Please use this identifier to cite or link to this item: http://ena.lp.edu.ua:8080/handle/ntb/20912
Title: Аналогова структурно-функціональна нейронна схема визначення максимальних сигналів
Authors: Тимощук, П.
Bibliographic description (Ukraine): Тимощук П. Аналогова структурно-функціональна нейронна схема визначення максимальних сигналів / П. Тимощук // Вісник Національного університету "Львівська політехніка". – 2012. – № 744 : Комп’ютерні науки та інформаційні технології. – С. 10–17. – Бібліографія: 24 назви.
Issue Date: 2012
Publisher: Видавництво Львівської політехніки
Keywords: модель неперерного часу аналогова K-winners-take-all-нейронна схема.
рівняння стану
структурно-функціональна схема
жорсткообмежувальний нейрон
аналогова K-winners-take-all-нейронна схема
continuous-time model
state equation
functional block-diagram
hardlimiting neuron
analogue K-winners-take-all neural circuit
Abstract: Наведено модель неперервного часу аналогової K-winners-take-all (KWTA)-нейронної схеми, яка дає змогу визначати К найбільших серед N невідомих вхідних даних, які можна розрізнити, де 1≤ K < N. Модель описується одним рівнянням стану з розривною правою частиною і вихідним рівнянням. Подано відповідну структурнофункціональну схему у вигляді N жорсткообмежувальних нейронів прямого поширення і одного жорсткообмежувального нейрона зворотного зв’язку, який використовується для визначення динамічного зсуву вхідних дій. Модель поєднує у собі такі властивості,як висока точність і швидкодія, низькі обчислювальна складність і складність апаратної реалізації і незалежність від початкових умов. Наведено приклади моделювання, які демонструють функціонування моделі. A continuous-time model of analogue K-winners-take-all (KWTA) neural circuit which is capable to extraction the K largest from any finite value N unknown distinct inputs, where 1 ≤ K < N, is presented. The model is described by one state equation with discontinuous righthand side and output equation. A corresponding functional block diagram of the model is given as N feedforward and one feedback hardlimiting neurons, which is used to determine the dynamic shift of inputs. The model combines such properties as high accuracy and convergence speed, low computational and hardware implementation complexity, and independency on initial conditions. Simulation examples demonstrating the model performance are provided.
URI: http://ena.lp.edu.ua:8080/handle/ntb/20912
Content type: Article
Appears in Collections:Комп'ютерні науки та інформаційні технології. – 2012. – №744

Files in This Item:
File Description SizeFormat 
3-Tymoshchuk-10-17.pdf225,08 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.