Комп'ютерні системи та мережі
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/2141
Browse
2 results
Search Results
Item Спрощена модель нейронної мережі дискретного часу для паралельного сортування(Видавництво Львівської політехніки, 2020-03-01) Тимощук, П. В.; Tymoshchuk, P.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityЗапропоновано модель паралельної сортувальної нейронної мережі дискретного часу. Модель описується системою різницевих рівнянь і ступінчастими функціями. Модель базується на спрощеній нейронній схемі дискретного часу, призначеній для ідентифікації максимальних/minimal за значеннями вхідних даних, яка описується різницевим рівнянням і ступінчастими функціями. Визначається обмеження згори на кількість ітерацій, необхідних для досягнення пошуковим процесом збіжності до встановленого стану. Модель не потребує знання діапазону зміни вхідних даних. Для використання моделі має бути відомою мінімальна різниця між значеннями вхідних даних. Мережа придатна для обробки невідомих вхідних даних зі скінченними значеннями, розміщеними у довільному невідомому скінченному діапазоні. Мережа характеризується незначними обчислювальною складністю і складністю програмної реалізації, довільною скінченною роздільною здатністю вхідних даних, швидкодією. Наведено результати комп’ютерного моделювання, які ілюструють ефективність мережі.Item Модель аналогової нейронної схеми ідентифікації найбільших сигналів(Видавництво Львівської політехніки, 2012) Тимощук, П. В.Представлено модель аналогової нейронної схеми, призначеної для ідентифікації К найбільших серед N довільних скінченних невідомих вхідних дій, які можна розрізнити. Модель описується одним рівнянням стану зі змінною структурою правої частини, яка містить ступінчату функцію, і вихідним рівнянням. Проаналізовано і порівняно з іншими аналогами обчислювальну складність моделі. Модель має такі властивості, як висока точність і швидкодія, а також низька обчислювальна складність. Подаються результати комп’ютерного моделювання, які демонструють ефективність моделі і дозволяють порівняти її з іншими аналогами. A model of analogue neural circuit which is capable to identification the K largest from arbitrary finite value N unknown distinct inputs, where 1 K N , is presented. The model is described by one state equation with variable structure right-hand side which contains a step function and by output equation. A computational complexity of the model is analyzed and compared with that of other analogs. The model possesses such properties as high accuracy and convergence speed, and low computational complexity. Computer simulation results demonstrating the model performance and comparing it with that of other comparable models are provided.