2.2.6 Параллельное ацп

2.2.6.1 Состав:

В состав входят несколько компараторов, сопротивлений, триггеров, и приоритетный шифратор, с УВС – устройством вычитания сигналов. Вся схема представлена на рис. 2.12

2.2.6.2 Работа преобразователя:

   Если приложенное входное напряжение не выходит за пределы диапазона от ⁵/₂h, до⁷/₂h, где h=U_оп/7 - квант входного напряжения, соответствующий единице младшего разряда АЦП, то компараторы с 1-го по 3-й устанавливаются в состояние 1, а компараторы с 4-го по 7-й - в состояние 0. Преобразование этой группы кодов в трехзначное двоичное число выполняет логическое устройство, называемое приоритетным шифратором. На выходе получим цифровой код равный 011.

Рис. 2.12

Введение

В данной главе рассмотрены технические и временные характеристики нейросети. Также рассмотрены различные топологии нейросети, и их сравнительные характеристики. При этом все сравнительные и оценочные характеристики проводятся в пределах нейросети и только на уровнях не превышающих структуру нейросети.

3.1 Структура нейросети.

В основе проектирования рассматривалось несколько различных топологий сетей, но в основу проектирования легло две, из которых в процессе расчета и преобразований была выбрана одна топология, которая и стала основной при проектировании.

В общем случае понятие “искусственная нейронная сеть” охватывает ансамбли нейронов любой структуры, однако практическое применение нашли только некоторые из них.

3.1.1. Однослойные прямонаправленные сети. Слойной называется ИНС, состоящая из групп нейронов, разделенных по слоям. ИНС, содержащая kслоев, называетсяk-слойной. Если сигналы в сети распространяются только по направлению из начала в конец, то такая ИНС называется прямонаправленной. На рис. 3.1 изображена однослойная прямонаправленная ИНС.

Рис. 3.1 Прямонаправленная сеть с одним слоем нейронов

Она включает в себя слой входных нейронов и слой выходных. Количество нейронов в одном слое определяет размер слоя. Основной недостаток – большое число связей, при малом числе нейронов

3.1.2. Многослойные прямонаправленные сети. Они характеризуются наличием одного или нескольких скрытых слоев, осуществляющих преобразование информации. Нейроны скрытого слоя называются скрытыми нейронами или скрытыми узлами.

На рис. 3.2 представлена схема трехслойной прямонаправленной ИНС с одним скрытым слоем. Для описания такой сети используется запись NN4-5-2. Здесь 4 — размер входного слоя сети, 5 — скрытого, и 2 — выходного. В общем случае прямонаправленная ИНС с gвходными нейронами,qвыходными нейронами иnскрытыми слоями размераh_iобозначается NNg-h₁-h₂-...-h_n-q. Сигналы с последнего скрытого слоя поступают на нейроны выходного слоя, которые формируют реакцию сети. Основной недостаток – большое число связей между нейронами.

Рис. 3.2 Полностью связанная трехслойная прямонаправленная сеть

3.1.3. Рекуррентные сети. Этот тип ИНС отличается существованием обратных связей и элементов временной задержки сигнала. Наиболее простым случаем рекуррентной сети является один слой нейронов, охваченный обратными связями. При этом каждый нейрон получает задержанные выходные сигналы всех остальных нейронов.

На рис. 3.3 представлена рекуррентная ИНС, содержащая скрытый слой нейронов. В этом случае каждый нейрон получает, кроме входных сигналов, еще и все выходные сигналы сети. Часть ИНС, охваченная обратными связями может иметь и большее количество скрытых слоев. Основной недостаток – временная задержка и большое число связей.

Рис. 3.3 Рекуррентная сеть с одним скрытым слоем

4. Полностью связанные сети. Характерным признаком ИНС этого типа является наличие связей между всеми нейронами.

Наиболее известной разновидностью полностью связанных сетей являются сети Хопфилда (см. рис. 3.4). В них каждый нейрон имеет двусторонние связи со всеми остальными нейронами сети. В общем случае сеть Хопфилда имеет симметричную кольцевую структуру, в ней нельзя выделить скрытые нейроны и единое направление распространения сигналов. Работа полностью связанной ИНС и обмен данными контролируется одним главным нейроном.

Сеть Хопфилда является примером полностью связанной динамической сети, основывающейся на принципах самоорганизации, однако в ней не используются в явном виде элементы временной задержки. Основной недостаток – очень сложная реализация для множества каналов.

Рис. 3.4 Полностью связанная сеть Хопфилда

Другим примером служат решетчатые сети (см. рис. 3.5). Они представляют собой массив нейронов, каждый из которых связан с входными нейронами. Размерность массива нейронов определяет размерность решетчатой сети. Такая ИНС является прямонаправленной, так как в ней нет обратных связей, однако в ней нельзя выделить скрытые элементы или слои. Основной недостаток этой сети – долгое время преобразования и неудобство управления.

Рис. 3.5 Одномерная решетчатая сеть из трех нейронов