學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Filters

2011 - 20122

Settings

Subject: search.filters.subject.PCA

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    以GHA實現快速主成分分析之硬體設計
    (2012) 林秀菊; Shiow-Jyu Lin
    本論文為實現快速主成分分析之硬體，提出三種GHA的硬體架構，分別為達成高速計算及最少的硬體資源消耗為目的。在高速計算的架構，所有主成分值計算與突觸權重值之更新，皆使用專屬的電路作並行之運算。對於高維度訓練資料之適用架構，以所有主成分值計算共用一個主成分計算電路輪流完成計算，並將訓練資料區塊化方式逐步更新每個神經元的突觸權重值。所有實現的硬體架構訓練取得之權重向量，應用在紋理的分類。
  • No Thumbnail Available
    Item
    以非監督式類神經網路實現高維度平行計算之主成分分析的硬體架構實現
    (2011) 林坤宏; Kun-Hong Lin
    本論文針對主成分分析(Principle Components Analysis, PCA)提出一個以Generalized Hebbian Algorithm (GHA)為基礎的高維度平行計算之硬體架構。 我們希望利用硬體的特性來達到平行計算能力，進而加速運算效能，同時希望透過擷取高維度的特徵向量來取得較好的分類成功率，在突觸權重向量更新單元，將原本m筆的資料切割成b等分，重複利用q份硬體電路來運算b次，即m=q×b，m指的是訓練資料的維度，b指的是我們將資料切割成幾等分，q指的是每一等分的資料量，如此一來就可達到硬體共享的機制，也將記憶單元共享給不同的計算元件使用，因此可以降低面積成本(Area Cost)，也能實現較高維度的硬體架構。 我們將硬體電路實作在可程式化系統晶片(System on a Programmable Chip，SOPC)的平台中，並且利用此平台來測試與驗證實驗數據，根據實驗結果來證明我們所提出的硬體架構，是具有較好的分類成功率及較低的硬體資源消耗，也與軟體做時間測量比較，來驗證硬體的加速效能。