Diseño e Implementación de Red Neuronal de Arquitectura Neuromórfica
Cargando...
Fecha
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Tucumán, Facultad de Ciencias Exactas y Tecnología, Departamento de Ingeniería en Computación
Resumen
Resumen
Este proyecto busca diseñar e implementar una red neuronal basada en picos para el reconocimiento de notas musicales tanto en software como en hardware para estudiar, analizar y comparar su rendimiento y requerimientos contra una red neuronal artificial convencional desarrollada para la misma tarea.
Descripción
Índice general
Resumen I
1. Introducción 1
1.1. Motivaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Objetivos y alcance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2. Marco teórico 3
2.1. Conceptos generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2. Modelo de neurona . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3. Modelo de entrenamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4. Atractores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5. Algoritmo de competitividad local . . . . . . . . . . . . . . . . . . . . . . . . 7
2.6. Arquitectura propuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3. Diseño e implementación 10
3.1. Herramientas y tecnología . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2. Diseño e implementación en software . . . . . . . . . . . . . . . . . . . . . . 11
3.2.1. Implementación de neurona LIF . . . . . . . . . . . . . . . . . . . . . 12
3.2.2. Construcción de Red . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2.3. Implementación del entrenamiento . . . . . . . . . . . . . . . . . . . . 15
3.2.4. Arquitectura de red . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.3. Dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.3.1. Preprocesamiento de datos . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4. Implementación en hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.4.1. Estructura de neurona . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4.2. Modularización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.4.3. Estructura de red . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4.4. Módulo de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4. Ensayos y resultados 33
4.1. Pruebas funcionales de software . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.1. Pruebas Controladas . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.2. Pruebas experimentales . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.1.3. Criterios de ajuste de parámetros . . . . . . . . . . . . . . . . . . . . . 39
4.2. Pruebas funcionales de hardware . . . . . . . . . . . . . . . . . . . . . . . . . 40
5. Conclusiones 43
III
5.1. Conclusiones generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.2. Próximos pasos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Referencias bibliográficas 45
Bibliografía 46