350 rub
Journal Neurocomputers №5 for 2011 г.
Article in number:
Genetic algorithms in the systems of digital signal processing
Authors:
I. A. Kalmykov, R. A. Voronkin, D. N. Rezenkov, Ya. V. Еmarlukova, A. A. Falko
Abstract:
For increase of speed of digital signals processing (DSP) it is offered to proceed (pass) from one-dimensional processing signals to multivariate on the basis of application of polynomial systems of deductions classes (PSDC) in which not brought minimal multinominals are used as modules of non-positional system. Thus use neural network logic basis will allow to provide a real time scale at realization of parallel calculations. Characteristic feature of all arithmetic devices DSP functioning in PSDC, is necessity of performance of summation on the module two. The basic realizations of multiport adders on the module two use neural network basis are considered. The expediency of use at training of multiport of neural network adder of majority genetic algorithm with the allocated dominant is shown. Application of the developed algorithm at training of neural network adder on the module two has allowed to change its architecture in such a manner that weight factors and displacement of neural began to belong to three-element set {1;0;1}. Thus the synthesized neural network is characterized by smaller circuit expenses in comparison with earlier known realizations.
Pages: 20-27
References
  1. Галушкин А.И. Теория нейронных сетей. Кн.1/Общая ред. А.И. Галушкина. М.: ИПРЖР. 2000. C. 416.
  2. Галушкин А.И. Нейрокомпьютеры. Книга 3 / Общая ред. А.И. Галушкина. М.: ИПРЖР. 2000. C. 528.
  3. Галушкин А.И. Нейронные сети. Теория. / Общая ред. А.И. Галушкина. М.: ИПРЖР. 2005. С. 437.
  4. Каллан Р. Основные концепции нейронных сетей: Пер. с англ. Изд. дом «Вильямс». 2001. С. 288.
  5. Червяков Н.И., Сахнюк П.А., Шапошников А.В., Макоха А.Н. Нейрокомпьютеры в системе остаточных классов / Общая ред. А.И. Галушкина. М.: ИПРЖР. 2003. С. 272.
  6. Вариченко Л.В. Абстрактные алгебраические системы и цифровая обработка сигналов. Киев: Наука думка. 1986. С. 247.
  7. Червяков Н.И., Калмыков И.А. и др. Элементы компьютерной математики и нейроноинфроматики / под ред. Н.И. Червякова. М.: Физматлит. 2003. С. 216.
  8. Калмыков И.А. Математические модели нейросетевых отказоустойчивых вычислительных средств, функционирующих в полиномиальной системе классов вычетов / под ред. Н.И. Червякова. М: Физматлит. 2005. С. 276.
  9. Калмыков И.А.,Резеньков Д.Н., Тимошенко Л.И. Непозиционное кодирование для отказоустойчивых СП ЦОС // Инфокоммуникационные технологии. 2007. № 3. С. 36 - 38.
  10. Воронкин Р.А., Чипига А.Ф.Реализация элитного отбора в математической модели мажоритарного генетического алгоритма // Системы управления и информационные технологии №2(19). Москва-Воронеж. Научная книга. 2005
  11. КалмыковИ.А., Чипига А.Ф., Петров Ю.Ю.Повышение вероятности нахождения глобального экстремума регуляцией генетических операторов в генетическом алгоритм // Сб. научн. трудов Сев-Кав ГТУ. Ставрополь. 2008. №4. С.99-102.