Nonlinear signal conversion in a formal neuron circuit
DOI:
https://doi.org/10.32347/tit2141.03011Keywords:
Differential cascade, scheme of a nonlinear element of a formal neuronAbstract
The interest in researching artificial neural networks (ARNs) is due to the fact that the method of processing information by the human brain is very different from the methods commonly used by digital computers. The brain has the ability to organize its structural components, called neurons, so that they can perform specific tasks (eg, pattern recognition, sensory signal processing, motor functions) several times faster than the fastest modern computers. [1]. At the Department of Radio Engineering and Radio-Electronic Systems of the Faculty of Radio Physics, Electronics and Computer Systems of Taras Shevchenko National University of Kyiv, a research group has been organized to build and study analog models of ANN on operational amplifiers.
References
Хайкин С. (2006). Нейронные сети. M., издат. дом Вильямс, 1104.
Bekh I.I. (2015) Approximation of mathematical functions based on the simulation of neural networks with the help of the analog calculating machines (ACM). XI International Conference Intellectual Systems For Decision Making And Problems Of Computational Intelligence (ISDMCI'2015), 2015, Zaliznyj Port, Ukraine, 231-232.
Andrusenko V., Bekh I.I., Novak S.O. (2015). Simulation of Neural Networks by the Analog Calculating Machine (ACM) (in the task of approximation of mathematical functions). Вісник Київського ун-ту, сер. Радіофізика і електроніка, 1(21), 10-13.
Andrusenko V., Bekh I.I., Novak S.O. (2014). Analog calculating machine (ACM) for simulation of neural networks (task approximation of mathematical functions). XIV international young scientists’ conference on applied physics, Kiev, Ukraine, 213-214.
Бех І.І., Новак С.О., Хлапонін Ю.І. (2016). Апроксимація нелінійної функціона-льної залежності на основі алгоритму зворо-тного розповсюдження помилки. Наук.-техн. конф. Інформаційна безпека України, Київ, 52-54.
Бех І.І., Новак С.О., Хлапонін Ю.І. (2016). Побудова апроксимаційної функції на основі алгоритму зворотного розповсюджен-ня помилки як методу навчання штучних нейронних мереж. Вісник інженерної акаде-мії України, 1, 198-201.
Бех І.І., Новак С.О., Хлапонін Ю.І. (2016). Моделювання штучних нейронних мереж (ШНМ) засобами аналогової електро-ніки. ХІІ Міжнародна наукова конференція Інтелектуальні системи прийняття рішень та проблеми обчислювального інтелекту (ISDMCI'2016), Залізний Порт, Україна, 254-255.
Bekh І.І., Grinevich O.V., Novak S.O. (2017). Computer simulation of a formal neuron based on analogue electronics devices. XIII international conference Electronics and applied physics, Kiev, Ukraine, 209-210.
Бех І.І., Новак С.О. (2017). Адаптація та понад розширення в антенних решітках. На-уково-технічна конференція Інформаційна безпека України, Київ, 21-25.
Левитський С.М. (2007). Основи ра-діоелектроніки: підруч. Київ, Видавничо-поліграф. центр Київський університет, 455.
Гавлицкий А.И. (2009). Особенности схемотехники сверхнизковольтных прецизи-онных аналоговых перемножителей напря-жения. Изв. ЮФУ, Технич. науки, 5(94), 101-108.
Горбань А.Н. (1998). Обобщенная ап-проксимационная теорема и вычислительные возможности нейронных сетей. Сибирский журнал вычислительной математики, Т.1, 1, 12-24.
Downloads
Published
How to Cite
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Our journal abides by the CREATIVE COMMONS copyright rights and permissions for open access journals.
Authors, who are published in this journal, agree to the following conditions:
1. The authors reserve the right to authorship of the work and pass the first publication right of this work to the journal under the terms of a Creative Commons Attribution License, which allows others to freely distribute the published research with the obligatory reference to the authors of the original work and the first publication of the work in this journal.
2. The authors have the right to conclude separate supplement agreements that relate to non-exclusive work distribution in the form in which it has been published by the journal (for example, to upload the work to the online storage of the journal or publish it as part of a monograph), provided that the reference to the first publication of the work in this journal is included.
