1. SCSIT
  2. All Volumes and Issues
  3. Volume 672, 2010
  4. Динаміка дискретизованих сигналів математичної моделі KWTA-нейронної схеми

Динаміка дискретизованих сигналів математичної моделі KWTA-нейронної схеми

SCSIT.
2010;
Volume 672
: pp. 177 - 184
Authors: 

П. Тимощук

Національний університет «Львівська політехніка», кафедра САПР

Аналізується динаміка дискретизованих сигналів математичної моделі нейронної схеми типу «K-winners-take-all» (KWTA), призначеної для ідентифікації К максимальних серед N невідомих сигналів, де $1 \leq \mathrm{K}<\mathrm{N}$. Аналіз здійснюють за допомогою використання відповідної енергетичної функції. Наведено результати комп’ютерного моделювання, які підтверджують теоретичні положення.

Dynamics of mathematical model of discrete-time K-winners-take-all (KWTA) neural circuit that identifies K maximal among N unknown signals, where  $1 \leq \mathrm{K}<\mathrm{N}$, is analyzed. The analysis is fulfilled by using corresponding energy function.Computer modeling results presented confirm theoretical statements.

energy function
model
  1. Bihn L.N., Chong H.C. A neural-network contention controller for packet switching networks, IEEE Trans. on Neural Networks 6 (1995) 1402-1410.
  2. David H.A. Order Statistics, 2nd ed. (New York: Wiley, 1980).
  3. Hu X., Wang J. An improved dual neural network for solving a class of quadratic programming problems and its k-winners-take-all application, IEEE Trans. on Neural Networks, 19 (2008) 2022-2031.
  4. Kwon T.M., Zervakis M. A parallel sorting network without comparators: A neural-network approach, in: Proc. Int. Joint Conf. on Neural Networks, Vol. 1 (1992) 701–706.
  5. Lippmann R.P., Gold B., Malpass M.L. A comparison of Hamming and Hopfield neural nets for pattern classification, MIT Lincoln Laboratory Technical report TR-769 (1987) 1-37.
  6. Liu S., Wang J.A simplified dual neural network for quadratic programming with its KWTA application, IEEE Trans. on Neural Networks, 17 (2006) 1500- 1510.
  7. Tymoshchuk P., Kaszkurewicz E. A Winner-take-all circuit based on second order Hopfield neural networks as building blocks, in: Proc. Int. Joint Conf. on Neural Networks, Vol. II (2003) 891-896.
  8. Tymoshchuk P. and Kaszkurewicz E. A winner-take-all circuit using neural networks as building blocks, Neurocomputing 64 (2005) 375-396.
  9. Urahama K., Nagao T. K-Winner-take-all circuit with 0(n) complexity, IEEE Trans. on Neural Networks 6 (1995) 776-778.
  10. Yang J.F, Chen C.M. A Dynamic K-Winners-Take-All Neural Network, IEEE Trans. on Syst., Man and Cyb. 27 (1997) 523–526.
  11.  Yen J.C., Guo J.I., Chen H.-C. A new k -Winners-take all neural network and its array architecture, IEEE Trans. on Neural Networks 9 (1998) 901-912.