : fr
Pages : 394
Get Book Here
Book Description
Les travaux présentés dans le cadre de cette thèse portent sur l'étude, la conception, le développement et le test d'un système de reconnaissance de mots manuscrits non contraints en-ligne pour une application omni-scripteurs. Le système proposé repose sur une architecture hybride neuro-markovienne comportant d'une part, un réseau de neurones à convolution (TDNN et/ou SDNN), et d'autre part des modèles de Markov à états cachés (MMC). Le réseau de neurones a une vision globale et travaille au niveau caractère, tandis que le MMC s'appuie sur une description plus locale et permet le passage du caractère au niveau mot. Nous avons d'abord étudié le système de reconnaissance au niveau caractère isolé (digits, majuscules, minuscules) et optimisé les architectures des réseaux en termes de performances et de taille. La seconde partie du travail a porté sur le passage au niveau mot. Ici, l'effort a consisté avant tout à la définition d'un schéma d'apprentissage global au niveau mot qui permet d'assurer la convergence globale du système, en définissant une fonction d'objectif qui mixe des critères basés modèle générateur (typiquement par maximum de vraisemblance) et des critères discriminants (de type maximum d'information mutuelle). Les différentes résultats présentés (sur les bases MNIST, IRONOFF, UNIPEN) montrent l'influence des principaux paramètres du système, soit en termes de topologie, de sources d'information, de modèles d'apprentissage (nombre d'états, pondération des critères, durée)
