Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18495
Τίτλος: | Αναλογικά Ολοκληρωμένα Κυκλώματα Ταξινομητών Χαμηλής Κατανάλωσης Βασισμένων στο Gaussian Mixture Model με Ψηφιακές Εισόδους και Εξόδους |
Συγγραφείς: | Στρακόση, Λάζαρος Σωτηριάδης Παύλος-Πέτρος |
Λέξεις κλειδιά: | 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 |
Ημερομηνία έκδοσης: | 5-Οκτ-2022 |
Περίληψη: | 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 |
Εμφανίζεται στις συλλογές: | Διπλωματικές Εργασίες - Theses |
Αρχεία σε αυτό το τεκμήριο:
Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
---|---|---|---|---|
dimploma_thesis_Strakosi_Lazaros.pdf | 1.87 MB | Adobe PDF | Εμφάνιση/Άνοιγμα |
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.