Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: nieliniowa sieć neuronowa

Sortuj według:

Ogranicz wyniki do:

Realizacja wielowarstwowych nieliniowych sieci neuronowych opartych na wieloprocesowym układzie TMS320C80

Gajer M.

Elektronika : konstrukcje, technologie, zastosowania

2000

Vol. 41, nr 4

22-24

Sztuczne sieci neuronowe należą do jednej z nowoczesnych technik obliczeniowych. Wykorzystywane są głównie w dziedzinach związanych z praetwarzaniem sygnałów, rozpoznawaniem obrazów i klasyfikacją obiektów. Głowną zaletą sztucznych sieci nueronowych jest całkowicie współbieżne przetwarzanie informacji, jednakże cecha ta ujawnia się jedynie w przpadku ich realizacji sprzętowej i nie występuje podczas stosowanych bardzo często komputerowych symulacji działania sieci. W artykule, po opsie podstawowych zasad budowy i funkcjonowania wielowarstwowych sztucznych sieci neuronowych dla wieloprocesowej struktury potokowej, opartej na wieloprocesorowym ukałdzie TMS320C80 firmy Texas Instruments. W artykule zamieszczono także, uzyskane podczas przeprowadzonych eksperymentów, wyniki, okreslające czas propagacji sygnału przez warstwę sieci dla różnej liczby, występujących w warstwie sieci neuronów.

The artificial neural networks belong to one of the modern computational techniques. They are mostly used in the field of signal processing, image recognising and objects classifying. The neural networks are able to process the information in the fully concurrent way. But this considers only their hardware realisations and doesn't take place during computer simulations. In this paper the structure and key features of the multi-layer feedforward artificial neural networks are described. The implementation of the neural computation for the multiprocessor system, the Texas Instruments TMS320C80 is proposed. The experimental results of the obtained time propagation values for different numbers of neurones in the layers of the network are also contained in the paper.