Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
5 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 нейронної схеми слідкуючого керування нелінійними динамічними системами неперервного часу(Видавництво Львівської політехніки, 2019-03-01) Тимощук, П. В.; Tymoshchuk, P.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityЗапропоновано модель нейронної схеми, призначеної для слідкуючого керування невідомими нелінійними динамічними системами. Для опису моделі використано диференційне рівняння першого порядку із змінною структурою і вихідне рівняння. Модель дає можливість досягати скінченного часу збіжності до робочих станів і обмеженої похибки слідкування. Вона не потребує навчання у режимі офлайн. Для мінімізації похибки відслідковування траєкторії об’єкта модель використовує лише виходи системи і об’єкта. Вона має просту структуру і її можна використовувати, коли внутрішня динаміка і параметри керованої системи невідомі. Наведено результати комп’ютерного моделювання застосування моделі для оптимального слідкуючого керування кутом повороту дволанкового планарного маніпулятора, які підтверджують теоретичні положення та ілюструють високу ефективність функціонування моделі.Item Робочі режими імпульсної нейронної мережі типу “K-winners-take-all”(Видавництво Національного університету “Львівська політехніка”, 2018-02-26) Тимощук, П. В.; Tymoshchuk, P.; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityОписано нейронну мережу (НМ) неперервного часу типу “K-winners-take-all” (KWTA), яка ідентифікує К найбільші з-поміж N входів, де керуючий сигнал 1 £ K < N . Мережа описується рівнянням стану із розривною правою частиною і вихідним рівнянням. Рівняння стану містить шлейф імпульсів, які описуються сумою дельта-функцій Дірака. Проаналізовано існування та єдиність робочих режимів мережі. Головною перевагою мережі порівняно з іншими близькими аналогами є розширення обмежень на швидкість збіжності до робочих режимів. Отримані теоретичні результати ілюструються прикладом комп’ютерного моделювання, який демонструє ефективність мережі.Item Parallel sorting based on impulse K-winners-take-all neural network(Видавництво Львівської політехніки, 2018-02-26) Tymoshchuk, P.; Lviv Polytechnic National UniversityОписано нейронну мережу (НМ) неперервного часу типу “K-winners-take-all” (KWTA), яка ідентифікує найбільші К з-поміж N входів, де керуючий сигнал 1£KItem Hardware implementation design in LabVIEW of fuzzy art based partially parallel clustering system(Видавництво Львівської політехніки, 2016) Shatnyi, S.; Tymoshchuk, P.; Lviv Polytechnic National UniversityA hardware implementation design of Fuzzy Adaptive Resonance Theory (ART) based partially parallel clustering system in FPGA reconfigurable computing architecture is presented. The category choice and resonance is proposed to perform in parallel. In particular, it is suggested to compute in parallel the choice functions. Moreover, the KWTA neural circuit based rank-order filters (ROFs) are proposed to use for computing largest values of the choice functions instead of the WTA unit. In addition, the vigilance condition is also suggested to verify in parallel. In this way, repeating sequential processes for the category choice and resonance can be replaced with one parallel process. This allows to reduce a computational time required for the clustering. Наведено проект схемотехнічної реалізації частково паралельної системи кластеризації, яка основана на нечіткій теорії адаптивного резонансу (ТАР), на програмованих логічних інтегральних схемах (ПЛІС) із реконфігурованою обчислювальною архітектурою. Вибирати категорію та резонанс пропонується паралельно, зокрема паралельно обчислювати функції вибору. Крім цього, для обчислення найбільших значень функцій вибору замість Winner-Takes-All (WTA) комірки пропонується використовувати паралельні ранжувальні фільтри (РФ), що ґрунтуються на нейронних схемах типу K-Winners-Take-All (KWTA). На додаток, так звану умову подібності також пропонується провіряти у паралельному режимі. Отже, повторювальні послідовні процеси вибору категорії і резонансу можна замінити на один паралельний процес. Це дасть змогу скоротити час обчислень, необхідний для кластеризації.