Реализация структур нейросетевых преобразователей напряжения в код на программируемых аналоговых интегральных схемах

11 / 12

2. Lee Bang W. , Shen Bing J. Design of a neural-based A/D converter using modified
Hopfield Network // IEEE Solid-State Circuits. 1989. Vol. SC-24. P. 1120–1135.
3. Avitabile G. , Forti M., Manetti S. , Marini M. On a class of nonsymmetrical neural
networks with application to ADC // IEEE Circuit and Systems. 1991. Vol. CAS-38.
P. 202–209.
4. Локтюхин В.Н. , Антоненко А.В., Челебаев С.В. Методика структурного синте-
за нейронов-преобразователей аналого-цифровой нейросети // Вестник МГТУ
им. Н.Э. Баумана. Сер. “Приборостроение”. 2013. № 4. С. 101–114.
5. Болтунов Е.В. Нейросетевой метод расширения динамического диапазона АЦП
в системах контроля технического состояния машинного оборудования // На-
родное хозяйство. Вопросы инновационного развития. 2012. № 5. С. 54–62.
6. Болтунов Е.В. Нейросетевой метод расширения динамического диапазона
аналого-цифрового преобразователя // Перспективы развития информационных
технологий. 2011. № 4. С. 79–83.
7. Локтюхин В.Н., Челебаев С.В. Нейросетевые преобразователи импульсно-
аналоговой информации: организация, синтез, реализация; под ред.
А.И. Галушкина. М.: Горячая линия–Телеком, 2008. 144 с.
8. Осовский С. Нейронные сети для обработки информации; пер. с польск. М.:
Финансы и статистика, 2002. 344 с.
9. Ясницкий Л.Н. Введение в искусственный интеллект. М.: Издательский центр
“Академия”, 2005. 176 с.
10. Щерба А. Построение входных и выходных цепей программируемых аналого-
вых схем Anadigm // Компоненты и технологии. 2008. № 12. С. 16–18.
11. Щерба А. Рекомендации по проектированию печатной платы для динамически
программируемых аналоговых микросхем Anadigm // Компоненты и техноло-
гии. 2011. № 11. С. 57–60.
12. Полищук А. Программируемые аналоговые ИС компании Anadigm: второе дыха-
ние аналоговой обработки сигналов // Электроника: Наука, Технология, Бизнес.
2005. № 3. С. 24–29.
13. Щерба А. Программируемые аналоговые ИС Anadigm: применение конфигури-
руемых аналоговых модулей в составе программы AnadigmDesigner2 // Компо-
ненты и технологии. 2007. № 12. С. 12–18.
14. URL: [Электронный ресурс].
REFERENCES
[1] Tank D.W., Hopfield J.J. Simple “neural” optimization networks: an A/D converter,
signal decision circuit and a linear programming circuit. IEEE Transactions
on Circuit and Systems, 1986, vol. CAS-33, iss. 5, pp. 533–541. DOI:
10.1109/TCS.1986.1085953
[2] Lee Bang W., Shen Bing J. Design of a neural-based A/D converter using modified
Hopfield Network. IEEE Journal of Solid-State Circuits, 1989, vol. SC-24, iss. 4,
pp. 1120–1135. DOI: 10.1109/4.34101
[3] Avitabile G., Forti M., Manetti S., Marini M. On a class of nonsymmetrical neural
networks with application to ADC. IEEE Transactions on Circuit and Systems, 1991,
vol. CAS-38, iss. 2, pp. 202–209. DOI: 10.1109/31.68298
[4] Loktyukhin V.N., Antonenko A.V., Chelebaev S.V. Technique for structural synthesis
of neurons-converters of analog-digital neural network. Vestn. Mosk. Gos. Tekh. Univ.
im. N. E. Baumana, Priborostr. [Herald of the Bauman Moscow State Tech. Univ.,
Instrum. Eng.], 2013, no. 4, pp. 101–114 (in Russ.).
[5] Boltunov E.V. Neural network extension method of ADC dynamic range at
control systems of technical condition of machinery. Narodn. khozyaystvo. Voprosy
innovatsionnogo razvitiya [Nat. econ. Quest. of innovation development], 2012, no. 5,
pp. 54–62 (in Russ.).
32 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2015. № 1