AI Summary & Key Takeaways
AI InsightObtained results show that proposed approach has successfully achieved ANN training
📌 3 Key Takeaways
Abstract
In this study, a new ANN training approximation on FPGA is presented using parallel processes according to the natureof ANN. Training is implemented on FPGA using particle swarm optimization (PSO) stochastic search algorithm which does notneed any derivative information. All related parameter values and processes are defined with IEEE 754 floating point numbersformat. Proposed approach has been realized on Altera EP2C35F672C6 FPGA based on a sample ANN architecture using VHDLlanguage. Obtained results show that proposed approach has successfully achieved ANN training
Özet
Bu çalışmada YSAnın doğasına uygun olarak paralel işlemlerle, FPGA üzerinde, YSA eğitimi için yeni bir yaklaşım sunulmuştur. Eğitim türev bilgisine ihtiyaç duymaksızın, rastgele arama algoritması olan parçacık sürü optimizasyonu (PSO) kullanılarak FPGA üzerinde gerçeklenmiştir. FPGA’de ilgili tüm parametre değerleri ve işlemler IEEE 754 kayan noktalı sayı formatında tanımlanmıştır. Önerilen yaklaşım örnek bir YSA mimarisi baz alınarak VHDL dilinde kodlanıp Altera EP2C35F672C6 FPGA’sı üzerinde gerçeklenmiştir. Elde edilen sonuçlar önerilen yaklaşımın YSA eğitimini başarı ile gerçeklediğini göstermiştir.