Спрощена модель нейронної мережі дискретного часу для паралельного сортування

2020;
: cc. 94 - 101
1
Національний університет «Львівська політехніка», кафедра систем автоматизованого проектування

Запропоновано модель паралельної сортувальної нейронної мережі дискретного часу. Модель описується системою різницевих рівнянь і ступінчастими функціями. Модель базується на спрощеній нейронній схемі дискретного часу, призначеній для ідентифікації максимальних/minimal за значеннями вхідних даних, яка описується різницевим рівнянням і ступінчастими функціями. Визначається обмеження згори на кількість ітерацій, необхідних для досягнення пошуковим процесом збіжності до встановленого стану. Модель не потребує знання діапазону зміни вхідних даних. Для використання моделі має бути відомою мінімальна різниця між значеннями вхідних даних. Мережа придатна для обробки невідомих вхідних даних зі скінченними значеннями, розміщеними у довільному невідомому скінченному діапазоні. Мережа характеризується незначними обчислювальною складністю і складністю програмної реалізації, довільною скінченною роздільною здатністю вхідних даних, швидкодією. Наведено результати комп’ютерного моделювання, які ілюструють ефективність мережі.

  1. Knuth D. E., The Art of Computer Programming, Sorting and Searching. Reading, MA: Addison-Wesley, 1973
  2. Akl S. G., Parallel Sorting Algorithms, Orlando, FL: Academic, 1985.
  3. Atkins M., “Sorting by Hopfield nets”, in Proc. Int. Joint Conf. Neural Netw., Washington, DC, USA, 1989, pp. 65–68.
  4. Takefuji Y. and Lee K.-S., “A super parallel sorting algorithm based on neural networks”, IEEE Trans. Circuits Syst., vol. CAS—37, 1990. no. 11, pp. 1425–1429.
  5. W. Chen and K. Hsieh, “A neural sorting network with O(1) time complexity”, in Proc. Int. Joint Conf. Neural Networks, vol. III, San Diego, CA, 1990, pp. 793–798.
  6. Kwon T. M. and Zervakis M., “A parallel sorting network without comparators: A neural network approach,” in Proc. Int. Joint Conf. Neural Networks, vol. I, Baltimore, MD, 1992, pp. 701–706.
  7. Tseng Y.-H. and Wu J.-L., “Solving sorting and related problems by quadratic perceptrons”, Electron. Lett., 1992. vol. 28, no. 10, pp. 906–908,.
  8. Wang J., “Analysis and design of an analog sorting network,” IEEE Trans. Neural Networks, 1995. vol. 6, no. 4, pp. 962–971, Jul.
  9. Kwon T. M. and Zervakis M., “KWTA networks and their applications”, Multidimensional Syst. and Signal Processing, 1995. vol. 6, no. 4, pp. 333–346, Oct.
  10. . Wang J., “Analysis and design of a k-winners-take-all model with a single state variable and the Heaviside step activation function”, IEEE Trans. Neural Networks. Sept. 2010. vol. 21, no. 9, pp. 1496–1506.
  11. Alnuweiri H. M. and Kumar V. K. P., “Optimal VLSI sorting with reduced number of processors”, IEEE Trans. Comput., 1991. vol. C-40, pp. 105–110.
  12. Rovetta S. and Zunino R., “Minimal-connectivity programmable circuit for analog sorting”, IEE Proc. Circuits, Devices Syst., vol. 146, no. 3, pp. 108–110, Aug. 1999.
  13. Cichocki A. and Unbehauen R., Neural Networks for Optimization and Signal Processing. New York, NY, USA: Wiley, 1993.
  14. Tymoshchuk P. V., “A discrete-time dynamic K-winners-take-all neural circuit”, Neurocomputing, vol. 72, 2009, pp. 3191–3202.