Skip navigation
DSpace logo
  1. Електронний науковий архів Науково-технічної бібліотеки Національного університету "Львівська політехніка"
  2. Електронний архів Науково-технічної бібліотеки
  3. Вісники та науково-технічні збірники, журнали
  4. Комп'ютерні системи та мережі
  5. Комп'ютерні системи та мережі. – 2020. – Том 2, № 1

putin IS MURDERER

Please use this identifier to cite or link to this item: https://oldena.lpnu.ua/handle/ntb/56363
Title: Спрощена модель нейронної мережі дискретного часу для паралельного сортування
Other Titles: Simplified parallel sorting discrete-time Neural network model
Authors: Тимощук, П. В.
Tymoshchuk, P.
Affiliation: Національний університет “Львівська політехніка”
Lviv Polytechnic National University
Bibliographic description (Ukraine): Тимощук П. В. Спрощена модель нейронної мережі дискретного часу для паралельного сортування / П. В. Тимощук // Комп’ютерні системи та мережі. — Львів : Видавництво Львівської політехніки, 2020. — Том 2. — № 1. — С. 94–101.
Bibliographic description (International): Tymoshchuk P. Simplified parallel sorting discrete-time Neural network model / P. Tymoshchuk // Kompiuterni systemy ta merezhi. — Lviv : Lviv Politechnic Publishing House, 2020. — Vol 2. — No 1. — P. 94–101.
Is part of: Комп’ютерні системи та мережі, 1 (2), 2020
Journal/Collection: Комп’ютерні системи та мережі
Issue: 1
Volume: 2
Issue Date: 1-Mar-2020
Publisher: Видавництво Львівської політехніки
Lviv Politechnic Publishing House
Place of the edition/event: Львів
Lviv
UDC: 004.032.026
Keywords: паралельне сортування
нейронна мережа
різницеве рівняння
обчислювальна складність
апаратна реалізація
Parallel sorting
neural network
difference equation
computational complexity
hardware implementation
Number of pages: 8
Page range: 94-101
Start page: 94
End page: 101
Abstract: Запропоновано модель паралельної сортувальної нейронної мережі дискретного часу. Модель описується системою різницевих рівнянь і ступінчастими функціями. Модель базується на спрощеній нейронній схемі дискретного часу, призначеній для ідентифікації максимальних/minimal за значеннями вхідних даних, яка описується різницевим рівнянням і ступінчастими функціями. Визначається обмеження згори на кількість ітерацій, необхідних для досягнення пошуковим процесом збіжності до встановленого стану. Модель не потребує знання діапазону зміни вхідних даних. Для використання моделі має бути відомою мінімальна різниця між значеннями вхідних даних. Мережа придатна для обробки невідомих вхідних даних зі скінченними значеннями, розміщеними у довільному невідомому скінченному діапазоні. Мережа характеризується незначними обчислювальною складністю і складністю програмної реалізації, довільною скінченною роздільною здатністю вхідних даних, швидкодією. Наведено результати комп’ютерного моделювання, які ілюструють ефективність мережі.
A model of parallel sorting neural network of discrete-time has been proposed. The model is described by system of difference equations and by step functions. The model is based on simplified neural circuit of discrete-time that identifies maximal/minimal values of input data and is described by difference equation and by step functions. A bound from above on a number of iterations required for reaching convergence of search process to steady state is determined. The model does not need a knowledge of change range of input data. In order to use the model a minimal difference between values of input data should be known. The network can process unknown input data with finite values, located in arbitrary unknown finite range. The network is characterized by moderate computational complexity and complexity of software implementation, any finite resolution of input data, speed,. Computing simulation results illustrating efficiency of the network are given.
URI: https://ena.lpnu.ua/handle/ntb/56363
ISSN: 2707-2371
Copyright owner: © Національний університет “Львівська політехніка”, 2020
© Тимощук П. В., 2020
References (Ukraine): 1. Knuth D. E., The Art of Computer Programming, Sorting and Searching. Reading, MA: Addison-Wesley, 1973.
2. Akl S. G., Parallel Sorting Algorithms, Orlando, FL: Academic, 1985.
3. Atkins M., “Sorting by Hopfield nets”, in Proc. Int. Joint Conf. Neural Netw., Washington, DC, USA, 1989, pp. 65–68.
4. Takefuji Y. and Lee K.-S., “A super parallel sorting algorithm based on neural networks”, IEEE Trans. Circuits Syst., vol. CAS–37, 1990. no. 11, pp. 1425–1429.
5. W. Chen and K. Hsieh, “A neural sorting network with O(1) time complexity”, in Proc. Int. Joint Conf. Neural Networks, vol. III, San Diego, CA, 1990, pp. 793–798.
6. Kwon T. M. and Zervakis M., „A parallel sorting network without comparators: A neural network approach,” in Proc. Int. Joint Conf. Neural Networks, vol. I, Baltimore, MD, 1992, pp. 701–706.
7. Tseng Y.-H. and Wu J.-L., “Solving sorting and related problems by quadratic perceptrons”, Electron. Lett., 1992. vol. 28, no. 10, pp. 906–908,.
8. Wang J., “Analysis and design of an analog sorting network,” IEEE Trans. Neural Networks, 1995. vol. 6, no. 4, pp. 962–971, Jul.
9. Kwon T. M. and Zervakis M., “KWTA networks and their applications”, Multidimensional Syst. and Signal Processing, 1995. vol. 6, no. 4, pp. 333–346, Oct.
10. Wang J., “Analysis and design of a k-winners-take-all model with a single state variable and the Heaviside step activation function”, IEEE Trans. Neural Networks. Sept. 2010. vol. 21, no. 9, pp. 1496–1506.
11. Alnuweiri H. M. and Kumar V. K. P., “Optimal VLSI sorting with reduced number of processors”, IEEE Trans. Comput., 1991. vol. C-40, pp. 105–110.
12. Rovetta S. and Zunino R., “Minimal-connectivity programmable circuit for analog sorting”, IEE Proc. Circuits, Devices Syst., vol. 146, no. 3, pp. 108–110, Aug. 1999.
13. Cichocki A. and Unbehauen R., Neural Networks for Optimization and Signal Processing. New York, NY, USA: Wiley, 1993.
14. Tymoshchuk P. V., “A discrete-time dynamic K-winners-take-all neural circuit”, Neurocomputing, vol. 72, 2009, pp. 3191–3202.
References (International): 1. Knuth D. E., The Art of Computer Programming, Sorting and Searching. Reading, MA: Addison-Wesley, 1973.
2. Akl S. G., Parallel Sorting Algorithms, Orlando, FL: Academic, 1985.
3. Atkins M., "Sorting by Hopfield nets", in Proc. Int. Joint Conf. Neural Netw., Washington, DC, USA, 1989, pp. 65–68.
4. Takefuji Y. and Lee K.-S., "A super parallel sorting algorithm based on neural networks", IEEE Trans. Circuits Syst., vol. CAS–37, 1990. no. 11, pp. 1425–1429.
5. W. Chen and K. Hsieh, "A neural sorting network with O(1) time complexity", in Proc. Int. Joint Conf. Neural Networks, vol. III, San Diego, CA, 1990, pp. 793–798.
6. Kwon T. M. and Zervakis M., "A parallel sorting network without comparators: A neural network approach," in Proc. Int. Joint Conf. Neural Networks, vol. I, Baltimore, MD, 1992, pp. 701–706.
7. Tseng Y.-H. and Wu J.-L., "Solving sorting and related problems by quadratic perceptrons", Electron. Lett., 1992. vol. 28, no. 10, pp. 906–908,.
8. Wang J., "Analysis and design of an analog sorting network," IEEE Trans. Neural Networks, 1995. vol. 6, no. 4, pp. 962–971, Jul.
9. Kwon T. M. and Zervakis M., "KWTA networks and their applications", Multidimensional Syst. and Signal Processing, 1995. vol. 6, no. 4, pp. 333–346, Oct.
10. Wang J., "Analysis and design of a k-winners-take-all model with a single state variable and the Heaviside step activation function", IEEE Trans. Neural Networks. Sept. 2010. vol. 21, no. 9, pp. 1496–1506.
11. Alnuweiri H. M. and Kumar V. K. P., "Optimal VLSI sorting with reduced number of processors", IEEE Trans. Comput., 1991. vol. C-40, pp. 105–110.
12. Rovetta S. and Zunino R., "Minimal-connectivity programmable circuit for analog sorting", IEE Proc. Circuits, Devices Syst., vol. 146, no. 3, pp. 108–110, Aug. 1999.
13. Cichocki A. and Unbehauen R., Neural Networks for Optimization and Signal Processing. New York, NY, USA: Wiley, 1993.
14. Tymoshchuk P. V., "A discrete-time dynamic K-winners-take-all neural circuit", Neurocomputing, vol. 72, 2009, pp. 3191–3202.
Content type: Article
Appears in Collections:Комп'ютерні системи та мережі. – 2020. – Том 2, № 1

Files in This Item:
File Description SizeFormat 
2020v2n1_Tymoshchuk_P-Simplified_parallel_sorting_94-101.pdf943.92 kBAdobe PDFView/Open
2020v2n1_Tymoshchuk_P-Simplified_parallel_sorting_94-101__COVER.png279.59 kBimage/pngView/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.