Yeni bir sınıflayıcı topolojisi – genelleştirilmiş sınıflayıcı yapay sinir ağı ve donanım üzerinde gerçekleştirilmesi

Bu çalışmada, radyal tabanlı fonksiyona dayalı genelleştirilmiş sınıflayıcı yapay sinir ağı adı verilen yeni bir sınıflama yapay sinir ağı geliştirilmiş ve alan programlanabilir kapı dizileri üzerinde gerçekleştirilmiştir. Ayrıca sunulan yapay sinir ağı, ilk olarak logaritmik öğrenme yönteminin adaptasyonu ile sonrasında ise bu çalışmada önerilen yeni bir yumuşatma parametresi hesabı yöntemi (tek geçişli öğrenme) kullanılarak ilerletilmiştir. Tek geçişli öğrenme yöntemi, sunulan sınıflayıcının donanım üzerinde uygulanabilirliğini arttırmıştır; bu nedenle, tek geçişli öğrenen genelleştirilmiş yapay sinir ağı, alan programlanabilir kapı dizileri üzerinde cihaz dışı öğrenme yöntemi ile gerçekleştirilmiştir. Tanıtılan sınıflayıcı ve öğrenme yöntemleri, UCI makine öğrenmesi veri seti deposundan 15 veri seti ile 10'lu çapraz geçerlilik ile test edilmiş ve sıklıkla kullanılan diğer yapay sinir ağı yöntemleriyle karşılaştırılmıştır. Test sonuçları, sınıflayıcının ve öğrenme yöntemlerinin etkinliğini kanıtlamaktadır. Yazılım testlerine ek olarak, önerilen donanımın 10'lu çapraz geçerlilik testine uygun şekilde UCI makine öğrenmesi veri seti deposundan 8 veri seti ile simülasyonu yapılmış ve Xilinx ML605 Geliştirme kartı üzerinde gerçekleştirilmiştir. Simülasyon ve uygulama sonuçları, önerilen sınıflayıcı donanımının doğruluk kaybı olmadan çalıştığını göstermektedir. Diğer bir yandan, donanım kaynaklarının kısıtlı olması nedeniyle eğitim veri setleri gruplara bölünmüş ve donanıma grup grup gönderilmiştir. Bu nedenle, donanımın paralelliği gruptaki veri seti sayısıyla sınırlanmıştır ve hız kazancı beklenenden daha düşük olmuştur.