چکيده
چكيده
امروزه شبــكه ها ي عصــب ي مصنوعي از توانايي بالايـي براي حل مسائل مختلف و تفكيك برخوردار بوده و
در زمينه هاي مختلفي همچون بينايي ماشـ ين ، تجهيزات پزشـك ي ، موتورهاي جسـتجوگر ، سـي ستمهاي
پيشـنهاد دهنده ، شبكه هاي مخابراتي و ماهواره اي كاربرد دارد . با توجه به وجود سيستم ها كامپيوتري و
پردازنده هاي پيشـرفته تعامل و يا انجام دادن صـد درصـد ي كارهاي مختلف با سيستم هاي هوشمند خود
مختار خيلي دور از ذهن نيست . از طرف ديـگر با توجه به سخت تر شدن مسائل و زمينه هاي كاربردي روز
به روز بر حجم محاسـبات و پ يچيدگي شـبكه ها ي عصبي افزوده مي شود . پياده سازي شبكه هاي عصبي
پيچيده تر با حجم محاسـبات ب يشــــتر نيازمند مصرف توان و انرژي بيشتري براي پياده سازي است اين در
حالي اســت كه يكي از بزرگترين و مهم ترين چالش هاي امروز فن آوري كاهش توان مصــرفي و بالا بردن
هرچه بيشتر راندمان سيستم هاي الكترونيكي و البته كاهش هزينه ي توليد مي باشد .
در خيلي از زمينه ها همچون سـ يسـتم هاي امنيتي نظارتي نيازمند سرعت و دقت بالا هستيم در حالي كه
ممكن اســت حجم محاســبات به قدري زياد شــود كه توانايي اســتفاده از پردازنده هاي عمومي (GPP (را
نداشـته باشـ يم و مجبور به استفاده از سوپركامپيوترها و يا رايانش ابري شويم كه خود مشكلات متعددي به
همراه دارد .
در كنار تمام اين مشكلات هزينه ي توليد و طراحي يك مدار مجتمع جديد با قابليتهاي اختصاصي(ASIC(
بخصوص در تعداد پايين مقرون به صرفه نيست .
باتوجه به روشــهاي نوين و نيز افزايش توليد و قابليت هاي ســخت افزارهايي با قابليت بازپيكربندي انعطاف
پذيري بيشــتر راندمان و كارايي بالاتر قابليت بلادرنگ و البته عدم نياز به توليد ســخت افزار جديد و پياده
سـازي در محل ( FPGA (لزوم بررسـي روشـهاي مختلف پياده سـازي شـبكه هاي عصبي در جهت افزايش
راندمان و كاهش انرژي مصرفي و هزينه ي تمام شده احساس مي گردد.
بدين جهت مناسب است كه با بررسي انواع مختلفي از شبكه هاي عصبي و راه هاي پياده سازي و مقايسه ي
انها از نقطه نظر معماري و ميزان توان مصـرف ي پيشنهاداتي كاربردي در جهت بهبود عملكرد و كاهش توان
مصرفي شبكه هاي عصبي در زمان پياده سازي ارائه كرد.
واژههاي كليدي: پياده سازي در محل ، سيستم هاي قابل بازپيكربندي ، شبكه عصبي
