اگر به یک وب سایت یا فروشگاه رایگان با فضای نامحدود و امکانات فراوان نیاز دارید بی درنگ دکمه زیر را کلیک نمایید.
ایجاد وب سایت یادسته بندی سایت
محبوب ترین ها
پرفروش ترین ها
پر فروش ترین های فورکیا
پر بازدید ترین های فورکیا
برچسب های مهم
پیوند ها
( -- قابل ویرایش )
تعداد صفحه : 30
پياده سازي VLSI يك شبكه عصبي آنالوگ مناسب براي الگوريتم هاي ژنتيك Johannes Schemmel1, Karlheinz Meier1, and Felix Sch¨urmann1 Universit¨at Heidelberg, Kirchho_ Institut f¨ur Physik, Schr¨oderstr. 90, 69120 Heidelberg, Germany, schemmel@asic.uni-heidelberg.de, WWW home page: http://www.kip.uni-heidelberg.de/vision.html خلاصه مفيد بودن شبكه عصبي آنالوگ مصنوعي بصورت خيلي نزديكي با ميزان قابليت آموزش پذيري آن محدود مي شود . اين مقاله يك معماري شبكه عصبي آنالوگ جديد را معرفي مي كند كه وزنهاي بكار برده شده در آن توسط الگوريتم ژنتيك تعيين مي شوند . اولين پياده سازي VLSI ارائه شده در اين مقاله روي سيليكوني با مساحت كمتر از 1mm كه شامل 4046 سيناپس و 200 گيگا اتصال در ثانيه است اجرا شده است . از آنجائيكه آموزش مي تواند در سرعت كامل شبكه انجام شود بنابراين چندين صد حالت منفرد در هر ثانيه مي تواند توسط الگوريتم ژنتيك تست شود . اين باعث مي شود تا پياده سازي مسائل بسيار پيچيده كه نياز به شبكه هاي چند لايه بزرگ دارند عملي بنظر برسد . 1- مقدمه شبكه هاي عصبي مصنوعي به صورت عمومي بعنوان يك راه حل خوب براي مسائلي از قبيل تطبيق الگو مورد پذيرش قرار گرفته اند . عليرغم مناسب بودن آنها براي پياده سازي موازي ، از آنها در سطح وسيعي بعنوان شبيه سازهاي عددي در سيستمهاي معمولي استفاده مي شود . يك دليل براي اين مسئله مشكلات موجود در تعيين وزنها براي سيناپسها در يك شبكه بر پايه مدارات آنالوگ است . موفقترين الگوريتم آموزش ، الگوريتم Back-Propagation است . اين الگوريتم بر پايه يك سيستم متقابل است كه مقادير صحيح را از خطاي خروجي شبكه محاسبه مي كند . يك شرط لازم براي اين الگوريتم دانستن مشتق اول تابع تبديل نرون است .
قسمتی از محتوی متن پروژه میباشد که به صورت نمونه ، بعد از پرداخت آنلاین در فروشگاه فایل آنی فایل را دانلود نمایید .
« پرداخت آنلاین و دانلود در قسمت پایین »
مبلغ قابل پرداخت 10,080 تومان