اطلاعیه دفاع از پایان نامه کارشناسی ارشد

چکیده پایان نامه:در این پایان نامه هدف طراحی و پیاده سازی سیستم تشخیص خستگی راننده با استفاده از پردازنده توسعه یافته مبتنی بر RiscV روی FPGA میباشد. برای تشخیص خستگی راننده، کد C توصیف کننده یک شبکه ی عصبی پیچشی روی پردازنده پیاده سازی شده است. شبکه عصبی پیچشی آموزش دیده شده است تا بتواند چهار حالت اصلی راننده را که شامل حالت حواس پرتی، حالت عادی، حالت خواب و خمیازه هستند را دسته بندی کند. دقت شبکه عصبی پیچشی برای داده ی تصدیق 81.07% میباشد. همچنین به علت محدودیت حافظه روی FPGA، کد C نوشته شده برای شبکه عصبی پیچشی تعلیم یافته، در چندین بخش بهینه سازی شد. این بهینه سازی ها شامل استفاده از داده هایی از نوع ممیز ثابت که در هر لایه شبکه عصبی ساختار متناسب آن لایه را دارند و هم چنین استفاده از توابع تخصیص حافظه پویا میباشد. علاوه بر اینها، پردازنده نیز با اضافه کردن سه دستور جدید شامل یک نوع خاص ذخیره سازی در حافظه، ضرب و انباشت و کانولوشن دو در دو بهبود یافته است. دستورات گفته شده به کامپایلر موجود برای پردازنده های RiscV نیز اضافه شدند. همچنین در کنار پردازنده پایه، از یک شتاب دهنده ی برداری مبتنی بر RiscV نیز برای بهبود سرعت اجرای شبکه عصبی استفاده شد. برای استفاده از شتاب دهنده برداری، کد C شبکه عصبی تعلیم داده شده مجدد به زبان ذاتی برداری RiscV نوشته شد. در نتیجه، برای حالت اضافه کردن دستورات، پردازنده با دستور ذخیره سازی در حافظه، ضرب و انباشت و کانولوشن دو در دو به عنوان دستورات اضافه شده، از نظر تاخیر بهترین عملکرد را با ضریب بهبود 1.7 در مقابل پردازنده معمولی؛ و ضریب بهبود 1.25 در مقابل پردازنده فقط با دو دستور ذخیره سازی در حافظه و ضرب و انباشت به بهای افزایش بسیار قابل چشم پوشی در فضا را داشت. در حالت برداری نیز بهبود 3 برابری از نظر سرعت اجرا در مقابل پردازنده پایه قابل مشاهده است.کلمات کلیدی: شبکه های عصبی پیچشی، تشخیص خستگی راننده، پردازنده بهبود یافته مبتنی بر RiscV، شتاب دهنده برداری، طراحی مشترک نرم افزار و سخت افزاراساتید راهنما: دکتر مرتضی موسی زادهاساتید داور: دکتر بهبود مشعوفی، دکتر امیر فتحی