Глобально стійка аналогова нейронна схема ідентифікації максимальних сигналів

Simple item page
dc.citation.epage11
dc.citation.issue548 : Комп’ютерні системи проектування. Теорія і практика
dc.citation.journalTitleВісник Національного університету “Львівська політехніка”
dc.citation.spage3
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.authorТимощук, П. В.
dc.contributor.authorЛобур, М. В.
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2020-03-12T10:25:53Z
dc.date.available2020-03-12T10:25:53Z
dc.date.created2005-03-01
dc.date.issued2005-03-01
dc.description.abstractПропонується нова аналогова нейронна схема, яка визначає більший з трьох не- відомих вхідних сигналів. Загальну структуру схеми утворюють впорядковані у вигляді двійкового дерева мережі типу Хопфілда другого порядку та логічні вузли. Матриця зв’язків схеми належить до класу діагонально-стабільних блочно-діагональних мат- риць. Активаційні функції є кусково-лінійними або сигмоїдними. Наведено матема- тичне обґрунтування коректного функціонування схеми на основі єдиності та глобаль- ної стійкості встановленого режиму, приклад моделювання та відповідні результати.
dc.description.abstractNew analog neural circuit determining maximal from three unknown input signals is proposed. The general circuit structure is a binary tree arrangement of second order Hopfield type networks and logic nodes. The connection matrix belongs to the class of diagonally stable block diagonal matrices and the activation functions are piecewise linear or sigmoidal. The mathematical justification of corect circuit functioning on the basis of uniqueness and global stability of the steady state, modeling example and corresponding results are given.
dc.format.extent3-11
dc.format.pages9
dc.identifier.citationТимощук П. В. Глобально стійка аналогова нейронна схема ідентифікації максимальних сигналів / П. В. Тимощук, М. В. Лобур // Вісник Національного університету “Львівська політехніка”. — Львів : Видавництво Національного університету “Львівська політехніка”, 2005. — № 548 : Комп’ютерні системи проектування. Теорія і практика. — С. 3–11.
dc.identifier.citationenTimoshchuk P. V. Hlobalno stiika analohova neironna skhema identyfikatsii maksymalnykh syhnaliv / P. V. Timoshchuk, M. V. Lobur // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". — Lviv : Vydavnytstvo Natsionalnoho universytetu "Lvivska politekhnika", 2005. — No 548 : Kompiuterni systemy proektuvannia. Teoriia i praktyka. — P. 3–11.
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/47252
dc.language.isouk
dc.publisherВидавництво Національного університету “Львівська політехніка”
dc.relation.ispartofВісник Національного університету “Львівська політехніка”, 548 : Комп’ютерні системи проектування. Теорія і практика, 2005
dc.relation.references1. Lipmann R.P. An introduction to computing with neural nets // IEEE ASSP Mag., April 1987.
dc.relation.references2. Kwan H.K. One-layer feedforward neural network for fast maximum/minimum determination // Elecronics Letters. – Vol. 28. – Р. 1583–1585, 1992.
dc.relation.references3. Suter B.W. and Kabrisky M. On a magnitude preserving iterative maxnet algorithm // Neural Computation. – 1992. – Vol. 4. – Р. 224–233.
dc.relation.references4. Wang J. Analogue Winner-take-all neural networks for determining maximum and minimum signals // Int. J.Electronics. – 1994. – Vоl. 77. – №3. – Р. 355–367.
dc.relation.references5. Kaski S.and Kohonen T. Winer-take-all networks for physiological models of competitive learning // Neural Networks. – 1994. – Vol. 7. – № 6. –Р. 973–984.
dc.relation.references6. Hopfield J.J. Neurons with graded response have collective computational properties like those of twostate neurons // Proceedings of the Natonal Academy of Sciences. – 1984. – №81. – Р. 3088–3092.
dc.relation.references7. Lippmann R.P., Gold B. and Malpass M.L. A comparison of Hamming and Hopfield neural nets for pattern classificatіon // Technical Report TR-769, MIT Lincoln Laboratory, 1987.
dc.relation.references8. Kaszkurewicz E. and Bhaya A. Marix Diagonal Stability in Systems and Computation. Birkhauser. – Boston, 2000.
dc.relation.references9. Tymoshchuk P. and Kaszkurewicz E. A winner-take all circuit using neural networks as building blocks // Neurocomputing. – 2005. – Vol. 64. – Р. 375–396.
dc.relation.references10. Michel A.N., Farrell J.A.and Porod W. Qualitative analysis of neural networks // IEEE Transactions on Circits and Systems. – 1989. – Vol. 36. – № 2. – Р. 229–243.
dc.relation.references11. Tymoshchuk P.and Kaszkurewicz E. A Winner-take-all circuit based on second order Hopfield neural networks as building blocks // Proc. Int. Joint Conf. Neural Networks. – 2003. – Vol. II. – Portland, OR,. – Р. 891–896.
dc.relation.references12. Tymoshchuk P., Lobur M., Denysyuk P. and Lau G. Parametric synthesis of mathematical model of analog WTA neural network of second order by genetic algorithms // Proc. Int. Conf. “Perspective technologies and methods in MEMS design”. – Lviv-Polyana, Ukraine, May 25–28. – 2005. – Р. 67–71.
dc.relation.references13. Tymoshchuk P. and Lobur M. Optimization of WTA neural network by genetic algorithms // Proc. Int. Workshop “East-West Design & Test”, Odesa, Ukraine, Sept. 15–19. – 2005. – Р. 156–159.
dc.relation.references14. Yen J.-C. and Chang S. Improved Winner-take-all neural network // Electronics Leters. – 1992. – Vol. 28. – Р. 662–664.
dc.relation.references15. Fang Y. and.Kincaid T.G. Global properties for a class of dynamical neural circuits // J.Franklin Inst. – 1998. – Vol. 335B. – № 1. – Р. 163–17.
dc.relation.references16. Tymoshchuk P. and Kaszkurewicz E. A Winner-take-all circuit using second order Hopfield neural networks as building blocks // Technical Report TR-16, UFRJ NACAD Laboratory, 2002.
dc.relation.references17. Tymoshchuk P. and Kaszkurewicz E. Synthesis of continuous time second order Winner- take-all Hopfield neural networks using genetic algorithms // Technical Report TR-17, UFRJ NACAD Laboratory, 2002.
dc.relation.referencesen1. Lipmann R.P. An introduction to computing with neural nets, IEEE ASSP Mag., April 1987.
dc.relation.referencesen2. Kwan H.K. One-layer feedforward neural network for fast maximum/minimum determination, Elecronics Letters, Vol. 28, R. 1583–1585, 1992.
dc.relation.referencesen3. Suter B.W. and Kabrisky M. On a magnitude preserving iterative maxnet algorithm, Neural Computation, 1992, Vol. 4, R. 224–233.
dc.relation.referencesen4. Wang J. Analogue Winner-take-all neural networks for determining maximum and minimum signals, Int. J.Electronics, 1994, Vol. 77, No 3, R. 355–367.
dc.relation.referencesen5. Kaski S.and Kohonen T. Winer-take-all networks for physiological models of competitive learning, Neural Networks, 1994, Vol. 7, No 6. –R. 973–984.
dc.relation.referencesen6. Hopfield J.J. Neurons with graded response have collective computational properties like those of twostate neurons, Proceedings of the Natonal Academy of Sciences, 1984, No 81, R. 3088–3092.
dc.relation.referencesen7. Lippmann R.P., Gold B. and Malpass M.L. A comparison of Hamming and Hopfield neural nets for pattern classification, Technical Report TR-769, MIT Lincoln Laboratory, 1987.
dc.relation.referencesen8. Kaszkurewicz E. and Bhaya A. Marix Diagonal Stability in Systems and Computation. Birkhauser, Boston, 2000.
dc.relation.referencesen9. Tymoshchuk P. and Kaszkurewicz E. A winner-take all circuit using neural networks as building blocks, Neurocomputing, 2005, Vol. 64, R. 375–396.
dc.relation.referencesen10. Michel A.N., Farrell J.A.and Porod W. Qualitative analysis of neural networks, IEEE Transactions on Circits and Systems, 1989, Vol. 36, No 2, R. 229–243.
dc.relation.referencesen11. Tymoshchuk P.and Kaszkurewicz E. A Winner-take-all circuit based on second order Hopfield neural networks as building blocks, Proc. Int. Joint Conf. Neural Networks, 2003, Vol. II, Portland, OR,, R. 891–896.
dc.relation.referencesen12. Tymoshchuk P., Lobur M., Denysyuk P. and Lau G. Parametric synthesis of mathematical model of analog WTA neural network of second order by genetic algorithms, Proc. Int. Conf. "Perspective technologies and methods in MEMS design", Lviv-Polyana, Ukraine, May 25–28, 2005, R. 67–71.
dc.relation.referencesen13. Tymoshchuk P. and Lobur M. Optimization of WTA neural network by genetic algorithms, Proc. Int. Workshop "East-West Design & Test", Odesa, Ukraine, Sept. 15–19, 2005, R. 156–159.
dc.relation.referencesen14. Yen J.-C. and Chang S. Improved Winner-take-all neural network, Electronics Leters, 1992, Vol. 28, R. 662–664.
dc.relation.referencesen15. Fang Y. and.Kincaid T.G. Global properties for a class of dynamical neural circuits, J.Franklin Inst, 1998, Vol. 335B, No 1, R. 163–17.
dc.relation.referencesen16. Tymoshchuk P. and Kaszkurewicz E. A Winner-take-all circuit using second order Hopfield neural networks as building blocks, Technical Report TR-16, UFRJ NACAD Laboratory, 2002.
dc.relation.referencesen17. Tymoshchuk P. and Kaszkurewicz E. Synthesis of continuous time second order Winner- take-all Hopfield neural networks using genetic algorithms, Technical Report TR-17, UFRJ NACAD Laboratory, 2002.
dc.rights.holder© Національний університет “Львівська політехніка”, 2005
dc.rights.holder© Тимощук П. В., Лобур М. В., 2005
dc.subject.udc681.322
dc.titleГлобально стійка аналогова нейронна схема ідентифікації максимальних сигналів
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2005n548_Timoshchuk_P_V-Hlobalno_stiika_analohova_3-11.pdf
Size:
2.51 MB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
2005n548_Timoshchuk_P_V-Hlobalno_stiika_analohova_3-11__COVER.png
Size:
411.45 KB
Format:
Portable Network Graphics
Download

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.97 KB
Format:
Plain Text
Description:
Download

Collections

Комп'ютерні системи проектування теорія і практика. – 2005. – №548