@Article{, title={Implementation of Artificial Neural Networks Trained by Particle Swarm Optimization using Multi-Phase Switched – Capacitor Circuits}, author={Hanan A. R. Akkar حنان عبد الرضا عكار}, journal={Journal of Engineering and Sustainable Development (JEASD) مجلة الهندسة والتنمية المستدامة}, volume={15}, number={1}, pages={164-182}, year={2011}, abstract={In this paper, a proposed design of Artificial Neural Networks Trained by Particle Swarm Optimization using multi-phase switched-capacitor circuits is presented. Swarm intelligence is based on collective behavior of self organized group of agents. Each agent follows a relatively simple set of rules and interacting with its local surrounding. Particle Swarm Optimization (PSO) has been an increasingly interesting topic in the field of computational intelligence. PSO is another optimization algorithm that falls under the soft computing address. One application of PSO has tremendous success is in the field of Artificial Neural Networks (ANNs) training. In this paper an adaption of the ANN weights using PSO is proposed as a mechanism to improve the performance of ANN. For this purpose we have modified the MATLAB PSO toolbox to be suitable with neural application. In neural networks, the multiplier is needed to deal with the learning of weights, and the generation of associated outputs therefore, a proposed design of multiplier circuit using multi-phase switched-capacitor circuit that can be implemented in CMOS technology. Generating multiple clock sources is a common requirement for the designing multi-phase switched-capacitor circuits so; a proposed design of multi-phase clock generator is presented which produces sequential non-overlapping clock pulses. The proposed design of multi-phase switched-capacitor neuron and its corresponding “synapses” also presented in details. Simulation results are presented using EWB package, which illustrates the validity of the proposed switched capacitor circuit's designs.

تم في هذا البحث, تصميم للشبكات العصبية المدربة بطريقة افضلية الحشد الجزيئ مستخدمة دوائر المتسعات المفتاحية المتعددة الأطوار. إن ذكاء الحشد (Swarm Intelligence ) قائم على التصرف الجماعي لمجموعة جزيئات ذات نظام ذاتي. كل جزيئة تتبع مجموعة بسيطة نسبياً من القوانين وتتفاعل فقط مع الجزيئات الموقعية المحيطة بها. افضلية الحشد الجزيئي (Particle Swarm Optimization) قد اصبحت موضوع متزايد الاهمية في مجال الحسابات الذكية. حيث من اهم تطبيقات افضلية الحشد الجزيئي التي لاقت نجاح واسع هو في تدريب الشبكات العصبية الاصطناعية (Artificial Neural Network). افترض في هذا العمل تكييف اوزان الشبكة العصبية الاصطناعية بأستخدام ألية افضلية الحشد الجزيئي وذلك لتحسين اداء الشبكات العصبية الاصطناعية. لهذا الغرض قمنا بتطوير صندوق ادوات افضلية الحشد الجزيئي في بيئة الماتلاب MATLAB لكي يكون مناسبا لتطبيقنا في تنفيذ دوائر رقمية بأستخدام الشبكات العصبية الاصطناعية. نحتاج في الشبكات العصبية دائما إلى دائرة ضرب لكي تتعامل مع تكييف الأوزان وكذلك للحصول على القيمة النهائية المتعلقة بها, لذلك يوجد تصميم مقترح لدائرة ضرب باستخدام دائرة المتسعات المفتاحية المتعددة الأطوار والتي ممكن تنفيذها بالكامل في تكنولوجية أشباه الموصلات الفلزية. إن توليد عدة مصادر للتردد المتعدد الأطوار هو من المتطلبات الأساسية في تصميم دوائر المتسعات المفتاحية ذات الأطوار المتعددة, لذلك يوجد تصميم مقترح لتوليد التردد المتعدد الأطوار الذي يولد نبضات ترددية متعاقبة وغير متداخلة. يوجد تصميم مقترح للخلية العصبية باستخدام المتسعات المفتاحية المتعددة الأطوار مقدم في هذا البحث مع الشرح الوافي. إن نتائج المحاكاة للدوائر الالكترونية المقترحة باستخدام برنامج التحليل الالكتروني ( EWB ) قد أثبتت فعالية هذه الدوائر المقترحة.} }