Перечень стадий структурного синтеза НП на основе нейросе-
тевой технологии.
1. Декомпозиция структурной модели ИНС-преобразователя в виде
элементарных НП.
2. Получение функциональных моделей НП в виде набора (со-
вокупности) нейросетевых операций как основы выявления функции
преобразования НП и перехода к построению структурной схемы ней-
рона как операционного устройства.
3. Реализация отдельных выражений совокупности, составляющих
содержание функциональной модели, с помощью типовых узлов ВТ.
4. Построение логической схемы НП как ОУ путем соединения
отдельных узлов ВТ, реализующих соответствующие нейрооперации
функциональной модели НП.
Синтез синаптических связей проводится также в соответствии с
пунктами 1–4, поскольку эти связи представляются в виде НП, вы-
полняющих операции умножения. Достоинством методики является
инвариантность проводимых стадий к элементной базе, на которой
будет реализован проектируемый вычислительный или функциональ-
ный преобразователь информации, что обеспечивает возможность ее
широкого применения для синтеза устройств нейросетевой обработки
сигналов разнообразной физической природы [6]. Рассматриваемые
стадии приводятся далее для многотактного ИНС-преобразователя
“код–временной интервал”, из которого выделяются (декомпозируют-
ся) синтезируемые нейроны.
Структурная модель многотактного ИНС-преобразователя
“код–временной интервал” с использованием упрощенной сиг-
моиды.
Математическая модель структуры ИНС-преобразователя
код–аналог
x
∗
→
y
может быть представлена в виде двухслойной
нейронной сети прямого распространения с линейной функцией ак-
тивации выходного слоя. Сеть оперирует переменными в заданных
диапазонах изменения
x
∗
⊂
[
x
∗
min
, x
∗
max
]
,
y
⊂
[
y
min
, y
max
]
(
x
∗
— преобра-
зуемый
k
-разрядный позиционный код). Нейросеть содержит два слоя
математических нейронов (МН
(1)
j
и МН
(2)
1
)
и описывается выражением
y
=
F
(2)
МН
1
M
j
=1
w
(2)
МН
j,
1
·
F
(1)
МН
j
G
(1)
МН
j
,
(1)
где
w
(2)
МН
j,
1
— весовые коэффициенты нейрона МН
(2)
1
второго выходного
слоя сети,
j
= [1
, M
]
;
M
— число нейронов на первом слое;
F
(1)
МН
j
—
функция активации
j
-го нейрона МН
(1)
j
первого слоя;
F
(2)
МН
1
— активаци-
онная функция нейрона МН
(2)
1
выходного слоя сети;
G
(1)
МН
j
=
w
(1)
МН
1
,j
×
×
x
∗
+
w
(1)
МН
2
,j
·
x
0
— взвешенная сумма значений входов
x
∗
и
x
0
, поступа-
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2013. № 4 103
