بررسی عملکرد و بهبود نورون مصنوعی و پیاده‌سازی آن برروی fpga

در این مقاله با هدف شبیه سازی رفتارتک نورون، به پیاده سازی سخت افزاری یک نورون زیستی طبق مدل hodgkin-huxley پرداخته شده است که این مدل بیشترین شباهت را به نورون واقعی دارد و پیاده سازی آن بسیار دشوار است، ولی به کمک استفاده از قابلیت پیکر بندی مجدد و اجرای دستورات بصورت موازی، طراحی سخت افزاری سیستم نورونی بهینه شده، مبتنی بر fpga انجام شده است.برای این منظور در پیاده سازی تک نورون، از ایده های سخت افزاری متعددی، بهره گرفته ایم تا بهترین نوع از نورون کامل را بر اساس سرعت بالا، حجم کم، دقت بالا و قابلیت توسعه پذیری، طراحی کنیم. برخی از ایده ها در طراحی و پیاده سازی عبارتند از انجام محاسبات دیجیتال با بیت محدود، ساده سازی توابع ریاضی و تبدیل عملیات ممیز شناور به ممیز ثابت، که علی رغم بهینه بودن و کاهش سخت افزار مصرفی، از ویژگی حداکثر موازی سازی و دقت کافی در تولید سیگنال خروجی نیز برخوردار باشد. مدل ارائه شده در این مقاله برای بسیاری از دانشمندان در حوزه علوم اعصاب شناختی، اهمیت فراوان دارد.