Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Kwartalnik Elektroniki i Telekomunikacji

1 2005

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: paralleI processing

Sortuj według:

Ogranicz wyniki do:

Minimalizacja długości połączeń w układach elektronicznych z wykorzystaniem sieci Hopfielda

Kos A., Nagórny Z.

Kwartalnik Elektroniki i Telekomunikacji

2005

Vol. 51, z. 1

55--72

W pracy przedstawiono oryginalną metodę rozmieszczania elementów w układzie elektronicznym VLSI z wykorzystaniem sieci neuronowej typu Hopfielda. Celem rozmieszczenia elementów jest zapewnienie minimalnej sumarycznej długości połączeń w układzie. Określono postać funkcji energii, która jest minimalizowana przez sieć. W klasycznym rozwiązaniu wartości wag połączeń między neuronami w sieci są obliczane przed symulacją i nie ulegają zmianie. W niniejszej pracy zbadano wpływ zmian wartości wag podczas symulacji pracy sieci, na otrzymywane rozwiązania. Zauważono, że zmiana wartości wag umożliwia uzyskanie lepszych rozwiązań. Przedstawiono przykłady i wnioski płynące z zastosowania tej metody.

The paper presents a novel method for solving two-dimensional assignment problems in electronic circuits. The method makes use of the Hopfield neural network. The aim of component placement is the minimization of the total length of interconnections in electronic circuits. The method makes use of the Hopfield net with continuous function of neurons according to Eq. (4). An energy function of the neural net is described by Eq. (9). This function consists of three components: the total length of interconnections between components in an electronic circuit and two terms, which make that all components are placed in separate cells of a substrate. Comparing Eq. (9) and Eq. (5), which is a general form of neural net energy function, we get Eqs. (10) and (11) for weight and external input signal values. We force the weight matrix to have zeros on the diagonal according to Eq. (14). The model Hopfield net in electronic components is shown in Figure 3. The Hopfield net is implemented in software in this work, a simulating program makes use of Eq. (21) to calculate the output of each neuron in the net. In conventional method weight values of the net are calculated before simulation and are constant. Our method is a novel method, because the weights are changed during simulation according to the algorithm shown in Figure 4. During the simulation the values of weights are changed in a linear way in accordance with Eq. (22). The speed of weight values changing is defined by a random value. Finally, a number of iterations to achieve a stable state of the net are done. A number of triaIs are performed for each assignment problem and the best results are chosen. Simulations were done for four examples of electronic circuits. The method with weight values changing during simulation gives better results than the conventional one. Results are performed in Table 3. Some conclusions coming from using this method are presented.