Розроблення та реалізації хаотичної осциляторної нейронної мережі для задач кластеризації даних.

Abstract

Випускна кваліфікаційна робота присвячена розробці та реалізації хаотичної осциляторної нейронної мережі (ХОНМ) для вирішення задач кластеризації даних із акцентом на її апаратну реалізацію. Актуальність теми зумовлена зростаючою потребою в ефективних методах обробки великих обсягів даних у реальному часі, що є характерним для сучасних інформаційних систем, таких як Інтернет речей, обробка зображень, біоінформатика та автономні транспортні засоби. Хаотичні осциляторні нейронні мережі вирізняються своєю здатністю виконувати кластеризацію без тривалого навчання, що робить їх перспективними для створення енергоефективних апаратних платформ. Метою роботи є створення хаотичного осцилятора, який відповідає сучасним вимогам до інтегральних схем, зокрема компактності, стійкості до розкиду параметрів, сумісності з КМОН-технологією та низького енергоспоживання, а також розробка моделі ХОНМ для задач кластеризації. Для досягнення цієї мети було поставлено такі завдання: аналіз теоретичних основ роботи ХОНМ, огляд існуючих рішень хаотичних осциляторів, розробка власної схеми осцилятора, моделювання архітектури ХОНМ, оцінка параметрів розробленого осцилятора та створення програмних засобів для обробки результатів кластеризації. У першому розділі роботи розглянуто теоретичні основи функціонування ХОНМ, зокрема принципи кластеризації та роботи хаотичних нейронів. Детально проаналізовано логістичне відображення та відображення Айхари, які забезпечують хаотичну динаміку, необхідну для синхронізації осциляторів. Встановлено, що синхронізація є ключовим механізмом для виділення кластерів, а вибір відповідного відображення впливає на стабільність і ефективність мережі. Другий розділ присвячений огляду існуючих рішень хаотичних осциляторів, таких як схема Чуа та осцилятори на основі мемристорів. Проведений аналіз показав, що ці рішення мають обмеження, пов’язані з великою площею на кристалі, нестабільністю до розкиду параметрів або відсутністю можливості перебудови атрактора. На основі цього запропоновано власну схему хаотичного осцилятора, яка поєднує аналогові та цифрові підходи. Схема включає аналоговий компаратор із компенсацією офсету та пристрій вибірки-зберігання, що забезпечує високу стійкість і компактність. Результати моделювання підтвердили коректність роботи схеми. У третьому розділі проведено оцінку параметрів розробленого осцилятора. Динамічний діапазон склав 9.94 біт, а енергоспоживання – 84 мкВт, що перевищує показники аналогів (осциляторів Уенохари, Атуті та Морі). Позитивний коефіцієнт Ляпунова (0.5722) свідчить про стабільну хаотичну динаміку. Моделювання ХОНМ із десяти осциляторів продемонструвало коректну синхронізацію та здатність мережі виділяти кластери. Для автоматизації аналізу результатів розроблено програмне забезпечення в MATLAB, яке формує матриці синхронізації та кластерів, забезпечуючи точну інтерпретацію результатів кластеризації. Четвертий розділ присвячений аналізу питань охорони праці під час роботи з комп’ютерною технікою. Розглянуто шкідливі та небезпечні чинники, такі як електромагнітне випромінювання, неправильне освітлення та ергономіка робочого місця, а також запропоновано заходи для їхнього усунення, зокрема оптимальні параметри мікроклімату, освітлення та протипожежної безпеки. Результати роботи підтвердили, що розроблений хаотичний осцилятор і модель ХОНМ є ефективними для вирішення задач кластеризації. Практичне значення роботи полягає в можливості використання запропонованих рішень для створення енергоефективних апаратних платформ, які можуть бути застосовані в системах обробки даних у реальному часі. Теоретичне значення полягає в поглибленні розуміння принципів роботи ХОНМ і розробці нових підходів до їхньої апаратної реалізації. Перспективи подальших досліджень включають оптимізацію топології осцилятора, інтеграцію з RRAM-пам’яттю та розширення функціональності мережі для складніших завдань.

The final qualification work is devoted to the development and implementation of a chaotic oscillatory neural network (CONN) for solving data clustering tasks, with a focus on its hardware realization. The relevance of the topic stems from the growing need for efficient methods to process large volumes of data in real time, which is characteristic of modern information systems such as the Internet of Things, image processing, bioinformatics, and autonomous vehicles. Chaotic oscillatory neural networks stand out due to their ability to perform clustering without requiring extensive training, making them promising for creating energy-efficient hardware platforms. The objective of the work is to design a chaotic oscillator that meets modern requirements for integrated circuits, including compactness, robustness to parameter variations, compatibility with CMOS technology, and low power consumption, as well as to develop a CONN model for clustering tasks. To achieve this goal, the following tasks were addressed: analysis of the theoretical foundations of CONN operation, review of existing chaotic oscillator designs, development of an original oscillator circuit, simulation of the CONN architecture, evaluation of the developed oscillator’s parameters, and creation of software tools for processing clustering results. The first chapter of the work examines the theoretical foundations of CONN operation, including the principles of clustering and the functioning of chaotic neurons. The logistic mapping and the Aihara mapping, which provide the chaotic dynamics necessary for oscillator synchronization, were analyzed in detail. It was established that synchronization is a key mechanism for cluster identification, and the choice of mapping significantly affects the stability and efficiency of the network. The second chapter focuses on a review of existing chaotic oscillator solutions, such as the Chua circuit and memristor-based oscillators. The analysis revealed that these solutions have limitations related to large chip area, instability to parameter variations, or lack of reconfigurability for attractors. Based on this, an original chaotic oscillator circuit was proposed, combining analog and digital approaches. The circuit includes an analog comparator with offset compensation and a sample-and-hold device, ensuring high robustness and compactness. Simulation results confirmed the circuit’s correct operation. The third chapter evaluates the parameters of the developed oscillator. The dynamic range reached 9.94 bits, and power consumption was 84 µW, surpassing the performance of analogs (Uenohara, Atuti, and Mori oscillators). A positive Lyapunov exponent (0.5722) indicates stable chaotic dynamics. Simulation of a CONN with ten oscillators demonstrated correct synchronization and the network’s ability to accurately identify clusters. To automate the analysis of results, software was developed in MATLAB to generate synchronization and clustering matrices, ensuring precise interpretation of clustering outcomes. The fourth chapter addresses occupational safety issues related to working with computer equipment. Harmful and hazardous factors, such as electromagnetic radiation, inadequate lighting, and workplace ergonomics, were analyzed, and measures to mitigate them were proposed, including optimal microclimate parameters, lighting, and fire safety requirements. The results of the work confirm that the developed chaotic oscillator and CONN model are effective for clustering tasks. The practical significance of the work lies in the potential to use the proposed solutions for creating energy-efficient hardware platforms for real-time data processing. The theoretical significance is in deepening the understanding of CONN principles and developing new approaches to their hardware implementation. Future research prospects include optimizing the oscillator topology, integrating with RRAM memory, and expanding the network’s functionality for more complex tasks.