research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
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 مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2011 Volume: 15 Issue: 1 Pages: 164-182
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
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.


Article
Image Recognition Using Artificial Neural Networks with Particle Swarm Optimization Based on Hardware FPGA
تمییز الصور بواسطة الشبكات العصبیةِ الاصطناعیة وامثلیة الحشد الجزیئي المنفذة عملیا بمصفوفة البوابات القابلة للبرمجة

Authors: Hanan A. R. Akkar حنان عبد الرضا عكار --- Muthana Khallil Ibrahim مثنى خلیل ابراھیم
Journal: AL-MANSOUR JOURNAL مجلة المنصور ISSN: 18196489 Year: 2012 Issue: 17 Pages: 1-17
Publisher: Private Mansour college كلية المنصور الاهلية

Loading...
Loading...
Abstract

In this paper, a medical image recognition using Artificial Neural Networks(ANN) trained by Particle Swarm Optimization based on hardwareimplementation of Field Programmable Gate Array (FPGA) is presented, wherethe adaption of the Artificial Neural Network (ANN) weights using ParticleSwarm Optimization (PSO) was proposed as a mechanism to improve theperformance of ANN. Also in this paper, Hardware Design of ANN platform(HDANN) is proposed to evolve the architecture ANN circuits using FPGAspartan3board (XSA-3S1000).The HDANN design platform creates ANN design files using WebPACKTMISE10.1 program, which are converted into device-dependent programmingfiles for eventual downloading into FPGA device by using GXSLOAD programfrom the XSTOOLS programs.

في ھذا البحث تدریب الشبكات العصبیة الاصطناعیة باستخدام أمثلیة الحشد الجزیئي لتمییز الصور الطبیةوذلك لتحسین أداء الشبكات العصبیة FPGA وتنفیذھا عملیا بواسطة كارت مصفوفة البوابات القابلة للبرمجةلتمثیل FPGA الاصطناعیة. أیضا تم في ھذا البحث استخدام الكارت العملي لمصفوفة البوابات القابلة للبرمجةأن یدعم إعادة FPGA وذلك بسبب السرعة و قابلیة إعادة البرمجة. یمكن لل ،PSO المدربة باستخدام ANNباستخدام (HDANN) التشكیل او التصمیم اللازمة لتمثیل الشبكة العصبیة. تم التنفیذ العملي للشبكات العصبیة.FPGA-spartan3 board (XSA3S1000)FPGA-spartan3 board (XSA- بإستخدام ANN لتمثیل (HDANN) تم في ھذا العمل اقتراحISE بإستخدام برنامج 10.1 ANN حیث یتم إنشاء الملفات الخاصة بتصمیم HDANN 3. بإستخدام S1000)FPGA التي یتم تحویلھا إلى ملفات البرمجة التي یعتمد علیھا في نھایة المطاف لتحمیلھا الى ،WebPACKTM.XSTOOLS من مجموعة برامج GXSLOAD بإستخدام برنامج

Keywords

ANN --- PSO --- FPGA --- Medical Image


Article
Finite Impulse Response Bank Filter for Electroencephalographic Artifacts Removal
استخدام المرشح البنكي الرقمي ذو الاستجابة المحدودة لازالة الضوضاء من اشارة التخطيط الدماغي

Authors: Faris Ali Jasim فارس علي جاسم --- Hanan A. R. Akkar حنان عبد الرضا عكار
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2017 Volume: 8 Issue: 1 اللغة الانكليزية Pages: 19-37
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

The recording of brain's electrical activity over a period of time is called electroencephalogram EEG signal. EEG became cardinal tool for diagnosing and managing malfunctions and various brain disorders. It is very complex to analyze continuous EEG signals. These signals can be categorized to different kinds according to the frequency: Delta (0.5 – 4Hz), Theta (4 -7.5Hz), Alpha (7.5 – 12Hz), Beta (12 -30Hz), and Gamma (above 30Hz). Since EEG signals are categorized by their very small amplitudes, they can be easily polluted by noise. These noises are called the artifacts. These artifacts need to be removed before processing and analyzing the EEG signal. In general, an EEG signal which represents brain neuronal activity is contaminated with noises, artifacts, and external interferences. Therefore it is important to separate the required frequency band information from such noises. Different methods for noise and artifact removing are available and implemented. Filtering these interference signals might remove some relevant EEG information, and therefore care must be taken while choosing one of the preprocessing methods. This paper presents a detail analysis of EEG de-noising using law pass Butterworth filter, packet wavelet transforms (PWT), and FIR bank filter. All the above methods are simulated and tested using MATLAB 2013 software environment and their performance evaluation can be done by measuring the parameters like SNR, PSNR, MSE and MAE. The EEG database is freely acquired from MIT-BIH arrhythmia database. This EEG signals was polluted with white random external noise. The FIR bank filter gives the optimal noise removal results according to measuring parameters.

عملية تسجيل النشاط الكهربائي للمخ على مدى فترة من الزمن تسمى إشارة التخطيط الدماغي الكهربائي EEG. التخطيط الدماغي أصبح أداة أساسية لتشخيص امراض واضطرابات الدماغ المختلفة. عملية تحليل إشارات EEG تعتبر من العمليات المعقدة. ويمكن تصنيف اشارة EEG إلى أنواع مختلفة من الاشارات وفقا للتردد: دلتا (0.5 – 4 هرتز)، ثيتا (4- 7.5هرتز)، ألفا (7.5-12 هرتز)، بيتا (12-30 هرتز)، وغاما (فوق 30 هرتز). بما ان إشارات EEG تتميز بالسعة القليلة جداً، لذا يمكن أن تلوث بسهولة بالضوضاء. قبل معالجة وتحليل اشارات EEG يجب ازالة هذه الضوضاء. وبصفة عامة، إشارة EEG التي تمثل نشاط الخلايا العصبية في الدماغ تكون ملوثة بالضوضاء، والتداخلات الخارجية. ولذلك من المهم عزل المعلومات الموجودة في حزم التردد عن هذه الضوضاء. تم تنفيذ وتصميم أساليب مختلفة لازالة الضوضاء. بعض المعلومات المتوفرة في اشارة EEG قد تفقد عند ازالة الضوضاء لذا يجب توخي الحذر في اختيار الطريقة المناسبة. في هذا البحث نعرض تحليل تفصيلي لازالة الضوضاء من اشارة التخطيط الدماغي باستخدام مرشح بتروورث للترددات القليلة ، مرشح تحويلات حزمة المويجات (PWT)، والمرشح البنكي الرقمي المعروف بالمرشح ذو الاستجابة المحددة( (FIR . تم تنفيذ ومحاكاة جميع المرشحات المذكورة باستخدام بيئة ماتلاب 2013 . تقييم اداء المرشحات تمت عن طريق قياس مجموعة من البارالميترات مثل نسبة الاشارة الى الضوضاء (SNR)، اعلى نسبة اشارة الى الضوضاء (PSNR ) ، الوسط التربيعي للخطا (MSE ) ، و الوسط المطلق للخطا (MAE ). تم تجميع بيانات التخطيط الدماغي من الانترنيت عبر موقع MIT- BIH الخاص ببيانات ضربات القلب وتخطيط الدماغ. قبل تمرير اشارة EEG على المرشحات تم اضافة ضوضاء خارجية عشوائية لتلويث الاشارة الاصلية. المرشح البنكي الرقمي اعطى افضل الطرق ازالة الضوضاء وفقا للبارامترات المقاسة.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

English (2)

Arabic and English (1)


Year
From To Submit

2017 (1)

2012 (1)

2011 (1)