W pracy przedstawiono koncepcję sieci neuronowej o zespolonych parametrach (Q-inspired). Realizacja takiej sieci wykorzystuje hermitowską macierz połączeń pomiędzy neuronami. Zaproponowano również model uczenia maszynowego zrealizowany na bazie zespolonego aproksymatora. Wykazano przydatność takiego aproksymatora w analizie sygnałów w szczególności do realizacji dyskretnej transfomacji Fouriera (DFT) oraz odwrotnej dyskretnej transformacji Fouriera (IDFT).
EN
The paper presents the concept of a neural network with complex-valued parameters (Q-inspired). Implementation of such a network uses the Hermitian matrix of connections between neurons. A machine learning model based on a complex approximator has also been proposed. The usefulness of such an approximator in signal analysis has been demonstrated especially for the implementation of discrete Fourier transform (DFT) and inverse discrete Fourier transform (IDFT).
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.