In this dissertation, a modular analog neural network chip set with on-chip learning capability is presented. These synapse chip and neuron chip are designed with modular concepts and expandable for multi-layer and large numbers of neurons and synapses. The expansion is so easy that it does not require any additional circuits and is completed by pin-to-pin connections. As a learning algorithm, error back-propagation is incorporated in the chip set. For given input and output patterns, the neural network chip adapts by itself. The chips are fabricated using 0.8㎛ CMOS process and are used to implement analog neural network system. The system is proven to have ability to learn gray patterns and character recognition as well as XOR problems.
These analog neural network system is applied to a active noise control. Basic idea of the active noise control is fully investigated with simulations. From the simulation results, the active noise control using neural network shows better performance and stability than that using transversal adaptive filter, which gives a good reason to implement and apply neural network chip to the active noise control. The analog neural network system is successfully trained to cancel noise in feedforward active noise control.
Adaptive equalizing which does important roles in mobile communications is also one of good applications. Simulations for equalizer are performed to verify superior of the neural network to conventional schemes in minimum and nonminimum phase channels. The adaptive equalizer using the analog neural network system is adaptive is proven to diminish ISI (intersymbol interference) caused by dispersive channel and shows possibility to be used in communication receivers.
이 논문에서는 학습 기능을 갖는 아날로그 신경회로망 칩 세트와 그 칩으로 이루어진 시스템 그리고 응용분야를 제안한다. 이 신경회로망 칩은 다층 퍼셉트론을 구현한 것인데, 하드웨어 신경회로망 구현에 적합한 시냅스 셀과 뉴런 셀을 제안하였다. 시냅스와 뉴런이 별도의 칩으로 제작되고 다층과 다수의 뉴런, 시냅스로의 확장은 연결만 해주면 이루어진다. 뉴런 칩에는 20개의 뉴런 셀이, 시냅스에는 250개의 시냅스 셀과 통신 응용 분야를 위한 25단의 아날로그 딜레이 라인이 집적되어있다. 신경회로망의 가중치는 캐패시터에 저장하며, 이 캐패시터의 값을 조금씩 바꾸어나가면서 학습이 이루어진다. 칩에 내장된 학습 법칙은 가장 많이 쓰이는 오차 역전파 학습법으로 주어진 입력과 출력 자료를 칩 스스로 학습할 수 있다. 칩은 0.8㎛의 CMOS공정으로 제작되었으며, 칩의 크기는 5.05mm × 5.05mm이다. 이 칩을 사용해서 호스트 컴퓨터에 연결된 아날로그 신경 회로망 시스템이 구축되었다. 이 시스템은 최고 6개의 시냅스 칩과 2개의 뉴런 칩을 장착할 수 있어서, 50-20-20 크기의 신경회로망을 구성할 수 있다. 또한, 이 시스템에는 시냅스 칩의 캐패시터 리프레쉬를 위한 DSP가 장착되었다. 이 아날로그 신경회로망 시스템은 XOR논리 외에도 간단한 문자 인식과 명암 패턴을 정확히 학습할 수 있다. 이 신경회로망 시스템의 성능은 연상 기능시 약 214 MCPS에 달하고, 학습 기능은 115 MCUPS에 해당하는데, 이는 약 600 MIPS의 DSP가 이룰 수 있는 속도이다.
이 아날로그 신경회로망 시스템의 적절한 응용 분야로 능동 소음 제어를 제안한다. 능동 소음 제어의 기본 원리가 면멸히 검토되었고, 기존의 적응 필터 방식과 함께 다층 퍼셉트론을 전방향 제어와 궤환 제어로 나누어 모의실험하여, 다층 퍼셉트론이 적응 필터보다 더 좋은 성능과 안정성을 보임을 확인하였다. 특히, 스피커의 왜곡이 크거나, 잡음이 주기적 신호가 아닌 경우에는 더 성능 차이가 컸다. 개발된 아날로그 신경회로망 시스템으로 제어기를 대체, 실험하여 잡음 제거 성능을 확인하였다.
또한, 개발된 아날로그 신경회로망 시스템을 적응 등화기에 응용하였다. 근래에 들어서 무선 데이타 통신이 각광을 받으면서 끊어지지 않는 연결과 완벽한 데이타 복구를 위한 등화기가 주목을 받고 있다. 등화기에 대한 기본적인 이론과 모의실험으로 등화기에 적절한 신경회로망 모델을 제안하고 기존의 기법보다 우수한 성능을 보임을 확인하였다. 이 제어기를 신경회로망 시스템으로 대체하여 적응 등화기의 효과를 보였다.
