Neuronale Netze eignen sich besonders für Applikationen mit nicht oder nur schwer algorithmierbaren bzw. nichtlinearen Abhängigkeiten der Daten. Typische Einsatzfälle für neuronale Netze sind zum Beispiel:

Bei bestehenden Forderungen nach Echtzeitverarbeitung und Kompaktheit ist oftmals der Einsatz neuronaler Hardwarestrukturen mit hohem Parallelisierungsgrad erforderlich. Als Basiselement für solche Strukturen eignet sich der von GEMAC  entwickelte Neurochip DANA23 besonders gut, der zukünftig bezogen werden kann.

Allgemeines

Das Neurochip DANA23 (Digitaler Adaptiver Neuro ASIC) realisiert einen univer-sellen Neurocontroller. Auf dem Chip ist ein vollständiges Feed-Forward-Netzwerk mit integrierten Gewichtsspeichern realisiert. Außerdem wurde im ASIC ein abgewan-delter Backpropagation-Lernalgorithmus integriert.

Architektur

Der Neuro-ASIC verfügt über 40 Eingabeelemente und insgesamt 23 Neuronen. 20 Neuronen sind dabei als Hidden-Neuronen in einer oder zwei Lagen konfigurierbar. Als reine Output-Neuronen sind maximal drei Neuronen festgelegt. Alle Neuronen besitzen eine quadratische Aktivierungsfunktion mit variabler Steilheit.

Auf dem Chip integriert sind außerdem:

• 260 Synapsen mit adaptierbaren 10-Bit Gewichtsspeichern

• 23 Bias-Register

• 23 Slope-Register zur Einstellung der Steilheit der Aktivierungsfunktion

• Konfigurationsregister für variable Neuronenstruktur

• Register für Einstellung der Lernparameter

• 16-Bit Adress-/Datenbus,  4-Bit Steuerbus

• 84 Ein- und Ausgänge zum Kaskadieren von drei ASIC's

Datenmanagement

Der Datenverkehr mit dem Neurochip DANA23 wird über den internen I/O-Controller gesteuert und erfolgt über einen 16-Bit Datenbus mit 16-Bit Adressen und den dazugehörigen Steuersignalen. Alle Netzeingangs- und Netzausgangsdaten sind auf den Bereich -1.0 ... +1.0 normiert.

Über die Kaskadierleitungen ist die Kopplung von drei Neuro-ASIC's möglich.

Konfigurationsmöglichkeiten

Mit DANA23 sind über die internen Konfigurationsregister verschiedene Netztopologien mit einem oder drei ASIC’s realisierbar. Die Grundkonfigurationen sind in der folgenden Tabelle zusammengefasst.

Zwei Beispielkonfigurationen sind in den folgenden Bildern dargestellt.

Konfiguration 5 x 10 x 1 mit einem ASIC	Konfiguration 10 x 40 x 5 x 9 mit drei ASIC’s

Außerdem können über die Konfigurationsregister die Lernparameter, wie
z.B. Lernschrittweite und Schwellwerte, beeinflusst werden.

Leistungsdaten (vorläufig)

• Technologie:                         0,35 m  CMOS

• Chipgröße:                            35 mm²

• Versorgungsspannung:       3,3 V

• Taktfrequenz:                        33 MHz

• Leistungsaufnahme: 0,5 W

• Gehäuse:                              CQFP 208

• Abmessungen:                     30,6 mm x 30,6 mm x 4,1 mm

• Verarbeitungsgeschwindigkeit bei 33MHz:         45MCUPS

Applikationen

Typische Anwendungsfelder für den Neuro-ASIC DANA23 sind:

• Mustererkennung, Musterklassifikation

• Mikrosystemtechnik mit optischer, akustischer oder Bewegungssensorik

• Wissensbasierte Steuerung von medizinischen Geräten

• Prognosesysteme

Die oben stehende Abbildung zeigt ein einfaches Anwendungsbeispiel aus dem Bereich der Mikrosystemtechnik. Hier stellen Neurocontroller eine effiziente Möglichkeit zur Überwachung, Steuerung und Regelung dar, vor allem wenn eine exakte Modellbildung aufgrund der nichtlinearen Zusammenhänge schwer möglich ist. Das dargestellte intelligente Multisensorsystem benötigt nur einen minimalen Steuerungsaufwand und wenige externe Komponenten.

Neuronaler Netzwerksimulator DANAsim

Das Programm DANAsim ist ein Simulationstool für neuronale Netze, welches in der GEMAC mbH entwickelt wurde und speziell an den Neuro-ASIC DANA23 angepaßt ist.
Mit DANAsim können Feedforward-Netze mit bis zu vier Schichten
(eine Inputlayer, ein oder zwei Hiddenlayer und eine Outputlayer) bearbeitet werden. Die maximale Anzahl der Neuronen pro Schicht beträgt 64. Alle Neuronen arbeiten mit einer quadratischen Übergangsfunktion.
Die Lern- und Testdaten für das neuronale Netz müssen über ein entsprechendes Patternfile bereitgestellt werden. Alle Lernparameter für eine abgewandelte Form des Standard-Backpropagation-Algorithmus können einfach über die Menus des Programmes eingestellt werden.

Der Lernfortschritt und die Lernergebnisse können über entsprechende Ausgabefenster dargestellt werden, wie im folgenden Bild zu sehen ist.

Eine Anbindung des in der GEMAC mbH entwickelten PCI-Boards mit dem Neuro-ASIC DANA23 an den Simulator ist möglich. Damit können die mit Hilfe des Simulators entwickelten neuronalen Netze auch in der entsprechenden Hardware getestet werden.

DANAsim ist unter den Betriebssystemen Windows9x, Windows NT 4.0 und höher lauffähig.

• Neuro-Machbarkeitsstudien

• Entwurf und Simulation neuronaler Netze für konkrete Applikation

• Hardwareimplementierung und -test

• Applikationsspezifisches Board-Design