學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
8 results
Search Results
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。Item 以Kernel為基礎之模糊分群演算法硬體架構實現(2012) 歐浩聲; Ou, Hao-Sheng本論文根據文獻[12]以及文獻[17]，以此兩則文獻中提到的FCM-SC分群演算法的硬體架構和KFCM演算法的硬體架構為基礎，實作以非線性高斯核函式為核距離計算之KFCM[12] 再加上空間資訊[17] 後的分群演算法硬體電路，具有管線化以及可以同時計算所有分群之權重係數的能力。此架構改良了以往KFCM分群演算法對於有雜訊的資料做分群的問題，並且配合KFCM本身可以對非線性資料分群效果較好的能力，所以能夠廣泛地使用在許多的分群資料上，並且都有良好的辨識率。本論文使用FPGA實現我們提出的硬體架構，並使用人工雜訊圖片作為實驗測試資料。實驗結果顯示本架構對於有雜訊的非線性資料分群效果確實較KFCM佳，且架構簡單提供了日後高度的延伸性。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。Item 以Memetic Algorithm為基礎的向量量化器在可程式化系統晶片上之實現(2009) 翁聖凱; Sheng-Kai Weng本論文提出一個以Memetic Algorithm(MA)為基礎的向量量化器(VQ)硬體架構；此架構中以steady-state Genetic Algorithm (GA)做全域搜尋，並採用C-means演算法進行局部改善；硬體架構中包含族群記憶體單元(population memory unit)、交配突變單元(crossover and mutation unit)、C-means單元以及生存測試更新單元( survival test and update unit)；在架構中採用了以移位暫存器(Shift register)為基礎的交配突變單元，來加快交配突變運算的執行。除此之外，設計了一個pipeline架構來實現C-means單元；最後將MA電路結合軟核心(softcore)CPU並實際測量硬體電路效能。實驗的結果顯示，所提出的向量量化器(VQ)硬體架構對於VQ的最佳化是擁有高效能表現以及少量計算時間的優點。Item 以多核心系統架構為基礎在可程式化系統晶片中實現島嶼式基因演算法(2009) 洪鵬傑本研究為向量量化器的設計提出一個島嶼式(分散式)基因演算法的架構。研究中以多核心的系統架構為基礎，而為了獨立的基因演化過程，每一個島嶼分別都包含著一個硬體加速器以及一個softcore處理器。而島嶼之間的相互基因移民是採用一個共享的on-chip RAM，而這個on-chip RAM被一個硬體mutex給控制著以避免發生資料存取誤用。這樣為硬體實現分散式基因演算法提供了一個簡單以及具有彈性的移民機制。實驗數據顯示了我們所提出的硬體架構相對於其對應的軟體模擬系統擁有較低的計算時間。Item 以FPGA電路實現基因向量量化器設計之研究(2008) 林定寬; Ting-Kuan Lin本論文提出一個新的基因向量量化器(VQ)硬體電路架構，並且利用FPGA開發板實現；此架構是根據Steady-State Genetic Algorithm (GA)所設計而成；此電路包含了族群記憶體單元(population memory unit)、交配突變單元(crossover and mutation unit)、適應值計算單元(fitness evaluation unit)以及生存測試更新單元( survival test and update unit)；要強調的是，為了降低面積複雜度(Area Cost)，本架構只使用一塊族群記憶體，而且交配突變單元會同時執行來加快電路計算效能；除此之外，更設計了一個利用DMA Controller的Pipeline架構來完成適應值計算單元，並且設計了一個適合做生存測試更新單元的硬體排序電路；最後利用SOPC系統實現並實際測量硬體電路效能；實驗的結果顯示了此基因向量量化器(VQ)硬體電路對於VQ的最佳化是擁有高效能表現以及較少計算時間的優點。Item 以SOPC為基礎發展一遙控車(2005) 鄭旭明; Cheng Hsu Ming本文利用高靈活性、高整合性的SOPC系統做為控制核心發展一遙控車輛。此一車輛能透過無線的方式接收遠端控制者下達的指令，接收到的指令經由SOPC發展板的序列傳輸介面(UART)傳達至控制核心，接著在控制核心進行解碼的動作，解碼後的指令再分別傳送至伺服馬達及步進馬達控制模組進行脈波指令的傳送，最後這些控制馬達轉動的脈波指令再透過馬達驅動介面驅動馬達，使遙控車產生轉彎、行進的動作。而此一遙控車輛對於控制前輪轉彎的動作使用了伺服馬達作為驅動裝置，控制後輪使車輛行進的動作則是使用步進馬達，因此在控制方法上也使用了不同的方式。 在完成了遙控車的建立後，我們也做了車輛變換車道的路徑規劃，用以驗證此一車輛整體架構的可行性及了解遙控車的受控程度。在這裡我們也考慮了在車輛進行變換車道時可能發生碰撞的原因，因而設立了避免碰撞的規則。Item 以SOPC為基礎架構發展聰明型攝影機—影像擷取，形態運算(2005) 陳韋金; Wei-Chin Chen目前的監視系統大都使用攝影機來做為監視的工具，然而此類的攝影機是將影像擷取後送至主控室，由監視人員透過監視人員透過螢幕來做監視，如此對監視人員的精神實在是一大負荷。較先進的監視系統會先將攝影機所擷取的影像透過電腦系統加以分析，以達到自動監視的目的，然而此種監視系統需要大量的電腦設備。 本論文的目的是想發展一種聰明型攝影機，希望此類聰明型攝影機能夠自己去分析、偵測可疑的目標物，最後再將此目標物的特徵及位置傳回電腦端。如此監視系統即不用監視人員緊盯著螢幕監視，也無須龐大的電腦設備即可達到自動監視的目的。 本論文中我們以硬體設計了一個CMOS攝影機的控制界面電路，可以直接讀取攝影機所拍攝到的影像。另外也設計了一個可程式規劃(programmable)的型態運算(morphological operation)電路，可以對所擷取的影像做處理。為了驗證所提出的架構可以即時的處理，我們也設計了一個VGA顯示器控制界面，可將運算後的結果以灰階影像直接顯示在螢幕上。整個系統的發展是以SOPC (System On Programmable Chip)為平台，利用硬體描述語言(Hardware Description Language)所發展而成。