Title:	Diseño e implementación de una red neutral artificial en FPGA para la identificación de sistemas en línea
metadata.dc.creator:	Genaro Mendoza Hernandez
Keywords:	INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS
metadata.dc.date:	May-2013
metadata.dc.degree.department:	Facultad de Ingeniería
metadata.dc.degree.name:	Maestría en Ciencias (Instrumentación y Control)
Description:	Las redes neuronales artificiales siempre han demostrado su utilidad en la identificación de sistemas gracias a ventajas como la habilidad de emular relaciones de entrada-salida complejas en tiempo real, la capacidad de aproximar cualquier función si es adecuadamente configurada y recientemente la posibilidad de implementarlas usando FPGA que mejora considerablemente su rendimiento, tomando ventaja de la capacidad de ser implementadas en paralelo. Este trabajo se centra en el diseño en FPGA de una red neuronal artificial para la identificación en línea de un sistema, sin embargo, poco se ha hecho para analizar el desempeño de las red debido a su configuración inicial por lo que se propone un diseño estadístico de experimentos del error de aproximación de dos arquitecturas de red neuronal: el perceptron multicapa y un tipo de red neuronal recurrente ("Locally Recurrent, Globally Feedforward") con realimentación en la función de activación. Analizando la varianza del modelo estadístico resultante, en un esfuerzo por generar una metodología de trabajo dedicado a la búsqueda de la mejor red y de la configuración más adecuada en cada caso de estudio. Los resultados de la simulación y el diseño en VHDL de la mejor configuración de red para los datos obtenidos de un motor de corriente directa son reportados. Artificial neural networks have always proved to be useful in systems identification thanks to advantages such as the ability to emulate complex input-output relationships in real-time, the ability to approximate any function if properly configured and recently the ability to implement them using FPGA which considerably improves its performance by taking advantage of the ability to be implemented in parallel. This work is focused on an artificial neural network FPGA design for a system online identification, however, little has been done to analyze the performance of the network due to its initial configuration so a DoE of the approximation error of two neural networks architectures: the multilayer perceptron and a type of recurrent neural network ("Recurrent Locally, Globally Feedforward") with feedback on the activation function is proposed. Analyzing the variance of the resulting statistical model, in an effort to generate a methodology dedicated to finding the best network and the most appropriate configuration for each case of study. The results of the simulation and VHDL design of the best network configuration for the data obtained from a direct current motor are reported.
URI:	http://ri-ng.uaq.mx/handle/123456789/702
Other Identifiers:	ANOVA ANOVA ANOVA ARX VHDL VHDL
Appears in Collections:	Maestría en Ciencias (Instrumentación y Control)

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.