Hardware implementation design in LabVIEW of fuzzy art based partially parallel clustering system

Abstract

A hardware implementation design of Fuzzy Adaptive Resonance Theory (ART) based partially parallel clustering system in FPGA reconfigurable computing architecture is presented. The category choice and resonance is proposed to perform in parallel. In particular, it is suggested to compute in parallel the choice functions. Moreover, the KWTA neural circuit based rank-order filters (ROFs) are proposed to use for computing largest values of the choice functions instead of the WTA unit. In addition, the vigilance condition is also suggested to verify in parallel. In this way, repeating sequential processes for the category choice and resonance can be replaced with one parallel process. This allows to reduce a computational time required for the clustering. Наведено проект схемотехнічної реалізації частково паралельної системи кластеризації, яка основана на нечіткій теорії адаптивного резонансу (ТАР), на програмованих логічних інтегральних схемах (ПЛІС) із реконфігурованою обчислювальною архітектурою. Вибирати категорію та резонанс пропонується паралельно, зокрема паралельно обчислювати функції вибору. Крім цього, для обчислення найбільших значень функцій вибору замість Winner-Takes-All (WTA) комірки пропонується використовувати паралельні ранжувальні фільтри (РФ), що ґрунтуються на нейронних схемах типу K-Winners-Take-All (KWTA). На додаток, так звану умову подібності також пропонується провіряти у паралельному режимі. Отже, повторювальні послідовні процеси вибору категорії і резонансу можна замінити на один паралельний процес. Це дасть змогу скоротити час обчислень, необхідний для кластеризації.