LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả trong chuyên đề là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Hồ Chí Minh , ngày 17 tháng 10 năm 2017 Học Viên iii LỜI CẢM ƠN Tôi xin chân thành cảm ơn, quý thầy cô trƣờng Đại Học Sƣ Phạm kỹ Thuật TP.HCM nói chung và quý thầy cô bộ môn Điện Tử Viễn Thông nói riêng, đã trang bị kiến thức và giúp tôi giải quyết những khó khăn trong quá trình làm luận văn. Đặt biệt tôi xin chân thành cảm ơn Thầy hƣớng dẫn, T.S Võ Minh Huân đã tận tình giúp đỡ trong quá trình lựa chọn đề tài và hỗ trợ tôi nghiên cứu trong quá trình thực hiện.
Tôi xin chân thành cảm ơn. Hồ Chí Minh, ngày … tháng … năm. Học viên iv TÓM TẮT Xây dựng hệ thống neuromorphic trong nhận dạng ảnh là một ứng dụng cụ thể để minh chứng cho sự hữu dụng và tính phổ biến của memristor trong tƣơng lai bởi những ƣu điểm vƣợt trội nhƣ khả năng lƣu trữ, mật độ tích hợp cao, công suất thấp,. Trong luận văn này tôi đã thực hiện nhận dạng tập ảnh trắng đen gồm có 10 ảnh, mỗi ảnh là một mảng 5x6 pixel, mỗi một pixel là một tín hiệu vào hệ thống, hệ thống gồm có 300 memristor đƣợc chia thành 10 mảng memristor, tƣơng ứng mỗi mảng sẽ có 30 tín hiệu vào và một tín hiệu ra, nhƣ vậy hệ thống sẽ có 10 tín hiệu đi ra từ 10 mảng memristor sau đó tiếp tục đi vào khối tích hợp.
Khối tích hợp có 2 thành phần chính là nơron và bộ điều khiển chuyển mạch. Bộ điều khiển chuyển mạch, nhiệm vụ chính là điều khiển 3 chuyển mạch là SW1, SW2 và SW3 trên mỗi khối tích hợp và kết hợp với các nơron để thực hiện 3 chế độ huấn luyện ảnh. Chế độ thứ nhất là chế độ phân loại, nhiệm vụ của chế độ này là điều khiển đóng hoặc mở chuyển mạch SW1 để phân loại tín hiệu vào thành 2 nhóm là nhóm không ƣu tiên (loại 1) và nhóm ƣu tiên (loai 2). Chế độ thứ hai là chế độ huấn luyện, các nơron sẽ làm nhiệm vụ nhận dạng ảnh.
Chế độ thứ ba là chế độ kiểm tra, sẽ kiểm tra thời gian huấn luyện ảnh có nơron đốt cháy đầu tiên, còn các nơron còn lại sẽ bị đóng băng và dừng lại không hoạt trong quá trình kiểm tra. Tôi gọi toàn bộ quá trình huấn luyện và nhận dạng ảnh nhƣ trên là phƣơng pháp thứ nhất, với phƣơng pháp thứ nhất tôi trình đã bày toàn bộ quá trình huấn luyện cũng nhƣ kết quả huấn luyện tập ảnh gồm 10 ảnh, cùng với đó là khả năng đáp ứng nhiễu trên mỗi ảnh, nhƣng bộ điều khiển khá phức tạp và hệ thống vẫn chƣa nhận dạng tốt với nhiễu trừ khi đƣa vào hệ thống, do đó tôi cải tiến với phƣơng pháp thứ hai trong nhận dạng ảnh bằng cách tạo thêm khối memristor thứ hai với tín hiệu vào chính là tín hiệu đảo của khối memristor thứ nhất, hai bộ tích hợp hoạt động song song hỗ trợ lẫn nhau triệt nhiễu cộng và triệt nhiễu trừ một cách hiệu quả, đồng thời cải tiến bộ điều khiển giảm kích thƣớc mạch, tôi đã trình bày kết quả và đánh giá về khả năng triệt nhiễu sau khi cải tiến trong phần cuối của luận văn này. v ABSTRACT Design a neuromorphic system in image identification is a specific application to demonstrate the usefulness and popularity of the memristor in the future by the outstanding features such as storage capacity, high integration density, low power energy,. In this thesis, I made with gray image identification includes 10 image, each image is a 5x6 pixel array, each pixel is a signal to the system, the system consist of 300 memristor divided into 10 memristor array, each array will respectively have 30 input signals and one output signal, so the system will have 10 signals go out from 10 memristor arrays then continues into the integrated block, The integration block have two component are neuron and switching controller.
Switching controller, the main task is to control 3 switch is SW1, SW2 and SW3 on each integrated block and combined with neurons to make 3 training mode. The first mode is the mode classification, the main task is switch control to close or open SW1 to classify input into two group is not a priority group (type 1) and priority groups (type 2). The second mode is the mode of training, the neurons will do for image identification. The third mode is a test mode, the task is to check the training period 1 image, only for neuron has fired go out and neurons has freezed inactive during the test.
I define all training and identification process as above mentioned is the first method, I present the entire training process and the results of the training set of 10 image, along with the ability to response the noise on each image. But the controller is quite complex and the system is not well identified with noise minus, So I improved with the second method of image recognition by adding a second memristor block has the input signal is the inverted signal of the first memristor block. Two integrate active parallel support each other to remove noise plus and noise minus effectively, simultaneously improving the circuit size reduction controller. vi MỤC LỤC CHƢƠNG 1 TỔNG QUAN .1 Tổng quan chung .2 Kết quả nghiên cứu liên quan .3 Mục đích đề tài .4 Ứng dụng của đề tài .5 Nhiệm vụ và giới hạn đề tài .1 Nhiệm vụ của đề tài .2 Giới hạn đề tài .6 Phƣơng pháp nghiên cứu .5 CHƢƠNG 2 CƠ SỞ LÝ THUYẾT .1 Tổng quan về Memristor .2 Tính chất của memristor .3 Trở kháng memristor .4 Nguyên lý hoạt động của memristor .1 Cấu tạo memristor crossbar .2 Nguyên lý hoạt động .3 Mô hình toán học .4 Mô hình dịch tuyến tính .5 Thuật ngữ neuromorphic .6 Kết luận chƣơng 2 .13 CHƢƠNG 3 XÂY DỰNG HỆ THỐNG NEUROMOPHIC DÙNG MEMRISTOR TRONG NHẬN DẠNG ẢNH .1 Trình bày ý tƣởng .1 Mô tả hệ thống .2 Mạng nơron nhân tạo (ANN) .2 Đề xuất hệ thống .1 Sơ đồ khối hệ thống .2 Phân tích hệ thống .3 Nguyên lý hoạt động hệ thống .4 Kết luận chƣơng 3 .22 CHƢƠNG 4 KẾT QUẢ MÔ PHỎNG .1 Mô phỏng quá trình huấn luyện .1 Nhìn tổng thể hệ thống .2 Huấn luyện với ảnh vào là ảnh số 6 .2 Kết quả mô phỏng với 10 ảnh .3 Kết quả mô phỏng với 10 ảnh có nhiễu.4 Kết luận chƣơng 4 .30 CHƢƠNG 5 CẢI TIẾN LOẠI BỎ NHIỄU CỘNG VÀ NHIỄU TRỪ TRONG HỆ THỐNG .1 Phƣơng pháp cải tiến .1 Khối điều khiển chuyển mạch .2 Khối mạch tích hợp .2 Phân tích hệ thống .1 Trƣờng hợp nhiễu cộng .2 Trƣờng hợp nhiễu trừ .3 Kết quả mô phỏng .1 Trƣờng hợp không nhiễu .2 Trƣờng hợp có nhiễu cộng .3 Trƣờng hợp có nhiễu trừ .4 So sánh và đánh giá giữa hai phƣơng pháp .1 Phƣơng pháp cải tiến sẽ tiết kiệm thời gian kiểm tra ảnh .2 Đánh giá khả năng triệt nhiễu .5 Kết luận chƣơng .65 CHƢƠNG 6 KẾT LUẬN VÀ ĐÁNH GIÁ .4 Đề xuất cải tiến .67 viii DANH MỤC CÁC TỪ VIẾT TẮT KÝ HIỆU VIẾT TẮT CMOS Complementary Metal-Oxide-Semiconductor HP Hewlett-Packard V Voltage A Amplitude R Resistor ANN Artificial Neural Network CIS CMOS Image Sensor ADC Analog to Digital Converter SPU Signal Processing Unit SW Switch Vmem Voltage memristor HRS High Resistance state LRS Low Resistance state N/A Not available BSB Brain State – in – a – Box RRAM Resistive random-access memory ix DANH MỤC CÁC HÌNH HÌNH TRANG Hn.
: 4 nhân tố mạch cơ bản [7]. : Dòng qua memristor và kích thƣớc ống [8]. : Đặc tuyến dòng áp điện trở và memristor [8] .4: Đặc tuyến I-V và tần số nguồn [8].6: Cấu trúc Crossbar của memristor [8]. : Sự khuếch tán các phân tử oxy.8: Cấu trúc một memristor HP.
: Ý tƣởng hệ thống nhận dạng ảnh. Sơ đồ khối hệ thống. : Sơ đồ khối của hệ thống neuromorphic.4: Sơ đồ khối của cảm biến ảnh CMOS và xử lý lại ảnh. Kết nối mảng Memristor .6: Nguyên lý hoạt động của hệ thống.
: Chế độ phân loại .8: Chế độ huấn luyện ảnh trạng thái đốt .9: Chế độ huấn luyện ảnh trạng thái đóng băng. : Chế độ kiểm tra. : Bộ điều khiển chuyển mạch. : Nhìn tổng thể hệ thống nhận dạng ảnh sử dụng memristor.
: Tập ảnh huấn luyện. : Kết quả 10 tín hiệu ra Vmem tƣơng ứng trên 10 mảng memristor.4: Kết quả ở chế độ phân loại. : Kết quả điện áp vào sau quá trình huấn luyện.6: Kết quả điện áp ra sau quá trình huấn luyện. : Kết quả điện áp ra trạng thái đốt và đóng băng .8: Ngõ ra khối kiểm tra.
: Điện áp ra bộ tích hợp huấn luyện 10 ảnh. : Ảnh sau khi thêm nhiễu. : Khả năng thêm nhiễu trên 10 ảnh. : Phƣơng pháp cải tiến triệt nhiễu.
: Tập ảnh huấn luyện. : Tập ảnh sau khi đảo mức logic.4: Khối mảng memristor huấn luyện triệt nhiễu cộng. : Khối mảng memristor huấn luyện triệt nhiễu trừ .6: Tổng thể khối điều khiển chuyển mạch. : Mạch nhận biết chế độ kiểm tra .8: Mạch chốt kết quả ngõ ra.
: Khối tích hợp triệt nhiễu cộng. : Khối tích hợp triệt nhiễu trừ. : Ảnh trở kháng memristor khối thứ nhất. Ảnh trở kháng memristor khối thứ hai.
: Đƣa ảnh số 7 vào khối triệt nhiễu cộng của hệ thống để kiểm tra. 4: Đƣa ảnh số 7 vào khối triệt nhiễu trừ của hệ thống để kiểm tra. : Đƣa ảnh số 8 vào khối triệt nhiễu cộng của hệ thống để kiểm tra .16: Đƣa ảnh số 8 vào khối triệt nhiễu trừ của hệ thống để kiểm tra. : Đƣa ảnh số 5 vào khối triệt nhiễu cộng của hệ thống để kiểm tra.
8: Đƣa ảnh số 5 vào khối triệt nhiễu trừ của hệ thống để kiểm tra. : Cộng thêm 1 pixel nhiễu vào ảnh số 1. : Đƣa ảnh số 1 có 1 pixel nhiễu cộng vào khối triệt nhiễu cộng. : Đƣa ảnh số 1 có 1 pixel nhiễu cộng vào khối triệt nhiễu trừ.
: Đƣa ảnh số 7 có 1 pixel nhiễu cộng vào khối triệt nhiễu cộng. : Đƣa ảnh số 7 có 1 pixel nhiễu cộng vào khối triệt nhiễu trừ. 4: Thêm nhiễu trừ 1 pixel vào mô hình ảnh số 1. : Đƣa ảnh số 1 có 1 pixel nhiễu trừ vào khối triệt nhiễu cộng.
6: Đƣa ảnh số 1 có 1 pixel nhiễu trừ vào khối triệt nhiễu trừ. : Mất 3 pixel với ảnh số 1. 8: Đƣa ảnh số 1 có 3 pixel nhiễu trừ vào khối triệt nhiễu cộng. : Đƣa ảnh số 1 có 3 pixel nhiễu trừ vào khối triệt nhiễu trừ.
: Mất 3 pixel với ảnh số 7.