Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12104/79977
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Juan José Raygoza Panduro, | |
dc.contributor.advisor | Lara López, Graciela | |
dc.contributor.author | Salamanca Chavarin, Janneth Alejandra | |
dc.date.accessioned | 2019-12-24T02:33:19Z | - |
dc.date.available | 2019-12-24T02:33:19Z | - |
dc.date.issued | 2017-12-04 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12104/79977 | - |
dc.identifier.uri | https://wdg.biblio.udg.mx | |
dc.description.abstract | El documento presenta el diseño e implementación de una neurona de impulsos capaz de replicar trece de los veinte comportamientos del modelo simple de Izhikevich utilizando máquinas de estados. Esto con el objetivo de evitar el uso excesivo de recursos al implementarlo en el FPGA. Los trece comportamientos son unidos en un módulo con la opción de elegir el comportamiento deseado en la salida. También se presenta el funcionamiento de la neurona desde el punto de vista biológico, además se explican los diferentes modelos matemáticos que replican los comportamientos de la neurona y el por qué el modelo simple de Izhikevich es la mejor opción. Se detalla el diseño de cada uno de los comportamientos, incluyendo diagramas, tablas de transición de estados, resultados obtenidos de cada comportamiento y resultados una vez que se integran todos los comportamientos en un módulo. Por último se hace una comparación entre la arquitectura diseñada en la tesis “Diseño de una red neuronal de impulsos en hardware”, presentada por Sergio Barrios del Villar y la desarrollada en esta tesis. La implementación se lleva a cabo en un FPGA de XILINX, Spartan3A XC3S400A FT256, utilizando lenguaje de descripción de hardware VHDL. | |
dc.description.tableofcontents | Agradecimientos Resumen Índice general Índice de figuras Índice de tablas Acrónimos 1. Introducción 1.0.1. Spiking Neural Networks (SNN) 1.0.2. Field Programmable Gate Arrays (FPGAs) 1.0.3. Diseño de red neuronal de impulsos en hardware 1.1. Planteamiento del problema 1.2. Objetivos 1.2.1. Objetivo General 1.2.2. Objetivos Específicos 1.3. Justificación 1.4. Hipótesis 2. Antecedentes 2.1. Propiedades y características de las neuronas 2.1.1. Clasificación de las células 2.1.2. Potencial de acción y potencial de membrana 2.1.3. Comportamiento de la neurona en reposo 2.1.4. Comportamiento de la neurona en estado activo 2.1.5. Desplazamiento del potencial de acción a través del axón 2.2. Modelos matemáticos de neuronas 2.2.1. Hodgkin Huxley 2.2.2. Integrate and Fire 2.2.3. FitzHugh Nagumo 2.2.4. Hindmarsh Rose 2.2.5. Morris Lecar 2.2.6. Modelo simple de Izhikevich 2.3. Comparación de modelos 2.4. Análisis de “Diseño de una red neuronal de impulsos en hardware” 2.4.1. Registro para configurar la neurona 2.4.2. Modos de operación 2.4.3. Descripción de los bloques que conforman la neurona 2.4.4. Descripción de los comportamientos implementados y resultados 3. Diseño de neurona de impulsos 3.1. Análisis del modelo de Izhikevich 3.2. Arquitectura completa 3.2.1. Impulsos tónicos 3.2.2. Impulsos fásicos 3.2.3. Ráfagas tónicas 3.2.4. Ráfagas fásicas 3.2.5. Modo mixto 3.2.6. Adaptación en frecuencia de impulsos 3.2.7. Resonador 3.2.8. Integrador 3.2.9. Impulso de rebote 3.2.10. Ráfagas de rebote 3.2.11. Bi-estabilidad 3.2.12. Impulsos de inhibición inducida 3.2.13. Ráfagas de inhibición inducida 4. Resultados 4.1. Simulaciones en FPGA 4.1.1. Impulsos tónicos 4.1.2. Impulsos fásicos 4.1.3. Ráfagas tónicas 4.1.4. Ráfagas fásicas 4.1.5. Modo mixto 4.1.6. Adaptación en frecuencia de impulsos 4.1.7. Resonador 4.1.8. Integrador 4.1.9. Impulso de rebote 4.1.10. Ráfagas de rebote 4.1.11. Bi-estabilidad 4.1.12. Impulsos de inhibición inducida 4.1.13. Ráfagas de inhibición inducida 4.1.14. Arquitectura completa 4.2. Comparación de las implementaciones en hardware 5. Conclusiones y Trabajos Futuros 5.1. Conclusiones 5.2. Trabajos Futuros 5.2.1. Modelado del comportamiento de un sistema de neuronas usando un sistema multi-agente A. Resultados matemáticos A.1. Impulsos tónicos V A.2. Impulsos tónicos U A.3. Impulsos fásicos V A.4. Ráfagas tónicas V A.5. Ráfagas fásicas V A.6. Modo mixto V A.7. Adaptación en frecuencia de impulsos V A.8. Impulso de rebote V A.9. Ráfagas de rebote V A.10.Impulsos de inhibición inducida V A.11.Ráfagas de inhibición inducida V Bibliografía | |
dc.format | application/PDF | |
dc.language.iso | spa | |
dc.publisher | Biblioteca Digital wdg.biblio | |
dc.publisher | Universidad de Guadalajara | |
dc.rights.uri | https://www.riudg.udg.mx/info/politicas.jsp | |
dc.subject | Neurona De Impulzos | |
dc.subject | Maquinas De Estados | |
dc.subject | Fpga | |
dc.title | Diseño e implementación de una neurona de impulsos en hardware reconfigurable | |
dc.type | Tesis de Maestria | |
dc.rights.holder | Universidad de Guadalajara | |
dc.rights.holder | Salamanca Chavarin, Janneth Alejandra | |
dc.coverage | GUADALAJARA, JALISCO | |
dc.type.conacyt | masterThesis | - |
dc.degree.name | MAESTRIA EN CIENCIAS EN INGENIERIA ELECTRONICA Y COMPUTACION | - |
dc.degree.department | CUCEI | - |
dc.degree.grantor | Universidad de Guadalajara | - |
dc.degree.creator | MAESTRA EN CIENCIAS EN INGENIERIA ELECTRONICA Y COMPUTACION | - |
Aparece en las colecciones: | CUCEI |
Ficheros en este ítem:
Fichero | Tamaño | Formato | |
---|---|---|---|
MCUCEI10028.pdf Acceso Restringido | 1.79 MB | Adobe PDF | Visualizar/Abrir Request a copy |
Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.