Αναλογικά Ολοκληρωμένα Κυκλώματα Ταξινομητών Χαμηλής Κατανάλωσης Βασισμένων στο Gaussian Mixture Model με Ψηφιακές Εισόδους και Εξόδους

Στρακόση, Λάζαρος; Strakosi, Lazaros

dc.contributor.author	Στρακόση, Λάζαρος	el
dc.contributor.author	Strakosi, Lazaros	en
dc.date.accessioned	2023-01-13T08:58:43Z
dc.date.available	2023-01-13T08:58:43Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56672
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24370
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Αναλογικός ταξινομητής	el
dc.subject	Περιοχή υποκατωφλίου	el
dc.subject	Μπαγιεσιανό μοντέλο	el
dc.subject	Γκαουσιανό Μοντέλο Μίξης	el
dc.subject	Ψηφιακές είσοδοι ψηφιακές έξοδοι	el
dc.subject	Gaussian Mixture Model	en
dc.subject	Analog classifier	en
dc.subject	sub-threshold region	en
dc.subject	Bayesian Classifier	en
dc.subject	Analog Hardware Architectures	en
dc.title	Αναλογικά Ολοκληρωμένα Κυκλώματα Ταξινομητών Χαμηλής Κατανάλωσης Βασισμένων στο Gaussian Mixture Model με Ψηφιακές Εισόδους και Εξόδους	el
dc.contributor.department	Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής. Εργαστήριο Σχεδίασης Μικροηλεκτρονικών Κυκλωμάτων	el
heal.type	bachelorThesis
heal.classification	Αναλογική Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-05
heal.abstract	Στην παρούσα διπλωματική παρουσιάζουμε τη σχεδίαση ενός αναλογικού ταξινομητή με ψηφιακή είσοδο και έξοδο, βασισμένου στη Γκαουσιανή συνάρτηση. Συγκεκριμένα θα παρουσιαστούν ταξινομητές βασισμένοι στο Γκαουσιανό Μοντέλο Μίξης (Gaussian Mixture Model), αλλά και στο απλό Μπαγιεσιανό. Ειδικότερα παρουσιάζουμε ένα κύκλωμα που καταφέρνει να σχεδιάσει Γκαουσιανές κατανομές ανάλογα με τις τιμές τάσεων και ρευμάτων που θα του προσφερθούν. Η υλοποίηση έχει πολύ χαμηλή κατανάλωση καθώς χρησιμοποιούνται τάσεις πόλωσης από 0.5 V εώς και 0.6 V και ρεύματα πόλωσης της τάξεως των nA ή και pA σε κάποιες περιπτώσεις. Η εκπαίδευση του μοντέλου γίνεται καθαρά με τη βοήθεια της γλώσσας python. Οι αρχιτεκτονικές που παρουσιάζονται επιβεβαιώνονται χρησιμοποιώντας τρία σετ δεδομένων. Η υλοποίηση και προσομοίωση του κυκλώματος έγινε με τη βοήθεια του προγράμματος σχεδίασης Cadence IC Suite σε τεχνολογία TSMC 90 nm CMOS process.	el
heal.abstract	In this diploma thesis, the design of an analog classifier with digital inputs and digital outputs, based on the Gaussian function, will be presented. Specifically, the proposed classifiers' basis is the Gaussian Mixture Model, as well as the simple Bayesian Model. In particular, the implemented circuit is able to produce Gaussian distributions, depending on the values of the voltages and currents that control its parameters. The power consumption is very low, as the supply voltage is 0.5V or 0.6V, relying on the application, and the bias currents are from some pA to some nA. The models are trained using the program language Python. The proposed architectures are validated with the use of three real-world datasets. The implementations and simulations of these architectures is done using the design tool Cadence IC Suite in TSMC 90 nm CMOS process.	en
heal.advisorName	Σωτηριάδης, Παύλος-Πέτρος	el
heal.committeeMemberName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Χριστοφόρου, Ευάγγελος
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	83 σ.	el
heal.fullTextAvailability	false