Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Logistyka

2 2016

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: algorytm gazu neuronowego

Sortuj według:

Ogranicz wyniki do:

Sprzętowa implementacja samoorganizującej się, sztucznej sieci neuronowej typu Neural Gas w systemach klasyfikacji danych

Szulc C., Talaśka T., Miciak M.

Logistyka

2016

nr 1

412--417, CD1

W artykule przedstawiono implementację sieci neuronowej typu Neural Gas na platformie Arduino Uno z procesorem ATmega328P. W pracy przedstawiono pewne modyfikacje procesu uczenia sieci, które wykazują zalety w kontekście realizacji sprzętowej. Dzięki zastosowanym modyfikacjom uzyskano nawet 10-krotne zwiększenie prędkości przetwarzania danych uczących.

The paper presents the implementation of a artificial neural network (based on Neural Gas Algorithm) on Arduino Uno platform with ATmega328P processor. The paper presents some modifications of the learning process that are important for hardware implementation. Thanks, the proposed modifications, we can increase learning datas processing speed, up to 10 times.

Poprawa procesu uczenia się sztucznej sieci neuronowej typu Neural Gas w kontekście realizacji sprzętowej

Talaśka T.

Logistyka

2016

nr 1

418--424, CD1

W artykule przedstawiono pewną modyfikację procesu uczenia sieci Neural Gas. Modyfikacja polega na zmianie funkcji sąsiedztwa G, która wykorzystywana jest w procesie uczenia się sieci. Zaproponowana funkcja może być dobrą alternatywą do istniejących i znanych z literatury rozwiązań. Zalety jej wykorzystania, będą szczególnie widoczne w przypadku realizacji sieci NG w układach elektronicznych. Łatwość realizacji takiej funkcji (np. przez dekrementację jej wartości w czasie) w konsekwencji przełoży się na zmniejszenie czasu uczenia sieci i pobieranej przez nią energii.

The paper presents a modification of the learning process of the Artificial Neural Network based on Neural Gas Algotithm. In this network changed the function of the neighbourhood G. The proposed function can be a good alternative to the existing and known from the literature solutions. The advantages of its use, will be particularly evident in the case of NG network implementation in electronic circuits.