Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18495
Title: Αναλογικά Ολοκληρωμένα Κυκλώματα Ταξινομητών Χαμηλής Κατανάλωσης Βασισμένων στο Gaussian Mixture Model με Ψηφιακές Εισόδους και Εξόδους
Authors: Στρακόση, Λάζαρος
Σωτηριάδης Παύλος-Πέτρος
Keywords: Analog classifier
Analog Machine Learning
Gaussian Mixture Model
Bayesian Classifier
Low power current-type DAC
Winner-Take-All circuit
Analog Hardware Architecture
Ultra-low power design
Sub-threshold region
Fully tunable implementation
Issue Date: 5-Oct-2022
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.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18495
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
dimploma_thesis_Strakosi_Lazaros.pdf1.87 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.