Автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу
Нейромережеві системи керування є високотехнологічним напрямком теорії керування та відносяться до класу нелінійних динамічних систем. Висока швидкодія за рахунок розпаралелювання вхідної інформації в поєднанні зі здатністю до навчання нейронних мереж робить цю технологію вельми привабливою для ство...
Gespeichert in:
| Veröffentlicht in: | Проблемы управления и информатики |
|---|---|
| Datum: | 2022 |
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | Ukrainisch |
| Veröffentlicht: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2022
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/210912 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Автоматизоване проєктування штучного нейрона для програмова-них логічних інтегральних схем на основі алгебро-алгоритмічного підходу / А.Ю. Дорошенко, В.М. Шимкович, Т.А. Мамедов, О.А. Яценко // Проблеми керування та інформатики. — 2022. — № 5. — С. 61-72. — Бібліогр.: 17 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862723877655805952 |
|---|---|
| author | Дорошенко, А.Ю. Шимкович, В.М. Мамедов, Т.А. Яценко, О.А. |
| author_facet | Дорошенко, А.Ю. Шимкович, В.М. Мамедов, Т.А. Яценко, О.А. |
| citation_txt | Автоматизоване проєктування штучного нейрона для програмова-них логічних інтегральних схем на основі алгебро-алгоритмічного підходу / А.Ю. Дорошенко, В.М. Шимкович, Т.А. Мамедов, О.А. Яценко // Проблеми керування та інформатики. — 2022. — № 5. — С. 61-72. — Бібліогр.: 17 назв. — укр. |
| collection | DSpace DC |
| container_title | Проблемы управления и информатики |
| description | Нейромережеві системи керування є високотехнологічним напрямком теорії керування та відносяться до класу нелінійних динамічних систем. Висока швидкодія за рахунок розпаралелювання вхідної інформації в поєднанні зі здатністю до навчання нейронних мереж робить цю технологію вельми привабливою для створення пристроїв керування в автоматичних системах. Забезпечення швидкодії мереж у реальному часі здійснюється шляхом їх реалізації на програмованих логічних інтегральних схемах (ПЛІС). Одним із прикладів апаратної реалізації нейронних мереж є проєктування штучного нейрона та його нелінійних функцій активації. Технологія розробки додатків для ПЛІС ґрунтується на поданні алгоритму мовою опису апаратури, наприклад VHDL, і автоматичному перекладі цього опису в специфікацію на рівні логічних таблиць та інших функціональних компонентів інтегральних схем. Програмування мовою VHDL досить складне, тому постає питання про розробку спеціальних засобів автоматизації, які дозволили б ефективно генерувати високопродуктивний програмний код. У статті запропоновано засоби автоматизованого проєктування та генерації програм для ПЛІС, що ґрунтуються на алгебрі алгоритмів. Створені засоби застосовано для проєктування штучного нейрона. Розроблено метод конструювання штучного нейрона з сигмоїдальною функцією активації на ПЛІС, який відрізняється від аналогічних підходів тим, що коефіцієнти кусково-лінійної апроксимації функції активації зберігаються в пам’яті лише для додатних або лише для від’ємних значень аргументів. Це дозволило оптимізувати кількість використовуваних обчислювальних ресурсів і підвищити продуктивність нейронної мережі. Даний підхід застосовано для розробки системи з нейромережевим контролером для балансування кульки на платформі, реалізованим на ПЛІС.
Neural network control systems are a high-tech area of control theory and belong to the class of nonlinear dynamic systems. High performance, achieved by parallel processing of input information, combined with the learning ability of neural networks, makes this technology highly attractive for creating control devices in automatic systems. Ensuring real-time network performance is achieved by implementing them on programmable logic integrated circuits (PLICs). One example of hardware implementation of neural networks is the design of an artificial neuron and its nonlinear activation functions. The technology for developing applications for PLICs is based on representing an algorithm in hardware description languages, such as VHDL, and automatically translating this description into specifications at the level of logic tables and other functional components of integrated circuits. Programming in VHDL is quite complex, which raises the need for developing specialized automation tools that would efficiently generate high-performance software code. The article proposes tools for automated design and code generation for PLICs based on algorithmic algebra. These tools were applied to the design of an artificial neuron. A method for constructing an artificial neuron with a sigmoid activation function on PLICs was developed, which differs from similar approaches by storing the coefficients of piecewise-linear approximations of the activation function in memory only for positive or only for negative argument values. This approach optimized the number of computational resources used and increased the neural network's performance. This method was applied to develop a system with a neural network controller for balancing a ball on a platform, implemented on a PLIC.
|
| first_indexed | 2026-03-21T06:16:51Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-210912 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Ukrainian |
| last_indexed | 2026-03-21T06:16:51Z |
| publishDate | 2022 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Дорошенко, А.Ю. Шимкович, В.М. Мамедов, Т.А. Яценко, О.А. 2025-12-20T14:34:15Z 2022 Автоматизоване проєктування штучного нейрона для програмова-них логічних інтегральних схем на основі алгебро-алгоритмічного підходу / А.Ю. Дорошенко, В.М. Шимкович, Т.А. Мамедов, О.А. Яценко // Проблеми керування та інформатики. — 2022. — № 5. — С. 61-72. — Бібліогр.: 17 назв. — укр. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/210912 004.4’24,004.3,004.89,004.942 10.34229/2786-6505-2022-5-6 Нейромережеві системи керування є високотехнологічним напрямком теорії керування та відносяться до класу нелінійних динамічних систем. Висока швидкодія за рахунок розпаралелювання вхідної інформації в поєднанні зі здатністю до навчання нейронних мереж робить цю технологію вельми привабливою для створення пристроїв керування в автоматичних системах. Забезпечення швидкодії мереж у реальному часі здійснюється шляхом їх реалізації на програмованих логічних інтегральних схемах (ПЛІС). Одним із прикладів апаратної реалізації нейронних мереж є проєктування штучного нейрона та його нелінійних функцій активації. Технологія розробки додатків для ПЛІС ґрунтується на поданні алгоритму мовою опису апаратури, наприклад VHDL, і автоматичному перекладі цього опису в специфікацію на рівні логічних таблиць та інших функціональних компонентів інтегральних схем. Програмування мовою VHDL досить складне, тому постає питання про розробку спеціальних засобів автоматизації, які дозволили б ефективно генерувати високопродуктивний програмний код. У статті запропоновано засоби автоматизованого проєктування та генерації програм для ПЛІС, що ґрунтуються на алгебрі алгоритмів. Створені засоби застосовано для проєктування штучного нейрона. Розроблено метод конструювання штучного нейрона з сигмоїдальною функцією активації на ПЛІС, який відрізняється від аналогічних підходів тим, що коефіцієнти кусково-лінійної апроксимації функції активації зберігаються в пам’яті лише для додатних або лише для від’ємних значень аргументів. Це дозволило оптимізувати кількість використовуваних обчислювальних ресурсів і підвищити продуктивність нейронної мережі. Даний підхід застосовано для розробки системи з нейромережевим контролером для балансування кульки на платформі, реалізованим на ПЛІС. Neural network control systems are a high-tech area of control theory and belong to the class of nonlinear dynamic systems. High performance, achieved by parallel processing of input information, combined with the learning ability of neural networks, makes this technology highly attractive for creating control devices in automatic systems. Ensuring real-time network performance is achieved by implementing them on programmable logic integrated circuits (PLICs). One example of hardware implementation of neural networks is the design of an artificial neuron and its nonlinear activation functions. The technology for developing applications for PLICs is based on representing an algorithm in hardware description languages, such as VHDL, and automatically translating this description into specifications at the level of logic tables and other functional components of integrated circuits. Programming in VHDL is quite complex, which raises the need for developing specialized automation tools that would efficiently generate high-performance software code. The article proposes tools for automated design and code generation for PLICs based on algorithmic algebra. These tools were applied to the design of an artificial neuron. A method for constructing an artificial neuron with a sigmoid activation function on PLICs was developed, which differs from similar approaches by storing the coefficients of piecewise-linear approximations of the activation function in memory only for positive or only for negative argument values. This approach optimized the number of computational resources used and increased the neural network's performance. This method was applied to develop a system with a neural network controller for balancing a ball on a platform, implemented on a PLIC. uk Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Роботи та системи штучного інтелекту Автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу Automated design of anartificial neuron for field-programmable gate arrays based on analgebra-algorithmic approach Article published earlier |
| spellingShingle | Автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу Дорошенко, А.Ю. Шимкович, В.М. Мамедов, Т.А. Яценко, О.А. Роботи та системи штучного інтелекту |
| title | Автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу |
| title_alt | Automated design of anartificial neuron for field-programmable gate arrays based on analgebra-algorithmic approach |
| title_full | Автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу |
| title_fullStr | Автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу |
| title_full_unstemmed | Автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу |
| title_short | Автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу |
| title_sort | автоматизоване проєктування штучного нейрона для програмованих логічних інтегральних схем на основі алгебро-алгоритмічного підходу |
| topic | Роботи та системи штучного інтелекту |
| topic_facet | Роботи та системи штучного інтелекту |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/210912 |
| work_keys_str_mv | AT dorošenkoaû avtomatizovaneproêktuvannâštučnogoneironadlâprogramovanihlogíčnihíntegralʹnihshemnaosnovíalgebroalgoritmíčnogopídhodu AT šimkovičvm avtomatizovaneproêktuvannâštučnogoneironadlâprogramovanihlogíčnihíntegralʹnihshemnaosnovíalgebroalgoritmíčnogopídhodu AT mamedovta avtomatizovaneproêktuvannâštučnogoneironadlâprogramovanihlogíčnihíntegralʹnihshemnaosnovíalgebroalgoritmíčnogopídhodu AT âcenkooa avtomatizovaneproêktuvannâštučnogoneironadlâprogramovanihlogíčnihíntegralʹnihshemnaosnovíalgebroalgoritmíčnogopídhodu AT dorošenkoaû automateddesignofanartificialneuronforfieldprogrammablegatearraysbasedonanalgebraalgorithmicapproach AT šimkovičvm automateddesignofanartificialneuronforfieldprogrammablegatearraysbasedonanalgebraalgorithmicapproach AT mamedovta automateddesignofanartificialneuronforfieldprogrammablegatearraysbasedonanalgebraalgorithmicapproach AT âcenkooa automateddesignofanartificialneuronforfieldprogrammablegatearraysbasedonanalgebraalgorithmicapproach |