генерация модулей по заданным параметрам, синтез схемы по ее опи-
санию на языке описания аппаратуры высокого уровня VHDL [1].
Высокая степень интеграции современных ПЛИС, например Virtex-
4 фирмы Xilinx, обеспечивает размещение в одном кристалле доста-
точно большого числа ПФИ — десятки, сотни и более. При этом
настройка ИНС проводится в ПЛИС либо на основе вычислительных
ресурсов этой же схемы, либо с помощью отдельной подсистемы обу-
чения, подключенной к программируемой схеме через специальный
интерфейс.
Выводы.
1. Pезультаты исследования показывают, что задача на-
стройки нейронных сетей, осуществляющих преобразование формы
представления информации, является актуальной, а ее эффективное
решение позволяет существенно упростить аппаратную реализацию
ИНС-преобразователей.
2. Процедуры коррекции значений весов синаптических связей и
порогов нейронов для преобразователя частоты в код на основе двух-
слойного персептрона могут быть модифицированы и применены для
коррекции параметров нейроузлов преобразователя, построенного на
основе других видов ИНС и способов кодирования результата.
3. Процедуры коррекции параметров нейроэлементов ИНС так-
же эффективны для программной реализации нейросетевых моделей
обработки цифровых данных, так как обеспечивают повышение бы-
стродействия обработки цифровых данных или снижение требований
к производительности микропроцессорных средств, применяемых для
программной реализации ИНС.
СПИСОК ЛИТЕРАТУРЫ
1. Л о к т ю х и н В. Н., Ч е л е б а е в С. В. Нейросетевые преобразователи
импульсно-аналоговой информации: организация, синтез, реализация / Под
общ. ред. А.И. Галушкина. – М.: Горячая линия – Телеком, 2008. – 144 с.
2. D a v i d W. T a n k, J o h n J. H o p f i e l d. Simple “neural” optimization
networks: an A/D converter, signal decision circuit and a linear programming circuit
// IEEE Circuit and Systems. – Vol. CAS-33, May 1986. – P. 533–541.
3. B a n g W. L e e, B i n g J. S h e n. Design of a neural-based A/D converter using
modified Hopfield Network // IEEE Solid-State Circuits. – Vol. SC-24, Aug. 1989. –
P. 1120–1135.
4. D a p o n t e P., G r i m a l d i D., M i c h a e l i L. Gray code ADC based on an
analog neural circuit // Radioengineering. – Vol. 4. No. 1. – P. 7–12. Apr. 1995.
5. P h a m C-K., T a n a k a M., S h o m o K. A simple-based A/D converter
employing CMOS inverters // in Proc. IEEE Int. Conf. on Neural Networks, Jul.
1994.
6. M a r t i n e l l i G., P e r f e u i R. Synthesis of feedforward neural analogue-digital
convertors // IEEE Proc. G. – Vol. 138. No. 5. – P. 567–574. Oct. 1991.
7. Л о к т ю х и н В. Н., Ч е л е б а е в С. В. Принципы применения техноло-
гии искусственных нейронных сетей для проектирования преобразователей
частотно-временных параметров сигналов в код // Датчики и системы. – 2006.
– № 2. – С. 43–56.
88 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2009. № 3
