Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Elektronika : konstrukcje, technologie, zastosowania

1 2011

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: mechanizm sumienia

Sortuj według:

Ogranicz wyniki do:

A Flexible Winner Takes All Neural Network with the conscience mechanism realized on microcontrollers

Przedwojski P., Talaśka T., Długosz R.

Elektronika : konstrukcje, technologie, zastosowania

2011

Vol. 52, nr 12

14-17

A flexible, fully programmable Self-Organizing Artificial Neural Network (ANN) nas been realized on two microcontrollers (μC) with the AVR and the ARM cores placed on a single printed board. The implemented device is equipped with a single 4-channel analog-to-digital (ADC) and four (4-channel each) digital-to-analog (DAC) converters. This allows the system to operate with four analog input signals in parallel in the real time. One of the objectives of the device is to be used as a hardware very accurate model of ANNs realized as very large scale of integration application specific integrated circuits (VLSI ASIC)- In this paper the authors focus on the problem of the, so called, dead neurons that increase the quantization error and the, so called, conscience mechanism that allows eliminating this problem. In this paper an alternative realization of such mechanism has been proposed that is especially suitable for transistor level implementations of both the analog and digital ANNs.

Elastyczna, w pełni programowalna samoorganizująca się sztuczna sieć neuronowa (NN) została zaimplementowana na dwóch mikrokontrolerach z rdzeniem ARM i AVR na specjalnej płytce elektronicznej. Wykonane urządzenie wyposażone jest w zewnętrzny przetwornik analogowo-cyfrowy (A/C) i 4 przetworniki cyfrowo-analogowe (C/A). Dzięki temu może wykonywać operacje na sygnałach analogowych w czasie rzeczywistym. Jednym z celów realizacji urządzenia było wykonanie bardzo dokładnego modelu sieci neuronowej, która docelowo będzie zaimplementowana w postaci specjalizowanego układu scalonego wielkiej skali integracji (VLSI). W artykule tym skupiono się na problemie martwych neuronów, które zwiększają wartość błędu kwantyzacji i mechanizmie sumienia, który eliminuje ten problem. W pracy przedstawiono nowy sposób realizacji tego mechanizmu, który dobrze sprawdza się w analogowych i cyfrowych implementacjach sieci neuronowych.