Logo image
The Robustness of the Probabilistic Neural System against Substrate Noise
Thesis

The Robustness of the Probabilistic Neural System against Substrate Noise

李奇樵
Masters, 國立清華大學, 電子工程研究所
2007

Abstract

機率型類神經 基板雜訊 CRBM Probabilistic Neural Substrate Noise CRBM
隨著生物電子領域的快速發展,許多生物電子系統 ( Bio-electronic System )都已結合積體電路作成植入式元件 (Implantable Device) [1][2],並被廣泛應用在生物醫學領域。然而在充滿雜訊的生醫環境底下,元件內的生物電子系統必須要有相當的雜訊抵抗能力,才能夠確保生物晶片植入生物體內後能夠不受雜訊干擾正常運作。而其中「連續值侷限型波茲曼模型」(Continuous Restricted Boltzmann Machine,以下簡稱 CRBM )就是一種被認為相當具有發展潛力的可靠模型,因為這類模型的系統架構採用機率型輸出,比起採用傳統決定性 (Deterministic) 輸出的模型而言,將擁有更佳的計算錯誤容忍度,因此更適合在充滿雜訊的生醫環境底下工作。 隨著CMOS製程的微小化以及SOC的發展應用日漸成熟,將來類比訊號的生物電子系統勢必會與數位電路整合至同一晶片上,而數位電路的訊號較強,很可能透過基版 (Substrate) 的訊號耦合而干擾到同一晶片上的生物電子系統。因此,本論文的研究目標就是研究基板雜訊對CRBM系統的效能影響,並模擬檢驗CRBM系統對於基板雜訊的雜訊容忍值。 本論文研究是採用許多不同的環境設定去模擬基板雜訊對CRBM系統在二維人工資料的建模 (Modeling) 以及多維人工資料的辨識 (Classifying)之影響,從模擬的結果我們可以得知CRBM系統的雜訊容忍力頗佳,即使是對於伴隨偏移所產生的雜訊,也有相當優秀的抵抗能力。此外本研究也發現CRBM系統有可能可以利用電晶體內部雜訊或是其他雜訊來源來執行電路運算之可能性,提供了將來改善CRBM系統架構的另一個研究方向。

Metrics

1 Record Views

Details

Logo image