Аналогова структурно-функціональна нейронна схема визначення максимальних сигналів

Abstract

Наведено модель неперервного часу аналогової K-winners-take-all (KWTA)-нейронної схеми, яка дає змогу визначати К найбільших серед N невідомих вхідних даних, які можна розрізнити, де 1≤ K < N. Модель описується одним рівнянням стану з розривною правою частиною і вихідним рівнянням. Подано відповідну структурнофункціональну схему у вигляді N жорсткообмежувальних нейронів прямого поширення і одного жорсткообмежувального нейрона зворотного зв’язку, який використовується для визначення динамічного зсуву вхідних дій. Модель поєднує у собі такі властивості,як висока точність і швидкодія, низькі обчислювальна складність і складність апаратної реалізації і незалежність від початкових умов. Наведено приклади моделювання, які демонструють функціонування моделі. A continuous-time model of analogue K-winners-take-all (KWTA) neural circuit which is capable to extraction the K largest from any finite value N unknown distinct inputs, where 1 ≤ K < N, is presented. The model is described by one state equation with discontinuous righthand side and output equation. A corresponding functional block diagram of the model is given as N feedforward and one feedback hardlimiting neurons, which is used to determine the dynamic shift of inputs. The model combines such properties as high accuracy and convergence speed, low computational and hardware implementation complexity, and independency on initial conditions. Simulation examples demonstrating the model performance are provided.