Υλοποίηση του αλγορίθμου Learning Vector Quantization σε αναλογικά ολοκληρωμένα κυκλώματα χαμηλής κατανάλωσης για διαθεματικές εφαρμογές

Σερλής, Εμμανουήλ - Αναστάσιος; Serlis, Emmanouil - Anastasios

dc.contributor.author	Σερλής, Εμμανουήλ - Αναστάσιος	el
dc.contributor.author	Serlis, Emmanouil - Anastasios	en
dc.date.accessioned	2024-03-29T11:53:52Z
dc.date.available	2024-03-29T11:53:52Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59068
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26764
dc.rights	Default License
dc.subject	Αρχιτεκτονικές ταξινόμησης	el
dc.subject	Σχεδίαση μεικτού-σήματος κυκλωμάτων	el
dc.subject	Χαμηλή κατανάλωση	el
dc.subject	Μετρικές απόστασης	el
dc.subject	Γκαουσιανά κυκλώματα	el
dc.subject	Gaussian Bump Circuits	en
dc.subject	Digital-To-Analog Converters	en
dc.subject	Learning Vector Quantization	en
dc.subject	Loser-Take-All circuits	en
dc.subject	Classification Systems	en
dc.title	Υλοποίηση του αλγορίθμου Learning Vector Quantization σε αναλογικά ολοκληρωμένα κυκλώματα χαμηλής κατανάλωσης για διαθεματικές εφαρμογές	el
heal.type	bachelorThesis
heal.classification	Μηχανική	el
heal.classification	Σχεδίαση Ολοκληρμένων κυκλωμάτων	el
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-10-17
heal.abstract	Στόχος της παρούσας διπλωματικής εργασίας είναι η υλοποίηση του αλγορίθμου μηχανικής μάθησης Learning Vector Quantization σε πολύ χαμηλής κατανάλωσης αναλογικά ολοκληρωμένα κυκλώματα. Η προτεινόμενη αρχιτεκτονική του ταξινομητή - η οποία βασίζεται στην δομή του αλγορίθμου - παρουσιάζεται αναλυτικά παρακάτω, ενώ πραγματοποιείται και ανάλυση των επιμέρους κυκλωματικών μερών τα οποία δομούν το σύστημα ταξινόμησης. Συγκεκριμένα, τα βασικά κυκλώματα του ολοκληρωμένου είναι αυτό του Bump για τον σχηματισμό εύρωστων πολυδιάστατων μετρικών απόστασης, καθώς και του Winner-Take-All για την λήψη της τελικής απόφασης ταξινόμησης. Η εν λόγω αρχιτεκτονική αντιπαραβάλεται με μία εναλλακτική υλοποίηση του αλγορίθμου η οποία περιλαμβάνει ένα κύκλωμα ευκλείδιας απόστασης, με την λήψη της τελικής απόφασης να λαμβάνεται από ένα Loser-Take-All κύκλωμα. Επιπλέον, σε πρόβληματα ταξινόμησης των οποίων οι είσοδοι απαιτείται να είναι ψηφιακές, ο αναλογικός ταξινομητής μπορεί να επεκταθεί, μέσω της ενσωμάτωσης ψηφιακών κυκλωμάτων χαμηλής κατανάλωσης, όπως Digital-to-analog converters και decoders. Η υλοποίηση και εκπαίδευση του μοντέλου, με σκοπό τον καθορισμό των παραμέτρων για την κυκλωματική υλοποίηση γίνεται με τη βοήθεια της γλώσσας python και της βιβλιοθήκης scikit-learn. Οι αρχιτεκτονικές δοκιμάζονται σε 3 διαφορετικά σύνολα δεδομένων με τα συγκριτικά αποτελέσματα ανάμεσα σε υλικό και λογισμικό να παρουσιάζονται. Η υλοποίηση και προσομοίωση των κυκλωμάτων έγινε με τη βοήθεια του προγράμματος σχεδίασης Cadence IC Suite σε τεχνολογία TSMC 90 nm CMOS process.	el
heal.advisorName	Σωτηριάδης, Παύλος - Πέτρος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Κοζύρης, Νεκτάριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	106 σ.	el
heal.fullTextAvailability	false