Search academic texts

Information × Registration Number 2124U001164, Article popup.category Бакалаврська робота Title popup.author Ступаченко Олександра Сергіївна popup.publication 01-01-2024 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/67524 popup.publisher Київ Description Дипломна робота присвячена дослідженню можливостей реалізації апаратної моделі нейрона та нейромережі на базі програмованої системи на кристалі (PSoC) з використанням плати CY8CKIT-042. Актуальність теми зумовлена широкими можливостями інтеграції аналогових та цифрових блоків на одній платформі, що відкриває перспективи для створення ефективних вбудованих систем. Метою дипломної роботи є дослідження архітектури PSoC, розробка та реалізація моделі нейрона і нейромережі з використанням програмованих аналогових та цифрових блоків плати CY8CKIT-042. Об’єкт дослідження: Програмована система на кристалі (PSoC) та її можливості для реалізації апаратних нейронних мереж. Методом дослідження є теоретичний аналіз архітектури PSoC, проектування та тестування моделі нейрона і нейромережі на базі програмованих аналогових та цифрових блоків PSoC. У ході роботи було проведено аналіз теоретичних основ PSoC, описано архітектуру плати CY8CKIT-042, розглянуто принципи роботи штучних нейронів та нейромереж. Було створено та налаштовано нейронну мережу, реалізовано алгоритми зворотного поширення помилки для навчання мережі. Проведено тестування та оцінка роботи моделі. В першому розділі описано загальну структуру PSoC та ключові компоненти плати CY8CKIT-042. Проведено аналіз програмованих аналогових та цифрових блоків, можливості їхньої інтеграції та налаштування. Описано особливості архітектури PSoC, що дозволяють ефективно поєднувати аналогові та цифрові компоненти на одній платформі. У другому розділі розглянуто теоретичні основи штучних нейронних мереж. Детально описано архітектуру нейронів, типи нейронних мереж, їх структурні компоненти та функціонування. Проаналізовано математичні моделі та функції активації, що використовуються для навчання нейронних мереж, включаючи алгоритми зворотного поширення помилки. Третій розділ присвячено практичному застосуванню нейронної мережі на базі PSoC. Описано процес проектування системи, вибір компонентів та модулів, налаштування проекту в середовищі PSoC Creator. Детально розглянуто реалізацію нейронної мережі, тренування, валідацію та тестування на реальних даних. Описано задачі класифікації та обробки вхідних даних для подальшого розпізнавання нейронною мережею. popup.nrat_date 2025-01-29 Close