Perceptron multicamadas em CMOS 16nm: uma abordagem baseada em amplificadores operacionais

Abstract

Este trabalho teve como objetivo implementar redes neurais em hardware usando a tecnologia CMOS de 16nm e avaliar seu desempenho na classificação automática de fontes de caracteres. O método utilizado envolveu a representação analógica dos circuitos da rede neural MLP, mapeando o comportamento da saída em relação às entradas, utilizando tabelas e linearizações para tal. Além disso, desenvolveu-se um banco de imagens para a tarefa de classificação, utilizado para treinar e validar a rede neural. Os resultados mostraram que as redes neurais em hardware, podem fornecer resultados similares aos obtidos em software, indicando uma aplicação promissora em tarefas de classificação e reconhecimento de padrões. A abordagem proposta combinou técnicas de simulação e validação prática, demonstrando a viabilidade e eficiência da implementação de redes neurais em circuitos analógicos, com potencial para avanços futuros em aplicações de inteligência artificial e processamento de sinais.

This work aimed to implement neural networks in hardware using 16nm CMOS technology and evaluate their performance in the automatic classification of character fonts. The method used involved the analogical representation of the neural network circuits to map the output behavior in relation to the inputs, using tables and linearizations. Additionally, an image database was developed for the classification task, which was used to train and validate the neural network. The results showed that neural networks in hardware can provide results similar to those obtained by software, indicating a promising application in classification and pattern recognition tasks. The proposed approach combined simulation techniques and practical validation, demonstrating the feasibility and efficiency of implementing neural networks in analog circuits, with potential for future advancements in artificial intelligence applications and signal processing.