Colloque

Effets de quantification sur l'implantation digitale du réseau de neurones Fuzzy ART

M.-A. Cantin

Y. Blaquière

Y. Savaria

P. Lavoie

E. Granger

Membre a labase

M.-A. Cantin

Résumé du colloque

Dans le contexte de surveillance militaire, les systèmes de mesure électroniques (ESM) doivent intercepter, localiser et analyser des signaux radar. Sachant que les impulsions radar peuvent arriver à la fréquence de 106 impulsions par seconde, les grouper avant de les traiter permet de réduire de manière significative la complexité du système. Dans nos travaux précédents [1][2], un réseau de neurones non supervisé basé sur l'algorithme Fuzzy ART a été choisi, car il permet de catégoriser en temps réel des signaux basés sur leurs similitudes provenant d'un nombre inconnu d'émetteurs. Cet algorithme proposé par Carpenter et al. [3], a été reformulé puis a été implanté dans un circuit intégré numérique (ASIC) [4]. Pendant la phase de validation, des simulations intensives ont été exécutées et des différences ont été observées dans les résultats de catégorisation par rapport à ceux obtenus avec le modèle mathématique de l'algorithme. Sur un total de 800 impulsions radar présentées à l'implantation numérique et au modèle mathématique, jusqu'à 122 impulsions radar ont été associées à différentes catégories. L'analyse effectuée dans notre travail conclue que les différences sont dues aux erreurs de quantification des entrées lesquels ont été fixé selon des contraintes matérielles et de vitesse d'exécution de l'implantation matérielle. Cette étude démontre qu'une petite différence sur les entrées peut affecter considérablement le comportement de l'implantation numérique du réseau de neurones, sans toutefois démontrer une dégradation significative de la qualité de catégorisation. Elle présente également une analyse sur la propagation et l'accumulation de l'erreur dans l'architecture implantée, ainsi qu'une discussion sur la manière dont elle affecte les résultats de catégorisation comparativement à un modèle mathématique. Finalement, l'erreur maximale pire cas est calculé selon : le nombre de bits nécessaire pour la représentation des entrées, le nombre de neurones émulés, le nombre de dimensions et le paramètre de vigilance du réseau de neurones.

Contexte

Section :

Colloque GRIAO sur la micro-électronique et l'architecture des ordinateurs

Thème du colloque :

Colloque GRIAO sur la micro-électronique et l'architecture des ordinateurs

Responsables :

El Mostapha Aboulhamid

Hôte : Université de Montréal

Découvrez d'autres communications scientifiques

Dans le même colloque
Du même congressiste

Titre du colloque :

Colloque GRIAO sur la micro-électronique et l'architecture des ordinateurs

Méthodes algorithmiques pour l'analyse et la conception de systèmes informatiques de haute performa…

N. Chabini

Développement d'estimateurs pour une application de communication à haute vitesse

I. Campagna

Une approche orientée objet pour la co-conception de systèmes embarqués dans le domaine des applica…

G. Fayad

Voir tous les contenus de ce colloque

Autres communications du même congressiste :

Thème du colloque :

Colloque GRIAO sur la micro-électronique et l'architecture des ordinateurs

Effets de quantification sur l'implantation digitale du réseau de neurones Fuzzy ART

M.-A. Cantin

Effets de quantification sur l'implantation digitale du réseau de neurones Fuzzy ART

M.-A. Cantin

Effets de quantification sur l'implantation digitale du réseau de neurones Fuzzy ART

M.-A. Cantin