Diseño e implementación de una red neuronal de tercera generación sobre FPGA y su aplicación a un problema de clasificación
Year: 2026
Type: dissertation
Abstract: El objetivo de este proyecto es diseñar e implementar una red neuronal de impulsos (Spiking Neural Network, SNN) capaz de reconocer dígitos manuscritos, y desplegarla sobre una FPGA. La red está compuesta por un codificador periódico y dos capas de neuronas LIF (Leaky Integrate-and-Fire), con una arquitectura de 784 entradas, 512 neuronas ocultas y 10 neuronas de salida. El sistema completo ha sido entrenado en Python, verificado mediante simulación en ModelSim y finalmente implementado en hardware real sobre una placa Altera DE0, donde recibe imágenes desde un PC mediante comunicación serie UART (Universal Asynchronous Receiver-Transmitter) y devuelve el dígito reconocido en tiempo real. El sistema alcanza una precisión del 94 % tanto en software como en hardware sobre el conjunto de test del dataset MNIST, y es capaz de reconocer imágenes reales de dígitos manuscritos ajenos a cualquier conjunto de datos de entrenamiento, validando así su capacidad de generalización. El trabajo demuestra la viabilidad de desplegar SNNs en FPGAs de gama baja con recursos y consumo energético reducidos.
Author: Baleriola Labanda, Víctor
Language: Spanish
Subfield: Electrical and Electronic Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7164464511