資訊工程學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60
本系前身「資訊教育學系」成立於民國七十四年，首先招收大學部學生，民國九十年成立資訊工程研究所碩士班，而後於民國九十五年進行系、所調整合併為「資訊工程學系」；並於九十六年成立博士班。本系目前每年約招收大學部四十餘人，碩士班六十餘人，博士班約五人，截至民國一百零四年十一月止，總計現有大學部一百九十多人，碩士班一百二十多人，博士班二十三人，合計學生人數約為三百三十多位。
News
Browse
5 results
Search Results
Item 基於RBF實現紋理辨識之硬體架構(2012) 范哲誠; Zhe-Cheng Fan本論文提出以Recursive Least Mean Square為基礎，結合Fuzzy c-Means分群演算法實作出Radial Basis Function類神經網路之紋理圖辨識系統。在本論文中，Fuzzy c-Means計算紋理圖的質量中心點，Recursive Least Mean Square計算類神經網中的權重係數，希望利用硬體的特性來實現快速運算、低資源消耗、低功率消耗以及擁有良好的效能之硬體架構。 最後我們所提出的硬體架構會在以FPGA為基礎的可程式化系統晶片設計(System On a Programmable Chip，SOPC)之平台上作實際的效能測試。根據使用不同的紋理圖作為測試資料，實驗結果顯示本架構對於紋理圖辨識有良好的分類正確率，且此硬體架構提供了日後高度的延伸性。Item 應用於棘波分類之硬體架構實現(2012) 李偉豪本論文針對快速棘波分類設計了一套專用的架構，並於硬體中實現此架構。本論文採用Generalized Hebbian Algorithm (GHA) 來擷取棘波的特徵值，搭配Fuzzy C-Means (FCM) 演算法將擷取到的棘波特徵值進行分類。GHA演算法可高速計算主成分特徵值供後續分群演算法進行運算，同時利用FCM演算法對於初始質心選取好壞不敏感的特性可獲得較佳的分類結果。為了減少硬體資源的消耗，GHA架構中在計算調整不同組權重值時皆共享相同一塊計算電路，而FCM採用逐步增量計算權重係數與質量中心點，這可以避免原本需要大量儲存空間儲存權重係數矩陣所造成的空間消耗。因此，本論文所提出的架構同時擁有低area cost與高輸出產量的優點。為了驗證本論文所提出的架構有效性，我們於現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 中實作出本架構，並於嵌入式System-On-Programmable-Chip (SOPC) 平台中進行實際效能量測。實驗結果證明針對棘波分類本論文所提出的架構同時具有低判斷錯誤率、低area cost與高速計算的優點。Item 在NoC上實現OSort演算法之硬體架構設計(2014) 徐雅姿本論文針對棘波分類法則實現一套硬體架構，以提供大量資料快速運算。棘波排序是研究生物大腦及發展腦機介面(BMI, Brain Machine Interface)的基礎，棘波排序主要分為三個步驟：棘波偵測、特徵擷取以及分群，棘波分類則包含特徵擷取與分群部分，本論文採用OSort演算法將棘波偵測所採集到的數位訊號進行分類。 OSort演算法是一個模板比對（Template Matching）的非監督式分群法則，與其他棘波分類演算法相比，如PCA和K-means、小波轉換和SPC、GHA和FCM等等，不需做複雜的降低資料維度（Dimensionality Reduction）運算，更適用於即時分類；不用以分類指標（Cluster Validity Index）來計算最佳群集數，即可自動決定群集個數；不若於其他演算法需要一段時間的離線訓練（Offline Training），可立刻獲得棘波分類結果。 本論文保留OSort演算法核心的概念，簡化較消耗硬體資源的設計，並適用於多數的採樣數據做高速運算，透過Altera公司的系統開發工具使用NoC（Network on Chip）架構，實現並驗證於現場可程式化邏輯閘（FPGA, Field Programmable Gate Array）上，實驗結果證明，本論文所提出的棘波分類硬體架構具有一定精確度及高速運算的優點。 關鍵字： 可程式化系統晶片、棘波分類、OSort、FPGA、NoCItem 使用Network on chip技術實現棘波分類硬體系統之研究(2013) 賴聖穎本論文針對目前現有的棘波分類系統設計架構，並使用Network on chip技術於硬體中實現此架構。本論文採用Generalized Hebbian Algorithm (GHA) 來擷取棘波的特徵值，搭配Fuzzy C-Means (FCM) 演算法將擷取到的棘波特徵值進行分類。且對GHA電路稍作修改使的原本在高雜訊干擾下無法正確分類的問題成功解決，GHA演算法可高速計算主成分特徵值供後續分群演算法進行運算，同時利用FCM演算法對於初始質心選取好壞不敏感的特性可獲得較佳的分類結果。為了減少硬體資源的消耗，GHA架構中在計算調整不同組權重值時皆共享相同一塊計算電路，而FCM採用逐步增量計算權重係數與質量中心點，這可以避免原本需要大量儲存空間儲存權重係數矩陣所造成的空間消耗。因此，本論文所提出的架構同時擁有低area cost與高輸出產量的優點。加上採用Network on chip(NOC)技術，使本論文之棘波分類系統執行速度大為提升。為了驗證本論文所提出的架構有效性，我們於現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 中實作出本架構並進行實際效能量測。實驗結果證明針對棘波分類本論文所提出的架構同時具有低判斷錯誤率、低area cost與高速計算的優點。Item 利用可程式化系統晶片完成動態影像編碼之區塊比對快速FPGA雛型化設計(2005) 蔡宜璋由於在動態影像編碼系統中，通常以區塊比對電路來實現移動估測，若以傳統的晶片設計方式來設計區塊比對電路，在對所設計的區塊比對電路進行測試時會遇到一些麻煩，因為設計者常會需要用大量動態影像來測試晶片中的區塊比對電路是否計算正確，並希望能觀看所估測的畫面，設計者必須撰寫複雜的Testbench才能進行模擬，而且無法即時觀測真實電路所估測出的影像畫面，若想要量測真實晶片中的區塊比對電路對於動態影像的估測的結果，可能還必須使用邏輯分析儀和訊號產生器，來處理晶片上許多複雜的腳位的輸出入，可想而知，在測試的過程中會遭遇到許多負擔；因此在本篇論文中，本論文提出了一個採用SOPC（System-on-Programmable Chips）可程式化系統晶片設計方式的系統平台，利用FPGA（Field Programmable Gate Array）合成區塊比對電路，利用快速雛形化的設計，並且透過乙太網路傳送大量動態影像來測試FPGA之中的區塊比對電路，不用撰寫複雜的Testbench，而且可以即時觀測真實的區塊比對電路所估測出的影像畫面，減輕以傳統晶片設計方式的負擔，而且在我們提出的系統平台上，也可以彈性更換不同的區塊比對電路進行測試。