Öz
Hardware Implementation of Neural Network Training with Levenberg-Marquardt AlgorithmLevenberg-Marquardt (LM) algorithm is preferred due to providing fast convergence and stability in training of artificial neural networks (ANN). In this study, hardware implementation of ANN training with LM algorithm is presented on FPGA using floating point number representation..Hardware implementation has been realized on Virtex-5 xc5vlx110-3ff1153 FPGA using ISE Webpack 10.1 software. In this work, both ANN and its training using LM have been particularly implemented on FPGA according to the inherent parallel data processing of ANN. Obtained synthesis results have showed that training of ANN using LM algorithm can be successfully implemented on FPGA.
Anahtar Kelimeler
Öz
Levenberg-Marquardt (LM) algoritması yapay sinir ağlarının eğitiminde sağlamış olduğu hız ve kararlılık nedeni ile tercih edilmektedir. Bu çalışmada yapay sinir ağı (YSA) eğitiminin LM algoritması ile kayan noktalı sayı formatında donanımsal olarak FPGA’da gerçeklenmesi sunulmuştur. Donanımsal gerçekleme ISE Webpack10.1 programı kullanılarak Xilinx Virtex 5 xc5vlx110-3ff1153 FPGA’sı üzerinde gerçeklenmiştir. Çalışmada özellikle YSA mimarisinin doğasında var olan paralelliğin FPGA üzerine aktarılmasının yanı sıra eğitim aşamasında LM algoritması da paralel veri işlemeye uygun olarak gerçeklenmiştir. Elde edilen sentez sonuçları, LM ile YSA eğitiminin FPGA üzerinde başarı ile gerçeklenebileceğini ortaya koymuştur.
Anahtar Kelimeler
Ayrıntılar
| Diğer ID | JA37JM69AN |
|---|---|
| Bölüm | Makaleler(Araştırma) |
| Yazarlar | |
| Yayımlanma Tarihi | 24 Haziran 2016 |
| Yayımlandığı Sayı | Yıl 2012 Cilt: 5 Sayı: 1 |
Kaynak Göster
https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü | |
Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız. Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır: 1. Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir. 2. Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır. 3. Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır. 4. Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir. 5. İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir. 6. Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.
|
