طراحی شبکه عصبی مصنوعی (ann) با استفاده از گیت‌های منطق برگشت‌پذیر

شبکه‌های عصبی و انواع آن‌ به طور گسترده در حوزه‌های مختلفی مانند تشخیص گفتار، طبقه‌بندی تصاویر پیچیده و سیستم‌های امنیتی و نظارتی استفاده می‌شوند. دقت بالاتر در مدل‌های پیچیده شبکه عصبی، منجر به هزینه محاسباتی بالا و مصرف بیش از حد انرژی می‌شود. محاسبات کوانتومی و توابع منطقی برگشت‌پذیر در سال‌های اخیر در زمینه طراحی مدارهای کم توان vlsi و فناوری نانو مورد تحقیق قرار گرفته است. محاسبات برگشت‌پذیر کاهش قابل توجهی را در اتلاف توان در مدارهای دیجیتال نشان می‌دهد. در این مقاله، طراحی جدید از شبکه عصبی مصنوعی (ann) با استفاده از گیت‌های منطقی برگشت‌پذیر پیشنهاد شده است. پیاده‌سازی سخت‌افزاری روش پیشنهادی با استفاده از vhdl و ابزار شبیه‌سازی rcviewer + ارائه شده است. تجزیه و تحلیل نتایج نشان می‌دهد که رویکرد پیشنهادی ما به کاهش تقریباً 39 درصدی در تاخیر کلی در مقایسه با رویکردهای موجود دست یافته است. رویکرد پیشنهادی نیز مقیاس پذیری بهتری نسبت به رویکرد طراحی کلاسیک دارد.