Diseño e implementación de una red neutral artificial en FPGA para la identificación de sistemas en línea

Genaro Mendoza Hernandez

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nd/4.0	es_ES
dc.contributor	Luis Alfonso Franco Gasca	es_ES
dc.creator	Genaro Mendoza Hernandez	es_ES
dc.date	2013-05
dc.date.accessioned	2018-12-14T15:10:24Z
dc.date.available	2018-12-14T15:10:24Z
dc.date.issued	2013-05
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/702
dc.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.	es_ES
dc.description	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.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	Español	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	ANOVA	es_ES
dc.subject	ANOVA	es_ES
dc.subject	ANOVA	es_ES
dc.subject	ARX	es_ES
dc.subject	VHDL	es_ES
dc.subject	VHDL	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Diseño e implementación de una red neutral artificial en FPGA para la identificación de sistemas en línea	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	MEHG881104HQTNRN08	es_ES
dc.contributor.identificador	FAGL740130HGTRSS07	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias (Instrumentación y Control)	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES