Синтез функциональных преобразователей частотно-временных параметров сигналов на основе многоуровневого нейросетевого описания

• Автор: Антоненко, Андрей Васильевич
• Шифр специальности: 05.13.05
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Рязань
• Количество страниц: 234 с. : ил.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ Глава

ОСНОВНЫЕ ПОЛОЖЕНИЯ МНОГОУРОВНЕВОГО НЕЙРОСЕТЕВОГО ОПИСАНИЯ СТРУКТУР ФУШЩИОНАЛЬНОГО ПРЕОБРАЗОВАТЕЛЯ. ЭТАПЫ ЕГО СИНТЕЗА С ИСПОЛЬЗОВАНИЕМ МАТЕМАТИЧЕСКИХ НЕЙРОНОВ
1.1 Особенности представленияинформации и структурной организации функциональных преобразователей частотновременных параметров сигналов
1.2 Выбор и обоснование уровней описания структур преобразователя при его синтезе на основе нейросетевых технологий. Укрупненная процедура синтеза с учетом выбранного уровня
1.3 Постановка задач и и целевая функция разработки ИНСпреобразователя с использованием операций математических нейронов
1.4 Выбор математической модели нейронов для построения аппроксимирующих ИНСпреобразователей
1.5 Этапы синтеза структурноймодели ИНСпреобразователя с использованием операций математических нейронов

1.6 Основные выводы Глава

ФУНКЦИОНАЛЬНЫЕ МОДЕЛИ НЕЙРОНОВПРЕОБРАЗОВАТЕЛЕЙ КОД АНАЛОГ И АНАЛОГ КОД

2.1 Методика построения функциональной модели нейронапреобразователя с использованием операций нейросетсвого базиса
2.2 Функциональные модели элементарных нейроновпреобразователей код аналог
2.3 Оценка характеристик нейроновпреобразователей У
2.4 Построение моделей нейроновпреобразователей аналог код
прямого принципа действия
2.5 Нейроныпреобразователи аналог код замкнутого типа
2.6 Оценка точности и быстродействия преобразователей 5Ч
2.7 Нейронысумматоры и вычитатели импульсноаналотвых сигналов
2.8 Основные выводы Глава
СТРУКТУРНЫЙ СИНТЕЗ ИНСПРЕОБРАЗОВАТЕЛЕЙ НА ОСНОВЕ ОПЕРАЦИОННЫХ УЗЛОВ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ 1СРУПНОЗЕРНИС ГЫЙ УРОВЕНЬ
3.1 Постановка задачи структурного синтеза и уровни описания схемы ИНСпреобразователя на основе операционных узлов ВТ
3.2 Укрупненная процедура синтеза схемы ИНСпреобразователя

V
3.3 Выбор подхода к получению структуры ИНСпреобразователя на основе классификации сетей по способу решения задачи этап
3.4 Получение математической модели структуры ИНСпреобразователя на основе исходной нейросети этап
3.5 Выбор структурноалгоритмической организации ИНСпреобразователя этап
3.6 Формирование структурной модели ИНСпреобразователя в виде аналогоцифровой нейросети на основе нейроновпреобразователей этап
3.6.1 Структура ИНСпреобразователякод частота непрерывного принципа действия с использованием упрощенной сигмоиды
3.6.2 Структура многотактного ИНСпреобразователя
код временной интервал
3.6.3Структура многотактного ИНСпреобразователя.
частота код, реализующегополином поформуле Горнера
3.6.4 Структура многотактного ИНСпреобразователя
частота код, реализующего сумму простых дробей
Оценка аппаратных затрат на реализацию ИНСпреобразователя в соответствии с целевой функцией его синтеза этап
3.8 Методика структурного синтеза элементарного НП как операционного устройства этап
3.8.1 Основное содержание методики структурного синтеза
3.8.2 Типовой набор операционных узлов цифровой ВТ, возможности его использования для выполнения операций ИНС
3.8.3 Возможности примененияпредложенной методики для построенияФП с использованием других видов элементнойбазы
.4 Стадии структурного синтеза ИНСиреобразователей на основе операционных узлов ВТ
3.9 Построение логической схемы ИНСпреобразователя на основе операционных узлов ВТ этап
3. Анализ технических характеристикИНСпреобразователей этап
Анализ инструменталыюй погрешности многотактного функционального преобразователя г с приближением функций суммой простых дробей
Анализ инструментальной погрешности многотактного ИНСпреобразователя Т
3. Основные выводы
6 5
Глава 4.
СПЕЦИАЛИЗИРОВАННЫЕ АЛГОРИТМЫ НАСТРОЙКИ
СТРУКТУР ИНСПРЕОБРАЗОВАТЕЛЕЙ
4.1 Обоснование включения настройки структур ИНСпреобразователя в процедуру его синтеза
4.2 Процедуры настройки ИНСпреобразователей частоты в код на основе двухслойного персептрона при реализации на ПЛИС
4.2.1 Получение синтез базовой структуры ИНСпреобразователя частоты в код на основе двухслойного персептрона
4.2.2 Алгоритмы коррекции весовых коэффициентов и порогов нейронов преобразователя частоты в код на основе двухслойного персептрона
4.3 Специализированный алгоритм настройки персептронных сетей для задачи преобразования частотновременных параметров сигналов в позиционный код
4.3.1 Алгоритм обучения трехслойной персептронной сети требуемой задаче преобразования
4.3.2 Пример обучения трехслойного персептрона на решение заданной задачи преобразования
4.4 Применение радиальнобазисной сети для построения ИНСинтерполягора код частота
4.4.1 Интерполятор на основе радиальнобазисной сети
4.4.2 Пример обучения радиальнобазисной сети на задачу интерполированияхарактеристики преобразования, заданной в табличном виде
4.4.3 Специализированный алгоритмобучения настройки ИНСпреобразователя на основе радиальнобазисной сети
4.4.4 Пример обучения радиальнобазисной сети на задачу преобразования позиционного кода в.частоту
4.5 Специализированный алгоритм настройки рекуррентной сети для преобразованиячастотновременных параметров сигналов в код
4.5.1 Структура нейросетевого преобразователя на основе рекуррентной сети
4.5.2 Специализированный алгоритм настройки рекуррентной сети
4.6 Пример настройки и реализации на ПЛИС ИНСпреобразователя для уровнемера электропроводных сред
4.7 Основные выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


С развитием нанотехнологий выделяются новые виды, информационных единиц и их потоков или состояний, которые могут составить основу создания нейросегевых компьютерови преобразователей формы информации Г1ФИ. В связи, с этим является актуальной научной задачей создание структурных и функциональных моделей ПФИ оперирующих с сигналами, представленными в виде потоков информационных квантов с возможностью их приложения для создания перспективных нейроблоков на базе атомарных и молекулярных процессов . При решении, задачи нелинейного преобразования структурная, организация, известных функциональных преобразователей ФП определяется перечнем функций и блоков. При этом набор блоков1 известных ФП и взаимосвязь между ними существенно зависят от выбранного метода аппроксимации, принципа действия преобразователя, принятой элементной базы, формы представления сигналов и т. При построении ФП строится его исходная функциональнологическая схема ФЛС рис. Затем осуществляется разработка отдельных функциональных блоков схемы преобразователяи т. Именно наличие жесткой структуры характерно для4 многих известных ФП представленных в работах Смолова В. Б., Угрюмова. Е.П. Карпова Р. Г., Паламарюка Г. О., Шляндина . Герасимова И. В., Локтюхина В. Н., Сафьянникова Н. М и др. Анализ структур ФП с жесткой логикой показывает, что они характеризуются следующими двумя основными операционными возможностями табл. ОВ2 воспроизведение широкого класса нелинейных зависимостей. Таблица 1. БУ блок управления, БП блок памяти, ОБ операционный блок, БС блок сопряжения, БОИ блок определения интервала Фу функция управления,. Фп функция памяти Фпр функция преобразования, Фв функция вычисления, Фс функция сопряжения, Фи функция определения интервала, Фине функция искусственной нейронной сети. Рисунок 1. ИНСпреобразователя г . С появлением в последние годы БИС с программируемой структурой, в том числе программируемых логических ПЛИС и аналоговых ПАИС интегральных схем, а также систем на кристалле, появились все необходимые предпосылки для дальнейшего расширения операционных функциональных возможностей функциональных преобразователей, информации см. ОВ5 адаптация структуры к виду преобразуемого сигнала. ПВ4 унификация проектной процедуры к типу элементной базы и формам представления сигналов. Проведенный анализ проектных возможностей известных структур ФП. ИНСпреобразователями, интерпретируемыми как цельный функциональный узел в виде ИН рис. Оценка затрат времени на разработку ИНСпреобразователя произведенная, в работе Челебаева С. В. , показывает, что выигрыш , при проектироваиииИНСпреобразователя как. ФП с жесткой структурой см. Кроме того, анализ известных ИНСпреобразователей частотновременных параметров сигналов в код позволил выявить. ИНСпреобразователей на выполнение новой функции преобразования с учетом элементной базы на их реализацию. Перечисленные ограничения известных решений могут быть преодолены при проектировании ИНСиреобразователей на основе их многоуровневого, описания. Выбор и обоснование уровней описания структур преобразователя при его синтезе на основе нейросетевых технологий. Проектирование процесс создания описания, необходимого1 для построения в заданных условиях еще не существующего техническогообъекта устройства, на основе первичного описания этого объекта . Под процедурой синтеза понимается формализованная, совокупность действий, выполнение которых заканчивается созданием структуры, устройства, подлежащей далее реализации на выбранной элементной. В проектных процедурах, связанных с функциональными и структурными аспектами проектирования , как правило, используются математические модели, отражающие закономерности процессов функционирования и структурной организации технических объектов устройств. Нейронные ЭВМ являются первым примером, когда структура вычислительной машины может рассчитываться аналитически, а. Данное утверждение применительно к задаче синтеза функционального преобразователя информации ФП обосновывается тем, что нейросетевой набор операций, позволяющий получить графовые и матричные формы описания структуры вычислительной среды в виде нейросети, является удобной исходной формой описания структурной модели проектируемого устройства.