Reconocimiento de caracteres por medio de una red neuronal artificial

Reconocimiento de caracteres por medio de una red neuronal artificial

Contenido principal del artículo

Cesar Rivera-Ordoñez
Jhon Jairo Santiago
Julián Ferreira-Jaimes

Resumen

En este trabajo se presenta la implementación de un sistema de reconocimientode caracteres en una tarjeta de desarrollo FPGA de propósito general. La clasificación de los caracteres se realiza por medio de un modelo de red neuronal conocido como Feed-forward backpropagation. Se utiliza la herramienta de redes neuronales NNTool de Matlab, para crear, entrenar y simular este tipo de Red Neuronal Artificial (RNA) con cinco diferentes patrones de entrenamiento. Para realizar la implementación, estas RNAs, son traducidas del modelo computacional a un modelo realizable en hardware, el cual es descrito mediante bloques en Matlab/Simulink y Xilinx System Generator (XSG). El archivo de configuración bitstream, necesario para la programación del FPGA, es generado por XSG para posteriormente ser implementado con Xilinx ISE foundation en la FPGA.

Palabras Clave: FPGA, Matlab / Simulink, reconocimiento de caracteres, red neuronal artificial, Xilinx System Generator.

 

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Biografía del autor/a (VER)

Cesar Rivera-Ordoñez, Universidad Francisco de Paula Santander

Ingeniero Electrónico Universidad Francisco de Paula Santander.
Integrantes Grupo de Investigación en Automatización y Control.

Jhon Jairo Santiago, Universidad Francisco de Paula Santander

Ingeniero Electrónico Universidad Francisco de Paula Santander.
Integrantes Grupo de Investigación en Automatización y Control.

Julián Ferreira-Jaimes, Universidad Francisco de Paula Santander

Profesor Dpto.Electricidad y Electrónica.. Integrante Grupo de Investigación en Automatización y Control.

Referencias (VER)

CHAPMAN, Rob. SUTANKAYO,Steven. Implementing Artificial Neural

Network Designs. Abril, 1998.

LAU, Tsz Hei. Implementation of Artificial Neural Network on FPGA Devices. Nueva Zelanda, 2005. Universidad de Auckland, Departamento de ingeniería de sistemas de computo.

RESTREPO, H. F. HO_MAN, R. PEREZ-URIBE, A. TEUSCHER, C. y

SANCHEZ E. A networked fpga-based hardware implementation of a neural network application. En: Proceedings of the IEEE Symposium on Field Programmable Custom Computing Machines (FCCM’00), páginas 337-338, Napa, California, USA, Abril 17-19 del 2000.

ACOSTA, Maria Isabel. ZULUAGA, Camilo Alfonso. Tutorial sobre redes neuronales aplicadas en Ingeniería Eléctrica y su implementación en un sitio Web. Pereira, 2000. p. 342. Universidad Tecnológica de Pereira.Disponible en Internet: http://ohm.utp. edu.co/neuronales.

MOCTEZUMA EUGENIO, Juan Carlos. TORRES HUITZIL, Cesar.

Estudio sobre la implementación de redes neuronales artificiales usando Xilinx System Generator. Puebla, México. 2005. P.1. Benemérita Universidad Autónoma de Puebla.

MOUSSA, M. AREIBI, S. y NICHOLS K. Arithmetic precision for bp networks. En: Amos Omondi and Jagath Rajapakse, editors, FPGA Implementations of Neural Networks. Kluwer Academic Publishers, Diciembre de 2003.

MOORE, G.E. Cramming more components onto integrated circuits.

En: Readings in computer architecture. 2000. p. 56–59. Disponible en

Internet: http://portal.acm.org/citation. cfm?id=333074

TOMMISCA, M.T. Efficient digital implementation of the sigmoid function for reprogrammable logic. En: Computers and Digital Techniques. Finlandia. Vol 150, no. 6 (Nov. 2003); p.403-411

VIVAS, Rosa Liliana. Estudio de métodos de inteligencia artificial y

desarrollo de códigos y aplicativos en Matlab para el modelamiento de sistemas basados en árboles de decisión, lógica difusa y redes neuronales. Cúcuta, 2005. P.193. Trabajo de grado en la modalidad

pasantía. Universidad Francisco de Paula Santander. Plan de estudios de

Ingeniería Electrónica.

HAMILTON, Alberto Francisco. Estrategias de control óptimo basadas en programación dinámica y redes neuronales para sistemas MIMO continuos no lineales. España, 2002. Tesis doctoral. Universidad de la Laguna.

RIVERA, Cesar Alexander. SANTIAGO, Jhon Jairo. Metodología de diseño para la implementación de Redes Neuronales Artificiales en Dispositivos Lógicos Programables. Cúcuta, 2007. p.290. Trabajo de grado en la modalidad de proyecto de investigación. Universidad

Francisco de Paula Santander. Plan de estudios de Ingeniería Electrónica.

SMACH, F. ATRI, M. MITÉRAN, J. ABID, M. Design of a Neural Networks Classifier for Face Detection. En: Journal of Computer Science 2. Túnez, Francia, 2006. p. 257-260.

MOLLER, M.F. A Scaled Conjugate Gradient algorithm for fast supervised learning, Neural Networks. Vol. 6, 1993. p. 525-533.

Artículos más leídos del mismo autor/a