Arquitectura inteligente basada en lógica reconfigurable aplicada a redes neuronales artificiales para la clasificación de información

• Autores: Jaime Alarcón Celis
• Directores de la Tesis: Teresa Riesgo (dir. tes.), Felix Moreno González (dir. tes.)
• Lectura: En la Universidad Politécnica de Madrid ( España ) en 2008
• Idioma: español
• Tribunal Calificador de la Tesis: Ramón Galán López (presid.), César Sánz Alvaro (secret.), Armando Roy Yarza (voc.), Sadot Alexandres Fernández (voc.), Jose Francisco López Feliciano (voc.)
• Materias:
  • Ciencias tecnológicas
    • Tecnología electrónica
      • Diseño de circuitos
• Enlaces
  • Tesis en acceso abierto en: Archivo Digital UPM
• Resumen

  • Resumen Las redes artificiales de neuronas son sistemas con grandes capacidades de procesamiento en paralelo inspirado en los sistemas neuronales biológicos; en ellos, los modelos de aprendizaje por medio de ejemplos, o por medio de iteraciones, sustituyen a la programación empleada en los simuladores donde tradicionalmente, se implementan, con objeto de proporcionar una adaptabilidad a la red. Mientras, el aprendizaje en el ser humano es frecuentemente relacionado con el incremento del conocimiento o entendimiento; y éste, se puede obtener por medio de autoaprendizaje, por enseñanza (instrucción) o bien por medio de experiencias; el aprendizaje, en el contexto de las redes artificiales de neuronas, esta fuertemente relacionado con el ajuste apropiado de las interconexiones (pesos sinápticos), además, el aprendizaje se relaciona con la adaptación de la topología de la red (el número de neuronas, el número de capas, y la interconexión entre ellas) determinado por el modelo de la neurona artificial. El sistema propuesto en esta Tesis Doctoral, basado en pequeñas redes neuronales especializadas (TNN), fue concebido para el reconocimiento de objetos dentro de una imagen y para aplicaciones en tiempo real. En el diseño se han empleado dos conceptos importantes: el primero, relacionado con los sistemas de visión, emplea la visión por singularidades, fundamentada, en los aspectos cognitivos y biológicos del cerebro. Al emplearlos en el diseño de las TNN se ha conseguido una reducción significativa tanto de los recursos hardware como de la carga computación. El segundo, relacionado con la segmentación adecuada de los algoritmos de entrenamiento y aprendizaje. Además, al realizar el mejor mapeo posible del modelo de la neurona artificial, se pudo obtener un sistema con las características de configuración on line, para aplicaciones de tiempo real, en diferentes áreas de la ciencia y la tecnología. Finalmente, aprovechando la metodología propuesta durante el diseño y las características de los FPGA’s, se pudo obtener un sistema embebido para aplicaciones en plataformas móviles. Abstract The artificial neural networks are systems with large capacities of processing in parallel inspired by the neuronal biological systems. In the artificial neural networks the programming algorithms traditionally implemented are replaced by models of the learning by means of examples or by means of iterations, in order to provide adaptability to the network. While, human learning is frequently related to the increase of knowledge or understanding, and it is possible to obtain by means of self-learning, education or experiences, learning, in the context of artificial neural networks, is strongly related to the appropriated adjustment of interconnections (weigh synapses). In addition, the learning relates to the adjustment of the network’s topology (the numbers of neurons, the numbers of layers and the interconnections between them) determined by the model of the artificial neuron. The system proposed in this Doctoral Thesis, based on specialized Tiny Neural Networks (TNN), was conceived for the recognition of objects inside an image and for applications in real time. In its design, two important concepts have been used. The first one related to the vision system, uses the vision by singularities, based on the cognitive and biological aspects of the brain. Due to use of them in the design of the TNN a significant reduction of the resources hardware as of the load computational has been obtained. The second one, related to the suitable segmentation of the algorithms of training and learning. In addition, due to fulfill the best possible implementation of artificial neuron model, it was possible to obtain a system with the characteristics of the real time, for applications in several areas of science and technology. Finally, taking advantage of the methodology proposed during the design and the features of the FPGA’s, an embedded system for applications in mobile platforms could be obtained as a result.