Модель аналогової нейронної схеми ідентифікації найбільших сигналів

Автори: 
Тимощук П.В.

Національний університет “Львівська політехніка”, кафедра систем автоматизованого проектування

Представлено модель аналогової нейронної схеми, призначеної для ідентифікації К найбільших серед N довільних скінченних невідомих вхідних дій, які можна розрізнити. Модель описується одним рівнянням стану зі змінною структурою правої частини, яка містить ступінчату функцію, і вихідним рівнянням. Проаналізовано і порівняно з іншими аналогами обчислювальну складність моделі. Модель має такі властивості, як висока точність і швидкодія, а також низька обчислювальна складність. Подаються результати комп’ютерного моделювання, які демонструють ефективність моделі і дозволяють порівняти її з іншими аналогами.

1. Lippmann, R. P., Gold, B., Malpass, M. L.: A comparison of Hamming and Hopfield neural nets for pattern classification. Technical report TR-769, MIT Lincoln Laboratory (1987). 2. Majani, E., Erlanson, R., Abu-Mostafa, Y.: On the K-winners-take-all network. In: Touretzky, D. S. (ed.) Advances in Neural Information Processing Systems, vol. 1, pp. 634-642. Morgan Kaufmann Publishers Inc., San Francisco (1989). 3. Tymoshchuk, P., Kaszkurewicz, E.: A Winner-take-all circuit based on second order Hopfield neural networks as building blocks. In: IEEE Int. Joint Conf. on Neural Networks, vol. 2, pp. 891–896. IEEE Press (2003). 4. Urahama, K., Nagao, T.: K-winners-take-all circuit with 0(N) complexity. IEEE Trans. on Neural Networks 6, 776-778 (1995). 5. Kwon, T. M., Zervakis M.: KWTA networks and their applications. Multidimensional Syst. and Signal Processing 6, 333-346 (1995). 6. Binh, L.N., Chong, H.C.: A neural-network contention controller for packet switching networks. IEEE Trans. on Neural Networks 6, 1402-1410 (1995). 7. Itti, L., Koch, C., Niebur, E.: A model of saliency-based visual attention for rapid scene analysis. IEEE Trans. on Pattern Analysis and Machine Intelligence 20, 1254 - 1259 (1998). 8. Fish, A., Akselrod, D., Yadid-Pecht, O.: High precision image centroid computation via an adaptive k-winner-takeall circuit in conjunction with a dynamic element matching algorithm for star tracking applications. Analog Integrated Circuits and Signal Processing 39, 251-266 (2004). 9. Graupe, D.: Principles of Artificial Neural Networks (2nd Edition). World Sci. Publisher, Singapure (2007). 10.Cichocki, A., Unbehauen, R.: Neural Networks for Optimization and Signal Processing. John Wiley & Sons, Chichester (1993). 11.Wolfe, W. J., Mathis, D., Anderson, C., Rothman, J., Gottler, M., Brady, G., Walker, R., Duane, G., Alaghband G.: K-winner networks. IEEE Trans. on Neural Networks 2, 310-315 (1991). 12.Ferreira, L. V., Kaszkurewicz, E., Bhaya, A.: Synthesis of a k-winners-take-all neural network using linear programming with bounded variables. In: IEEE Int. Joint Conf. on Neural Networks, pp. 2360- 2365. IEEE Press (2003). 13.Marinov, C. A., Hopfield J. J.: Stable computational dynamics for a class of circuits with 0(N) interconnections capable of KWTA and rank extractions. IEEE Trans. on Circuits and Systems I: Fundamental Theory and Applications 52(5), 949-959 (2005). 14.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. on Neural Networks 9, 1496-1506 (2010). 15. Tymoshchuk, P.V.: A dynamic K-winners take all analog neural circuit. In: IVth IEEE Int. Conf. “Perspective technologies and methods in MEMS design”, pp. 13-18. IEEE Press, L’viv (2008). 16. Hopfield J.J. Neurons with graded response have collective computational properties like those of two-state neurons // in Proceedings of the Natonal Academy of Sciences, №81, pp. 3088-3092, 1984. 17. Grossberg S. Non-Linear Neural Networks: Principles, Mechanisms, and Architectures, Neural Networks, vol. 1, pp. 17-61, 1988. 18. Calvert B.D. and Marinov C.A. Another k-Winner-take-all analog neural network // IEEE Trans. Neural Networks, vol. 11, № 4, pp. 829-838, July 2000. 19. Marinov C.A. and Calvert B.D. Performance analysis for a K-winnerstake-all analog neural network // basic theory // IEEE Trans. Neural Networks, vol. 14, № 4, pp. 766-780, July 2003. 20 16. Liu, Q., Wang, J.: Two k-winners-take-all networks with discontinuous activation functions. Neural Networks 21, 406-413 (2008).