Σχεδίαση αναλογικών ολοκληρωμένων κυκλωμάτων χαμηλής κατανάλωσης για υλοποίηση του αλγορίθμου Support Vector Machine

Γουρδουπάρης, Μάριος; Gourdouparis, Marios

dc.contributor.author	Γουρδουπάρης, Μάριος	el
dc.contributor.author	Gourdouparis, Marios	en
dc.date.accessioned	2022-01-10T11:11:17Z
dc.date.available	2022-01-10T11:11:17Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54288
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21986
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Support vector machine	en
dc.subject	Analog hardware architecture	en
dc.subject	On-chip learning	en
dc.subject	On-chip classification	en
dc.subject	Ultra-low power design	en
dc.subject	Gaussian function circuit	en
dc.subject	Subthreshold region	en
dc.subject	Fully tunable implementation	en
dc.subject	Analog multiplier circuit	en
dc.subject	Winner-Take-All circuit	en
dc.title	Σχεδίαση αναλογικών ολοκληρωμένων κυκλωμάτων χαμηλής κατανάλωσης για υλοποίηση του αλγορίθμου Support Vector Machine	el
heal.type	bachelorThesis
heal.classification	Μαθηματικά	el
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-07-02
heal.abstract	Στόχος της παρόυσας διπλωματικής είναι η σχεδίαση μίας αρχιτεκτονικής αναλογικών ολοκληρωμένων κυκλωμάτων χαμηλής κατανάλωσης και τάσης τροφοδοσίας 0.6V για την υλοποίηση ενός αλγορίθμου Support Vector Machine με ικανότητα για on-chip μάθηση. Η αρχιτεκτονική του συστήματος και τα βασικά δομικά της κυκλωματικά μέρη αναλύονται, ενώ καινοτόμες κυκλωματικές αρχιτεκτονικές προτείνονται για την υλοποίηση πολυμεταβλητών ακτινικών συναρτήσεων βάσης. Η υλοποίηση αυτή παρουσιάζει πολύ χαμηλή κατανάλωση ισχύος, με όλα τα τρανζίστορ να λειτουργούν στην περιοχή υποκατωφλίου. Η προτεινόμενη αρχιτεκτονική εκτελεί τόσο την διαδικασία της μάθησης όσο και αυτή της ταξινόμησης με έναν αποκλειστικά αναλογικό και μαζικά παράλληλο τρόπο. Η αποτελεσματικότητα και η ακρίβεια του συστήματος επιβεβαιώνεται εκτελώντας τη μάθηση και την ταξινόμηση του SVM με ένα πραγματικό dataset. Οι είσοδοι του συτήματος είναι διανύσματα 13 διαστάσεων στη μορφή αναλογικών τάσεων. Η ακρίβεια της ταξινόμησης αποκλίνει από αυτήν μίας κλασσικής software υλοποίησης του SVM μόνο κατά 1%. Η προτεινόμενη αρχιτεκτονική υλοποιήθηκε σε τεχνολογία TSMC 90 nm CMOS process και προσομοιώθηκε χρησιμοποιώντας το Cadence IC Suite.	el
heal.advisorName	Σωτηριάδης, Παύλος-Πέτρος	el
heal.committeeMemberName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	125 σ.	el
heal.fullTextAvailability	false