کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4947392 1439579 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Stabilization of desired periodic orbits in dynamic binary neural networks
ترجمه فارسی عنوان
تثبیت مدارهای دوره ای دلخواه در شبکه های عصبی دودویی پویا
کلمات کلیدی
شبکه عصبی باینری پویا، مدار دوره ای ثبات، پایدارسازی،
ترجمه چکیده
یک شبکه عصبی دوتایی پویا یک شبکه دو لایه ساده با بازخورد تاخیری است و قادر به تولید مدارهای دودویی مختلف است. شبکه با عملکرد فعال سازی نشانه، پارامترهای اتصال سه بعدی و پارامترهای آستانه عددی مشخص می شود. اتصال سه جانبه مزایای سخت افزار شبکه و هزینه های محاسبه را در تجزیه و تحلیل عددی به ارمغان می آورد. به منظور تثبیت یک مدار دوره زمانی باینری دلخواه، یک الگوریتم تکاملی ساده ارائه می شود. الگوریتم از افراد مربوط به پارامترهای اتصال سه بعدی استفاده می کند و یک عنصر صفر به هر فرد وارد می شود. هر فرد با دو مقدار مشخصی که ثبات مدار دوره را مشخص می کنند، ارزیابی می شود. جابجایی صفر می تواند ثبات را تقویت کند و برای کاهش مصرف انرژی در سخت افزار راحت است. با استفاده از الگوریتم به یک کلاس از مدارهای دوره ای، قابلیت تثبیت بررسی می شود. بعضی از مدارهای دوره ای برای کنترل سیگنال مبدل های مبدل قدرت استفاده می شوند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
A dynamic binary neural network is a simple two-layer network with a delayed feedback and is able to generate various binary periodic orbits. The network is characterized by the signum activation function, ternary connection parameters, and integer threshold parameters. The ternary connection brings benefits to network hardware and to computation costs in numerical analysis. In order to stabilize a desired binary periodic orbit, a simple evolutionary algorithm is presented. The algorithm uses individuals corresponding to the ternary connection parameters and one zero element is inserted into each individual. Each individual is evaluated by two feature quantities that characterize the stability of the periodic orbit. The zero-insertion is able to reinforce the stability and is convenient to reduce power consumption in a hardware. Applying the algorithm to a class of periodic orbits, the stabilization capability is investigated. Some of the periodic orbits are applicable to control signals of switching power converters.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 248, 26 July 2017, Pages 19-27
نویسندگان
, ,