| Revista: | Computación y sistemas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000352227 |
| ISSN: | 1405-5546 |
| Autores: | Ramírez Agundis, Agustín1 Gadea Girones, Rafael2 Colom Palero, Ricardo2 Díaz Carmona, Javier1 |
| Instituciones: | 1Instituto Tecnológico de Celaya, Departamento de Ingeniería Electrónica, Celaya, Guanajuato. México 2Universidad Politécnica de Valencia, Departamento de Ingeniería Electrónica, Valencia. España |
| Año: | 2008 |
| Periodo: | Abr-Jun |
| Volumen: | 11 |
| Número: | 4 |
| Paginación: | 349-356 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | Este artículo describe un sistema para entrenar una red neuronal Self–Organizing Feature Map (SOFM). El diseño del sistema persigue dos objetivos. Primero, reducir el tiempo de procesamiento requerido para entrenar la red sacando provecho del paralelismo intrínseco de las redes neurona–les mediante la implementación hardware de la SOFM. Segundo: proporcionar versatilidad al entrenamiento por medio del pre y post procesamiento de los datos de entrada usando Matlab–Simulink, también utilizado como plataforma del software. El sistema usa como coprocesador una tarjeta basada en un FPGA conectada a la PC anfitriona a través del bus PCI. Para ilustrar la funcionalidad del sistema se desarrolló una aplicación para analizar los efectos que sobre el mapeo tiene el tamaño de la dispersión de los valores iniciales de los pesos generados aleatoriamente. Cuando se compara con un sistema totalmente software para la misma aplicación, nuestro sistema reduce el tiempo de entrenamiento en 89% |
| Resumen en inglés | This paper describes the design of a training system for a Self–Organizing Feature Map (SOFM). The system design aims two goals. The first is to reduce the training processing time by exploiting the inherent neural networks (NNs) parallelism through the SOFM hardware implementation. The second goal is to provide versatility to the training process by means of pre– and post processing of input and output data using Matlab–Simulink, which is also used as the software platform. The system uses as a coprocessor an FPGA based board connected via PCI bus at the host PC. To illustrate the system functionality we developed an application to analyze the effects over the map of scattering size in randomly generated weight initial values. When compared with the software approach for the same application, our system reduces the training time in 89% |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Redes, Redes neuronales, Entrenamiento, Coprocesadores, Mapeo de rasgos |
| Keyword: | Computer science, Networks, Neural networks, Training, Coprocessors, Feature mapping |
| Texto completo: | Texto completo (Ver HTML) |
