Private Homepage von Thomas Presberger

Meine Dissertation - Thema: Intelligente Informationsverarbeitung in Mikrosystemen

verteidigt am 09.09.99 an der TU Dresden

Vorwort

Die vorliegende Arbeit befasst sich mit dem Einsatz moderner Algorithmen der intelligenten Informationsverarbeitung in der Mikrosystemtechnik. Vor allem in den letzten fünf Jahren ist eine starke Zunahme der Anwendungen dieser bereits länger bekannten Technologien zu verzeichnen. So wurden die theoretischen Grundlagen für die Fuzzy-Logik, die Neuronalen Netze und auch für die evolutionären Optimierungsalgorithmen bereits in den 60'er Jahren erarbeitet, doch erst die stetige Entwicklung der Rechentechnik ermöglicht heute eine effektive Anwendung dieser Technologien. Das starke weltweite Interesse an dem Soft-Computing bezeichneten Gebiet führte zu zahlreichen Weiterentwicklungen und Synergieeffekten. So entstanden Kombinationen wie Neuro-Fuzzy oder evolutionäre Optimierung von Fuzzy-Systemen.
Aus dieser Entwicklung folgt, dass die meisten Realisierungen heute Softwarelösungen sind. Doch in Mikrosystemen, vor allem wenn die Sensorsignale hohe Verarbeitungsgeschwindigkeiten verlangen, ist es effektiver, spezielle Hardwarestrukturen zu entwickeln. Diese Verbindung von intelligenten Informationsverarbeitungsalgorithmen und der Mikrosystemtechnik kann zu völlig neuen Anwendungsmöglichkeiten und Produkten führen.
Die meisten theoretischen Entwicklungen auf dem Gebiet des Soft-Computing sind auf eine effektive Umsetzung in Software ausgerichtet. Diese Arbeit versucht deshalb, aus der Theorie der jeweiligen Teilgebiete hardwarespezifische Ansãtze zu entwickeln.

Inhaltsverzeichnis

1 Einleitung
1.1 Signalverarbeitung in Mikrosystemen
1.2 Intelligente Informationsverarbeitung

2 Fuzzy-Logik in Mikrosystemen
2.1 Grundzüge der Fuzzy-Logik
2.1.1 Unscharfe Mengen
2.1.2 Unscharfes Schließen
2.2 Anwendungen der Fuzzy-Logik
2.3 Umsetzung der Fuzzy-Logik in Hardware
2.4 Speicherung der Zugehörigkeitsfunktionen
2.4.1 Look-Up-Table
2.4.2 Parameterisierte Abspeicherung
2.5 Fuzzy-Control
2.6 Clusteranalyse und Klassifikation
2.7 Fuzzy-Klassifikation
2.7.1 Fuzzy-Pattern-Classification (FPC)

3 Hardwarespezifisches Fuzzy-Klassifikations-System
3.1 Ein spezieller Ansatz für Fuzzy-Klassifikations-Hardware
3.1.1 Ausgangspunkt
3.1.2 Generierung der Zugehörigkeitsfunktionen
3.2 Analyse des FCS
3.2.1 Auflösung der Zugehörigkeitsfunktionen
3.3 Fuzzy-Classification-Chip (FCC)
3.3.1 Motivation
3.3.2 Struktur des FCC
3.3.3 Anwendungen des FCC in Mikrosystemen

4 Optimierung von Fuzzy-Mikrosystemen
4.1 Motivation
4.2 Evolutionsstrategien
4.3 Genetische Algorithmen
4.4 Optimierung von Fuzzy-Systemen
4.5 Vergleich Genetische Algorithmen mit Evolutionsstrategien bei der Optimierung eines Fuzzy-Systems
4.5.1 Genetische Algorithmen oder Evolutionsstrategien?
4.5.2 Das Optimierungsproblem
4.5.2.1 Ausgangspunkt
4.5.2.2 Der Lösungsansatz
4.5.3 Die Optimierung
4.5.4 Ergebnisse
4.5.5 Schlussfolgerungen

5 Neuronale Signalverarbeitung in Mikrosystemen
5.1 Motivation
5.2 Künstliche Neuronale Netze
5.2.1 Übersicht künstlicher Neuronaler Netze
5.3 Realisierungsmöglichkeiten Neuronaler Netze
5.3.1 Analoge Realisierung
5.3.2 Digitale Realisierung
5.3.3 Pulscodierte Neuronale Netze
5.4 Natürliche neuronale Netze und stochastische Resonanz
5.4.1 Die Nervenzelle
5.4.2 Das Netzwerk
5.4.3 Das Lernen
5.4.4 Reizwandlung und Chaos
5.4.5 Die stochastische Resonanz
5.5 Ein neuer Ansatz für Pulscodierte Neuronale Netze
5.5.1 Die Signalwandlung
5.5.2 Prinzipielle Funktionselemente
5.5.2.1 Die Schwellenabbildung
5.5.3 Der Lernalgorithmus
5.6 Simulation des Puls-Noise-Modulierten Neuronalen Netzes
5.6.1 Das Simulationsmodell
5.6.2 Simulationsergebnisse
5.7 Schaltungsrealisierung
5.7.1 Prinzipieller Aufbau
5.7.2 Das Neuron
5.7.3 Die Synapse
5.7.4 Netzwerksiumlation
5.8 Fazit und Ausblick

6 Zusammenfassung

7 Literaturverzeichnis

Anlagen
8.1 Iris Plant Database
8.2 Glass Identification Database
8.3 C-Quelltext des Fuzzy-Classification-System
8.4 C-Quelltext der Optimierung mittels Evolutionsstrategie
8.5 C-Quelltext des Puls-Coded-Neural-Network (PCN)