شناسایی الگو با استفاده از شبکه های عصبی و پیاده سازی آن روی fpga

بازشناسی ارقام دست نویس یکی از مسائل مهم در بازشناسی الگو است. در زمینهی تشخیص ارقام دست-نویس فارسی در دو حوزه ی روش های استخراج ویژگی و استفاده از طبقه بندها تحقیقات زیادی صورت گرفته است. انتخاب روش استخراج ویژگی به عنوان مهم ترین عامل در بازشناسی الگو و به منظورکاهش ابعاد داده-های ورودی مطرح است. هدف از این پایان نامه طراحی و پیاده سازی یک کار برد خاص از شبکه های عصبی و پیاده سازی آن بر روی fpga می باشد . از شبکه های عصبی پیچیده برای پیاده سازی توابع پیچیده در زمینه های مختلف از جمله تشخیص الگو ، تشخیص هویت ، طبقه بندی، پردازش صحبت و تصویر و سیستم های کنترلی استفاده می شود. ما سعی کردیم یکی از زیر شاخه های بازشناسی الگوکه سامانه بازشناسی ارقام وحروف دست-نوشته است،روی fpga پیاده سازی نماییم. این کار با استفاده از زبان های برنامه نویسی سخت افزاری نظیر verilog صورت می گیرد. در این پروژه روشی مناسب در جهت بهبود عملکرد شبکه عصبی در جهت کاهش حجم سخت افزاری در شناسایی الگوی مورد نظر(بازشناسی ارقام دست نوشته فارسی) با زمان اجرای کم ارائه شده است . جهت کاهش میزان حجم سخت افزار و کاهش تعداد واحد های ضرب کننده ی مورد نیاز و منابع سخت افزاری روش تسهیم بندی لایه ای [48]، استفاده می کنیم . بر اساس این روش، لا یه ای که بیشترین تعداد نورون را دارد ملاک قرارگرفته و واحد ها و منابع سخت افزاری به تعداد مورد نیاز آن لایه انتخاب می شود . سپس، توسط کنترل کننده ی سخت افزاری طراحی شده مخصوص عملیات تسهیم لایه ای در هر مرحله پردازشی، یک لایه به ترتیب از ورودی تا خروجی روی واحدها پیاده سازی می شود.