آیلین اسدپور - دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد کرمان، کرمان، ایران
امیر صباغ ملاحسینی - دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد کرمان، کرمان، ایران
آزاده السادات عمرانی زرندی - دانشکده مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران

شبکه های عصبی و انواع آن به طور گسترده در حوزه های مختلفی مانند تشخیص گفتار، طبقه بندی تصاویر پیچیده و سیستم های امنیتی و نظارتی استفاده می شوند. دقت بالاتر در مدل های پیچیده شبکه عصبی، منجر به هزینه محاسباتی بالا و مصرف بیش از حد انرژی می شود. محاسبات کوانتومی و توابع منطقی برگشت پذیر در سال های اخیر در زمینه طراحی مدارهای کم توان VLSI و فناوری نانو مورد تحقیق قرار گرفته است. محاسبات برگشت پذیر کاهش قابل توجهی را در اتلاف توان در مدارهای دیجیتال نشان می دهد. در این مقاله، طراحی جدید از شبکه عصبی مصنوعی (ANN) با استفاده از گیت های منطقی برگشت پذیر پیشنهاد شده است. پیاده سازی سخت افزاری روش پیشنهادی با استفاده از VHDL و ابزار شبیه سازی RcViewer + ارائه شده است. تجزیه و تحلیل نتایج نشان می دهد که رویکرد پیشنهادی ما به کاهش تقریبا ۳۹ درصدی در تاخیر کلی در مقایسه با رویکردهای موجود دست یافته است. رویکرد پیشنهادی نیز مقیاس پذیری بهتری نسبت به رویکرد طراحی کلاسیک دارد.

شبکه عصبی مصنوعی، ضرب کننده آرایه ای برگشت پذیر، محاسبات کوانتومی، منطق برگشت پذیر