Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Journal of applied research and technology
versión On-line ISSN 2448-6736versión impresa ISSN 1665-6423
J. appl. res. technol vol.1 no.3 Ciudad de México dic. 2003
Implementation of a neuron model using FPGAS
M. A. Bañuelos-Saucedo, J. Castillo-Hernández, S. Quintana-Thierry, R. Damián-Zamacona, J. Valeriano-Assem, R. E. Cervantes, R. Fuentes-González, G. Calva-Olmos & J. L. Pérez-Silva
Laboratorio de Electrónica, Centro de Ciencias Aplicadas y Desarrollo Tecnológico, UNAM, Apdo. Postal 70-186, México, D.F.
Received: October 10th 2001.
Accepted: January 7th 2003.
Abstract
Artificial neural networks base their processing capabilities in a parallel architecture, and this makes them useful to solve pattern recognition, system identification, and control problems. In this paper, we present a FPGA (Field Programmable Gate Array) based digital implementation of a McCulloch-Pitts type of neuron model with three types of non-linear activation function: step, ramp-saturation, and sigmoid. We present the VHDL language code used to implement the neurons as well as to present simulation results obtained with Xilinx Foundation 3.0 software. The results are analyzed in terms of speed and percentage of chip usage.
Keywords: Digital artificial neuron, field programmable gate array, McCullogh-Pitts neuron.
Resumen
Las redes neuronales artificiales basan sus capacidades de procesamiento en una arquitectura paralela, lo cual las hace útiles para resolver problemas de reconocimiento de patrones, identificación de sistemas y control. En este artículo, presentamos una implementación digital basada en arreglos de compuertas programables (FPGA, por sus siglas en inglés) de un modelo de neurona tipo McCullogh-Pitts con tres tipos de funciones de activación no-lineal: escalón, rampa-saturación y sigmoide. Presentamos el código en lenguaje VHDL utilizado para implementar las neuronas, y también presentamos los resultados de su simulación obtenidos con el software Xilinx Foundation 3.0. Los resultados son analizados en función de la velocidad y el porcentaje de utilización del chip.
DESCARGAR ARTÍCULO EN FORMATO PDF
Reference
[1] Bañuelos, M. A., Diseño y construcción de una neurocomputadora analógica. Tesis de Maestría. Facultad de Ingeniería, UNAM, 1997, 144 págs. [ Links ]
[2] Xilinx, VHDL Reference guide. Xilinx Inc., 1999. [ Links ]
[3] Kwan, H. K., "Simple sigmoid-like activation function suitable for digital hardware implementation". Electronic Letters, v.28, no. 15. July, 1992, pp. 1379-1380. [ Links ]
[4] Yalamanchili S. Introductory VHDL from simulation to synthesis. Prentice May, 2001, 401 págs. [ Links ]
[5] Pardo-Carpio, Boluda-Grau F. & José A., VHDL Lenguaje para síntesis y modelado de circuitos. Alfaomega 2000, 238 pags. [ Links ]
[6] Xilinx VHDL Reference guide. Xilinx Inc., 1999. [ Links ]