Implementação de uma arquitetura fuzzy neural em hardware com treinamento online

Computational Intelligence Methods have been expanding to industrial applications motivated by their ability to solve problems in engineering. Therefore, the embedded systems follow the same idea of using computational intelligence tools embedded on machines. There are several works in the area o...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Prado, Rafael Nunes de Almeida
Outros Autores: Melo, Jorge Dantas de
Formato: doctoralThesis
Idioma:por
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Sistemas Embarcados
Sistemas Fuzzy Neurais
Treinamento online
FPGA.
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Endereço do item:https://repositorio.ufrn.br/jspui/handle/123456789/19280
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-19280
record_format dspace
institution Repositório Institucional
collection RI - UFRN
language por
topic Sistemas Embarcados
Sistemas Fuzzy Neurais
Treinamento online
FPGA.
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
spellingShingle Sistemas Embarcados
Sistemas Fuzzy Neurais
Treinamento online
FPGA.
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Prado, Rafael Nunes de Almeida
Implementação de uma arquitetura fuzzy neural em hardware com treinamento online
description Computational Intelligence Methods have been expanding to industrial applications motivated by their ability to solve problems in engineering. Therefore, the embedded systems follow the same idea of using computational intelligence tools embedded on machines. There are several works in the area of embedded systems and intelligent systems. However, there are a few papers that have joined both areas. The aim of this study was to implement an adaptive fuzzy neural hardware with online training embedded on Field Programmable Gate Array – FPGA. The system adaptation can occur during the execution of a given application, aiming online performance improvement. The proposed system architecture is modular, allowing different configurations of fuzzy neural network topologies with online training. The proposed system was applied to: mathematical function interpolation, pattern classification and selfcompensation of industrial sensors. The proposed system achieves satisfactory performance in both tasks. The experiments results shows the advantages and disadvantages of online training in hardware when performed in parallel and sequentially ways. The sequentially training method provides economy in FPGA area, however, increases the complexity of architecture actions. The parallel training method achieves high performance and reduced processing time, the pipeline technique is used to increase the proposed architecture performance. The study development was based on available tools for FPGA circuits.
author2 Melo, Jorge Dantas de
author_facet Melo, Jorge Dantas de
Prado, Rafael Nunes de Almeida
format doctoralThesis
author Prado, Rafael Nunes de Almeida
author_sort Prado, Rafael Nunes de Almeida
title Implementação de uma arquitetura fuzzy neural em hardware com treinamento online
title_short Implementação de uma arquitetura fuzzy neural em hardware com treinamento online
title_full Implementação de uma arquitetura fuzzy neural em hardware com treinamento online
title_fullStr Implementação de uma arquitetura fuzzy neural em hardware com treinamento online
title_full_unstemmed Implementação de uma arquitetura fuzzy neural em hardware com treinamento online
title_sort implementação de uma arquitetura fuzzy neural em hardware com treinamento online
publisher Universidade Federal do Rio Grande do Norte
publishDate 2015
url https://repositorio.ufrn.br/jspui/handle/123456789/19280
work_keys_str_mv AT pradorafaelnunesdealmeida implementacaodeumaarquiteturafuzzyneuralemhardwarecomtreinamentoonline
_version_ 1773965742207664128
spelling ri-123456789-192802017-11-02T21:40:15Z Implementação de uma arquitetura fuzzy neural em hardware com treinamento online Prado, Rafael Nunes de Almeida Melo, Jorge Dantas de http://lattes.cnpq.br/7325007451912598 Neto, Adriao Duarte Doria http://lattes.cnpq.br/1987295209521433 Oliveira, Jose Alberto Nicolau de http://lattes.cnpq.br/2871134011057075 Lopes, Danniel Cavalcante http://lattes.cnpq.br/5342832426660173 Nedjah, Nadia http://lattes.cnpq.br/5417946704251656 Sistemas Embarcados Sistemas Fuzzy Neurais Treinamento online FPGA. CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Computational Intelligence Methods have been expanding to industrial applications motivated by their ability to solve problems in engineering. Therefore, the embedded systems follow the same idea of using computational intelligence tools embedded on machines. There are several works in the area of embedded systems and intelligent systems. However, there are a few papers that have joined both areas. The aim of this study was to implement an adaptive fuzzy neural hardware with online training embedded on Field Programmable Gate Array – FPGA. The system adaptation can occur during the execution of a given application, aiming online performance improvement. The proposed system architecture is modular, allowing different configurations of fuzzy neural network topologies with online training. The proposed system was applied to: mathematical function interpolation, pattern classification and selfcompensation of industrial sensors. The proposed system achieves satisfactory performance in both tasks. The experiments results shows the advantages and disadvantages of online training in hardware when performed in parallel and sequentially ways. The sequentially training method provides economy in FPGA area, however, increases the complexity of architecture actions. The parallel training method achieves high performance and reduced processing time, the pipeline technique is used to increase the proposed architecture performance. The study development was based on available tools for FPGA circuits. Os métodos de Inteligência Computacional vêm adquirindo espaço nas aplicações industriais devido a sua capacidade de solução de problemas na engenharia, conseqüentemente, os sistemas embarcados acompanham a tendência do uso das ferramentas computacionais inteligentes de forma embarcada em máquinas. Existem diversos trabalhos na área de sistemas embarcados e sistemas inteligentes puros ou híbridos, porém, são poucos os que uniram ambas as áreas em um só projeto. O objetivo deste trabalho foi implementar um sistema fuzzy neural adaptativo em hardware com treinamento online para embarque em Field Programable Gate Array - FPGA. A adaptação do sistema pode ocorrer durante a execução de uma determinada aplicação, visando melhora do desempenho de forma online. A arquitetura do sistema é modular, possibilitando a configuração de várias topologias de redes fuzzy neurais com treinamento online. Verificou-se que o sistema proposto obteve desempenho satisfatório quando aplicado a problemas de interpolação, classificação de padrões e a problemas industriais. Diante dos resultados dos experimentos foram discutidas as vantagens e desvantagens do treinamento online em hardware ser realizado de forma paralela e serializada, esta última forma proporcionou economia na área utilizada de FPGA, já a forma de treinamento paralelo demonstrou alto desempenho e reduzido tempo de processamento. O trabalho utilizou ferramentas de desenvolvimento disponíveis para circuitos FPGA. 2015-10-01T13:47:06Z 2015-10-01T13:47:06Z 2014-06-06 doctoralThesis PRADO, Rafael Nunes de Almeida. Implementação de uma arquitetura fuzzy neural em hardware com treinamento online. 2014. 83f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro De Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2014. https://repositorio.ufrn.br/jspui/handle/123456789/19280 por Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO

Registros relacionados