Etude de la tolérance aux aléas logiques des réseaux de neurones artificiels - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 1997

Tolerance of artificial neural networks against single event upsets

Etude de la tolérance aux aléas logiques des réseaux de neurones artificiels

Résumé

With the increasing complexity of treatments on satellite-borne and the utilisation of highly integrated circuits, the upset phenomenon becomes more and more crucial. Indeed, this phenomenon, caused by a heavy ion strike results in the modification of the information stored in a memory element. Upsets may perturb the operation of satellite-borne applications and can lead to serious consequences on the control of equipment operating in space. Artificial neural networks (ANN) constitute a new approach in information processing. They offer powerful and compact solutions to a wide range of problems, in particular those with real time constraints which is the case for most of current space applications. Among the main properties of neural networks we can mention their fault tolerance which measures their capability to perform the desired task under fault conditions (erroneous information) and to maintain their computing ability when a part of the network is damaged or removed. The goal of this thesis is to study the fault tolerance of neural networks against single event upsets in order to investigate the possibility of their utilisation in a radiative environment such as space. This work aims mainly at choosing, among the tested circuits, those that are accepted (or rejected) for space applications. Several networks and several circuits have been tested. Three kinds of experiments have been performed: software simulation of errors, hardware injection of faults and heavy ions tests. Obtained results show that Artificial Neural Networks are tolerant against upsets which make them a good candidate for use in space applications.
Avec l'accroissement de la complexité des traitements effectués à bord des véhicules spatiaux et l'utilisation de circuits de plus en plus intégrés, le phénomène d'upset devient de plus en plus critique. En effet, ce phénomène se traduit par le basculement intempestif du contenu d'un point mémoire suite à l'impact d'une particule lourde dans des zones sensibles du circuit. Ses conséquences sont parfois fatales et peuvent conduire à la perte voire à la destruction de l'engin sur lequel il a eu lieu. Les réseaux de neurones artificiels constituent une nouvelle approche de traitement de l'information. Ils offrent des solutions compactes et rapides pour une large gamme de problèmes, en particulier ceux ayant des contraintes temps réel tel le cas de la plupart des applications spatiales actuelles. Ceci est davantage vrai avec l'utilisation des émulations et des implantations matérielle. Parmi les propriétés importantes des réseaux de neurones, on peut citer leur tolérance aux fautes qui mesure leur aptitude à exécuter la tâche qui leur est demandée en présence d'informations erronées et de maintenir leur capacité de calcul même si une partie du réseau est endommagée. L'objectif de cette thèse est d'étudier la tolérance aux fautes des réseaux de neurones face aux fautes de type upset et ceci en vue d'étudier la possibilité de leur utilisation, sous forme matérielle, dans un environnement radiatif tel que l'espace, le but étant de choisir parmi des circuits candidats, ceux qui sont acceptés (ou rejetés) pour des applications spatiales. Pour ce faire, plusieurs réseaux et plusieurs circuits ont été testés. Les expériences réalisées étaient de type simulation logicielle d'erreurs, injection matérielle de fautes et tests aux ions lourds. Les résultats obtenus montrent que les réseaux de neurones artificiels sont tolérants aux fautes de type upsets ce qui en fait un bon candidat pour les applications s'exécutant à bord des engins spatiaux.
Fichier principal
Vignette du fichier
tel-00004913.pdf (2.2 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00004913 , version 1 (20-02-2004)

Identifiants

  • HAL Id : tel-00004913 , version 1

Citer

Ammar Assoum. Etude de la tolérance aux aléas logiques des réseaux de neurones artificiels. Autre [cs.OH]. Institut National Polytechnique de Grenoble - INPG, 1997. Français. ⟨NNT : ⟩. ⟨tel-00004913⟩

Collections

UGA IMAG CNRS
186 Consultations
457 Téléchargements

Partager

Gmail Facebook X LinkedIn More