Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Синтез структур преобразователей частотно-временных параметров сигналов в код на основе нейросетевых технологий

Диссертация: Синтез структур преобразователей частотно-временных параметров сигналов в код на основе нейросетевых технологий
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Актуальность проблемы. Для измерения целого ряда параметров технологических процессов (уровень физических сред, расход, плотность, давление, скорость, температура и т. д.) широко используются частотные датчики с представлением измерительных данных в виде частотнои время-импульсных сигналов. Важным направлением кардинального повышения точности и надежности их измерения является развитие… Читать ещё >

Содержание

  • Глава 1. ОБОСНОВАНИЕ ПРИМЕНЕНИЯ БАЗИСА НЕЙРОСЕ-ТЕВЫХ ОПЕРАЦИЙ ДЛЯ ПРОЕКТИРОВАНИЯ ПРЕОБРАЗОВАТЕЛЕЙ ЧАСТОТНО-ВРЕМЕННЫХ ПАРАМЕТРОВ СИГНАЛОВ, МОДЕЛИ ИХ СТРУКТУР С ФИКСИРОВАННЫМИ СВЯЗЯМИ
    • 1. 1. Состояние применения ИНС для построения преобразователей формы представления информации
    • 1. 2. Концепция и направления
  • приложения ИНС-технологий для проектирования преобразователей формы информации (ПФИ)
    • 1. 3. Методы описания процессов преобразования и модели нейроподобных структур преобразователей аналоговой величины х в унитарный цифровой эквивалент уп
    • 1. 4. Подходы к описанию нейроподобных структур преобразователей с позиционным кодированием результата
    • 1. 5. Основные рекомендации по применению нейроподобных структур преобразователей д: —> у*п и д: —> y*N
  • Глава 2. РАЗРАБОТКА МОДЕЛЕЙ И ПРОЦЕДУР СИНТЕЗА СТРУКТУР НЕЙРОПРЕОБРАЗОВАТЕЛЕЙ ИМПУЛЬС-НО-АНАЛОГОВЫХ СИГНАЛОВ С ФУНКЦИЯМИ ОБУЧЕНИЯ (на примере сетей прямого распространения)
    • 2. 1. Процедура синтеза преобразователей импульсно-аналоговых сигналов в цифровой код с функцией обучения
    • 2. 2. Целевая функция проектирования (синтеза) структур преобразователей с минимальными аппаратными затратами
    • 2. 3. Модели и процедуры синтеза структур ПФИ на базе многослойных персептронных сетей
    • 2. 4. Модели нейросетевых структур преобразователей с последовательным вычислением базовых (активационных) функций
  • Глава 3. ИССЛЕДОВАНИЕ ВОЗМОЖНОСТЕЙ ПРИМЕНЕНИЯ РЕКУРЕНТНЫХ И ГИБРИДНЫХ СЕТЕЙ ДЛЯ ПО-^ СТРОЕНИЯ СТРУКТУР ИМПУЛЬСНО-ЦИФРОВЫХ ПРЕОБРАЗОВАТЕЛЕЙ, МЕТОДИКА ИХ СИНТЕЗА КАК
  • ЦИФРОВОГО АВТОМАТА
    • 3. 1. Принципы применения рекуррентных нейронных сетей для синтеза структур преобразователей импульсно-аналоговой информации
    • 3. 2. Принципы применения гибридных нейронов для проектирования многокаскадных нейропреобразователей с позиционным кодированием
    • 3. 3. Особенности построения импульсно-цифровых функ-^ циональных преобразователей на основе радиально
  • Ф базисных сетей
    • 3. 4. Методика синтеза нейропреобразователей импульсно-аналоговых сигналов как цифрового автомата
    • 3. 5. Основные принципы реализации и верификации преобразователей с функциями обучения на ПЛИС, их внедрение
  • Глава 4. АНАЛИЗ И МОДЕЛИРОВАНИЕ ОСНОВНЫХ ХАРАК-^ ТЕРИСТИК НЕЙРОЭЛЕМЕНТОВ И ОЦЕНКА ИХ
  • ВЛИЯНИЯ НА ВЫБОР СТРУКТУРЫ ИНС-ПРЕОБРАЗОВАТЕЛЯ
    • 4. 1. Анализ нейроузлов ИНС-преобразователей «аналог —>
    • 4. 2. Применение имитационного моделирования для анализа нейроузлов импульсно-цифровых преобразователей

Синтез структур преобразователей частотно-временных параметров сигналов в код на основе нейросетевых технологий (реферат, курсовая, диплом, контрольная)

Актуальность проблемы. Для измерения целого ряда параметров технологических процессов (уровень физических сред, расход, плотность, давление, скорость, температура и т. д.) широко используются частотные датчики с представлением измерительных данных в виде частотнои время-импульсных сигналов. Важным направлением кардинального повышения точности и надежности их измерения является развитие функциональных возможностей преобразователей, осуществляющих аналого-цифровое преобразование и первичную математическую переработку этих (импульсно-аналоговых) сигналов. Созданию теории, методов и специализированных средств их преобразования и математической переработки посвящены работы [1 — 12] многих советских и зарубежных ученых: Смолова В. Б., Угрюмова Е. П., Карпова Р. Г., Паламарюка Г. О., Шлянди-наВ.М., Новицкого П. В., Кнорринга В. Г., Гутникова B.C., Шахова Э. К., Дан-чеева В.П., Герасимова И. В., Сафьянникова Н. М., Вуда П., Тейлора Д. и др.

Одной из первопричин интеллектуализации преобразователей является развитие технологий микроэлектроники. С появлением в последние годы БИС и СБИС с программируемой структурой, в том числе и ПЛИС (программируемые логические интегральные схемы), появились все необходимые предпосылки для расширения функциональных возможностей, а также дальнейшего улучшения технико-экономических характеристик преобразователей частотно-временных параметров измерительных сигналов. Однако их достижение ограничивается рядом нерешенных до настоящего момента проблем, связанных с проектированием этих преобразователей. Так, известные методы преобразования импульсно-аналоговых сигналов ориентированы в основном на построение устройств на базе цифровых схем со средним уровнем интеграции. При этом их прямой перевод в среду ПЛИС, например с помощью графического редактора САПР, не учитывает возможностей современных БИС на оперативную (программную) перестройку их схемы на решение новой задачи преобразования, что весьма существенно для реализации преобразователей с обучаемой (перестраиваемой) структурой.

Наряду с этим также следует отметить такие проблемы, как:

— отсутствие до настоящего времени удобного для последующей реализации на ПЛИС способа математического описания (моделей) преобразователей, причем инвариантного к виду преобразуемой аналоговой величины. Наличие такого описания рассматривается как основа формализации синтеза этих преобразователей, позволяющего’сократить сроки разработки устройств преобразования информации, особенно с увеличением сложности и перечня выполняемых ими операций;

— узкая специализация известных вычислительных и функциональных преобразователей с фиксированной структурой и вытекающая отсюда необходимость расширения их интеллектуальных возможностей по пути создания структур с изменяемыми, обучаемыми связями между элементами устройства, особенно учитывая рост применения нейросетевых технологий построения интеллектуальных систем в различных областях информационно-измерительной и вычислительной техники.

В связи с этим является актуальным разработка специальных нейрочипов, ориентированных на преобразование аналоговых величин, представленных в виде значений частоты, периода или временного интервала, в их цифровой эквивалент, отображаемый обычно посредством унитарного или двоичного позиционного кода. Их создание приводит к необходимости формализации процесса проектирования (синтеза) преобразователей формы информации (ПФИ) от постановки задачи конкретной разработки устройства до его микроэлектронной реализации.

Одним из возможных эффективных направлений решения указанных выше проблем является применение математического аппарата искусственных нейронных сетей (ИНС). Его использование позволяет в результате обучения ней/ росети получить математическое описание структуры преобразователя, отличающегося высокой однородностью составляющих его нейроэлементов и технологической простотой реализации сети на ПЛИС, в том числе путем ее представления на языках описания аппаратуры. Повышению эффективности систем обработки информации на основе ИНС посвящены работы [13 — 18] таких известных ученых, как Галушкин А. И., Головко В. А., Круглов В. В., Ясниц-кий J1.H., Мак-Каллок У., Питтс В., Розенблатт Ф., Уидроу Б., Хофф М., Хоп-филд Дж., Кохонен Т. и др.

Внедрение нейросетевой организации систем в основу построения преобразователей импульсно-аналоговых сигналов в код, называемых часто еще им-пульсно-цифровыми, позволяет также существенно расширить их функциональные (интеллектуальные) возможности. В первую очередь, это — обучаемость ИНС-устройства на реализацию нелинейной функции преобразования с возможностью коррекции погрешностей датчиков, подключаемых к преобразователю, а также поддержка сетью функций адаптации к входным сигналам (фильтрация помех, предсказание результата, динамическая перестройка структуры ПФИ на вид определенного воздействия и т. п.).

Необходимость формализации процедуры (проведения, осуществления) синтеза такого рода ПФИ также обусловлена тем, что традиционные приемы разработки преобразователей ориентированы, в основном, на реализацию простых операций. Их усложнение приводит к длительному, трудоемкому поиску наиболее целесообразного метода преобразования формы представления информации, а затем его воплощения в схему устройства на основе типовых узлов и элементов вычислительной техники (ВТ). Поэтому использование только такого подхода к их разработке является одним из сдерживающих факторов в развитии интеллектуальных ПФИ.

В связи с этим является актуальным решение такой важной научно-прикладной задачи, как эффективное использование нейросетевого функционально-логического базиса операций для описания структур импульсно-цифровых преобразователей и создание на его основе процедур их синтеза с целью упорядочивания процесса проектирования этих устройств, особенно с расширением их операционных возможностей.

Цель н задачи исследования.

Цель работы: разработка моделей и процедур синтеза структур преобразователей частотно-временных параметров сигналов в цифровой код на основе применения нейросетевых технологий, обеспечивающих сокращение сроков проектирования создаваемых, устройств с расширенными функциональными возможностями при заданной точности преобразования.

Для ее достижения необходимо решить следующие основные задачи.

1. Определение основных методологических подходов и положений по применению ИНС-технологий для проектирования преобразователей импульс-но-аналоговой формы представления информации.

2. Разработка методов описания процессов преобразования частоты и временного интервала в код с использованием операций математического нейрона, построение моделей нейроподобных структур преобразователей.

3. Разработка процедур (порядка и содержания этапов) синтеза нейросетевых структур преобразователей импульсно-аналоговых сигналов в код с настраиваемыми в ходе обучения сети синаптическими связями между ее нейроэлементами.

4. Исследование технических характеристик импульсно-цифровых линейных и функциональных преобразователей с нейросетевой организацией путем анализа и моделирования их основных нейроэлементов, реализация структур преобразователей на ПЛИС с учетом способов их исходного описания.

Методы исследования. Для решения поставленных задач использовались математический аппарат теории искусственных нейронных сетей, теория аппроксимации и приближения функций, основы теории вероятностей, элементы теории графов и синтеза цифровых автоматов, методы моделирования.

Научная новизна работы состоит:

1) в разработке методологических подходов и положений по применению нейросетевых технологий для проектирования устройств преобразования частотно-временных параметров сигналов в цифровой код;

2) в разработке методов описания процессов преобразования и моделей структур преобразователей с фиксированными связями между нейроэлементами;

3) в создании моделей и процедур синтеза структур нейропреобразовате-лей с настраиваемыми синаптическими связями, базирующихся на получении в результате обучения аппроксимирующей сети конфигурации схемы устройства с минимально возможными аппаратными затратами с обеспечением заданной точности преобразования;

4) в разработке методики структурного синтеза нейропреобразователя как цифрового автомата от этапа постановки задачи до его микроэлектронной реализации на ПЛИС.

Достоверность полученных результатов подтверждается математическими обоснованиями, корректным использованием математического аппарата искусственных нейронных сетей и теории аппроксимации, сопоставлением альтернативных подходов, а также результатами моделирования.

Практическая значимость. Практическая значимость работы состоит в том, что предложенные модели и процедуры синтеза нейросетевых структур устройств преобразования формы информации являются основой создания на базе программируемых БИС линейных и функциональных преобразователей импульсно-аналоговых сигналов с расширенными функциональными возможностями и улучшенными технико-экономическими характеристиками. Предложенная с использованием нейросетевых технологий инженерная методика синтеза этих преобразователей на ПЛИС позволяет существенно упорядочить процесс и соответственно сократить сроки их проектирования.

Апробация работы. Основные положения и результаты работы докладывались и обсуждались на:

— 11-й, 12-й, 13-й и 14-й международных конференциях «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций», г. Рязань, РГРТА, 2002, 2004 и 2005 гг.;

— 8-й, 9-й и 10-й всероссийской конференции «Новые информационные технологии в научных исследованиях и образовании», г. Рязань, РГРТА, 2003, 2004 и 2005 гг.;

— Всероссийских конференциях «Биотехнические, медицинские и экологические системы и комплексы», г. Рязань, РГРТА, 2002, 2004 и 2005 гг.;

— 10-й всероссийской межвузовской научно-технической конференции студентов и аспирантов, г. Москва, МИЭТ, 2003 г.;

— Всероссийской научной конференции молодых ученых и аспирантов «Информационные технологии, системный анализ и управление», Таганрог, ТРТУ, 2003 г.;

— 10-й международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика», г. Москва, МЭИ, 2004 г.;

— 9-й всероссийской научно-технической конференции, г. Н. Новгород, Межрегиональное Верхне-Волжское отделение Академии технологических наук Российской Федерации (МВВО АТН РФ), 2004 г.;

— научно-технической конференции РГРТА. г. Рязань, РГРТА, 2004 г.

Реализация результатов работы. На основе предложенных в работе порядка и содержания этапов синтеза нейросетевых структур преобразователей частотно-временных параметров сигналов разработана и внедрена на ФГУП «Государственный рязанский приборный завод» для САПР ПЛИС представленная на языке описания аппаратуры, а также, в виде списка соединений, библиотека этих устройств как основа сокращения сроков на разработку систем, содержащих в своем составе преобразователи формы информации. Результаты диссертационных исследований также используются в учебном процессе Рязанского государственного радиотехнического университета на кафедре «Биомедицинской и полупроводниковой электроники» по специальности 190 500 «Биотехнические и медицинские аппараты и системы» в дисциплине «Преобразователи информации».

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 30 работ, в том числе 1 патент, 2 свидетельства Рособразования РФ об официальной регистрации программ для ЭВМ, 10 статей (из них 2 в центральной печати), тезисы к 16 докладам на международных и российских научных конференциях и 1 методические указания к лабораторным работам.

Структура работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 110 наименований, и приложения. Диссертация содержит 147 страниц основного текста и 31 страницу рисунков и таблиц (71 рисунок и 14 таблиц).

ВЫВОДЫ.

1.Ha основе проведенного анализа получены аналитические зависимости для определения дисперсии выходных частотных сигналов нейронов преобразователей «частота — код», осуществляющих операции алгебраического суммирования кодо-управляемых частот.

2. Получена передаточная функция выходной частоты нейрона-формирователя кодо-управляемой частоты в зависимости от управляющего кода на основе аналитического метода и путем моделирования, позволяющая определять характеристики изменения выходного сигнала для различных входных воздействий.

3. Найдены аналитические выражения для оценки времени преобразования синтезированных ИНС-устройств в зависимости от заданной точности формирования результата и формы представления входных сигналов.

4. Построены имитационные модели нейронов-сумматоров кодо-управляемых частот, в том числе для случая их каскадного включения, позволяющие находить статические и динамические характеристики выходных сигналов таких нейронов для произвольного числа частотных входов и количества каскадов.

ЗАКЛЮЧЕНИЕ

.

Важным направлением кардинального повышения точности и надежности измерения частотно-временных параметров сигналов является развитие функциональных возможностей преобразователей, осуществляющих аналого-цифровое преобразование и первичную математическую переработку этих (им-пульсно-аналоговых) сигналов.

В диссертации исследован и разработан целый комплекс научно обоснованных методов, моделей и процедур синтеза структур преобразователей частотно-временных параметров сигналов в цифровой код на основе применения нейросетевых технологий, обеспечивающих сокращение сроков проектирования создаваемых устройств с расширенными функциональными возможностями при заданной точности преобразования. Исследование проведено с учетом использования математического аппарата искусственных нейронных сетей и теории аппроксимации, сопоставления альтернативных подходов, а также моделирования.

Полученные в работе основные результаты, исходя из поставленной цели и определенных для ее достижения задач, можно сформулировать следующим образом.

1. Разработаны основные методологические подходы и положения по применению нейросетевых технологий при проектировании устройств преобразования частотно-временных параметров сигналов в цифровой код, определяющие организацию и упорядочивающие синтез новых вариантов их структур. К ним относятся:

— представление преобразователя частотно-временных параметров сигналов в код в виде аппроксиматора с использованием нейроопераций для описания его моделируемой зависимости;

— первоочередность выбора архитектуры исходной аппроксимирующей нейросети для ее успешного обучения постановленной задаче преобразования;

— инвариантность нейросетевого описанию процесса преобразования к виду входного сигнала и типу элементной базы преобразователя.

2. Разработаны методы описания процессов преобразования и моделей структур преобразователей с фиксированными связями между нейроэлементами, отличающихся высокой степенью однородности и простотой их реализации.

Эти методы базируются на интерпретации преобразователя формы представления информации х^>у* в виде аппроксиматора с использованием ней-роопераций для описания его моделируемой зависимости .у*^) на основе методов классической теории аппроксимации, например, в виде кусочно-ступенчатой функции. На их основе построены нейроподобные структуры преобразователей с фиксированными связями между их нейроэлементами, ориентированные, в основном, на реализацию задач линейного преобразования. В основу построения этих структур положены операции математического нейрона.

3. Созданы модели и процедуры синтеза структур нейропреобразователей с настраиваемыми синаптическими связями, базирующиеся на получении в результате обучения аппроксимирующей сети конфигурации схемы устройства с минимально возможными аппаратными затратами на его последующую реализацию с обеспечением заданной точности.

Представление процесса аналого-цифрового преобразования х^>у* в виде, описывающем функционирование ИНС — аппроксиматора, определяет основное содержание процедур синтеза структур преобразователей с использованием нейросетевых технологий. Его суть заключается в проведении обучения выбранной аппроксимирующей нейросети с целью получения конфигурации схемы устройства на решение поставленной задачи преобразования при выполнении ограничений на допустимую (заданную) погрешность S и заданное время Т преобразования: дпр < 8&bdquo-Рлои и Гпр < Т, с обеспечением минимизации показателя затрат (min <�— С) на его последующую реализацию.

4. Разработаны методы последовательного вычисления активационных функций и соответственно поддерживающие их способы каскадного включения и многотактной работы однонейронных сетей для построения моделей структур преобразователей с существенным (почти на порядок) сокращением аппаратных затрат на их реализацию.

Наряду с этим обоснована целесообразность использования нейронов с функциями активации с переменным значением порога. В результате синтеза сформированы многотактные однонейронные структуры преобразователей циклического принципа действия за счет организации последовательной во времени (потактной) работы сети в виде одного слоя или каскада.

5. Определены особенности организации и синтеза структур ИНС-преобразователей на основе рекуррентных и гибридных сетей как одного из направлений снижения затрат на реализацию заданной операции преобразования и расширения их функциональных возможностей.

Общность свойств формирования результата измерения (преобразования) во времени и функционирования рекуррентных сетей обосновывает целесообразность эффективности применения этих сетей для построения ПФИ с частотной и время-импульсной формой представления преобразуемого сигнала.

С точки зрения аппаратных затрат для ПФИ с позиционным способом кодирования результата найдены в зависимости от погрешности преобразования функции выигрыша применения рекуррентных сетей в сравнении с классическими персептронными. Показано, что общее количество нейронов для 10-ти и 16-ти разрядных преобразователей уменьшается в них соответственно в 20 и 500 раз.

Наряду с этим рассмотрена возможность построения ПФИ на основе радиально-базисных сетей, достоинством которых является отсутствие скрытых слоев, что упрощает процедуру их обучения. Предложено использование функции активации нейронов с вычислением под экспонентой разности первой степени, показана эффективность ее применения.

6. Разработана методика структурного синтеза нейропреобразователя как цифрового автомата от этапа постановки задачи до его микроэлектронной реализации, позволяющая существенно упорядочить процесс проектирования устройств с расширенными функциональными возможностями и, в частности для задачи нелинейного преобразования, в 3+4 раза сократить сроки на разработку его структуры.

В результате проведения Л-го этапа как последовательности действий 1.1— 1.3 (см. рис. 1.5) производится (при заданной точности получения результата преобразования) синтез нейросетевой структуры преобразователя с представлением входных и выходных переменных в виде физических величин.

На 2-м этапе формируется матричное представление входов-выходов нейронов структуры, в котором аналоговые величины описываются в виде соответствующих им логических сигналов, отражающих двоичную логику формирования преобразуемых частотных и время-импульсных сигналов.

На 3-м этапе формируются графы описания нейронов преобразователя как структурного автомата. На 4-м этапе на их основе составляется описание нейронов ПФИ, а также преобразователя в целом на языке описания аппаратуры, например, VHDL, либо в виде логической схемы.

7. Проведен анализ и моделирование основных нейроэлементов и учтены их свойства при проектировании ИНС-преобразователей.

Найдены зависимости для определения дисперсии выходного сигнала нейрона-сумматора двух частот, нейрона-сумматора двух кодо-управляемых частот, а также выходного сигнала каскадного включения нейронов с синаптиче-скими связями на основе формирования кодо-управляемых частот.

Получена передаточная функция нейронов-умножителей частоты на цифровой код как одного из вариантов реализации динамически перестраиваемой синаптической связи. Произведена оценка времени преобразования для различных видов структур нейропреобразователей.

В результате моделирования получена зависимость дисперсии а2 выходной частоты fz для 3-х входового нейрона-сумматора кодо-управляемых частот. Анализ значений а2 показывает, что при синтезе таких нейронов для сокращения времени преобразования следует уменьшать интервал неравномерности выходной частоты fz, в том числе за счет уменьшения разрядности кодов, задающих значения синаптических связей ИНС-преобразователя.

На основе проведенного диссертационного исследования решена важная научно-прикладная задача создания моделей и процедур синтеза преобразователей частотно-временных параметров сигналов в цифровой код на основе применения нейросетевых технологий, обеспечивающих сокращение сроков проектирования создаваемых устройств с расширенными функциональными возможностями при заданной, точности преобразования. Ее решение является определенным вкладом в развитие новых методов описания процессов преобразования, а также в развитие методов синтеза и анализа преобразователей информации как важных устройств вычислительной техники и систем управления.

Практическая значимость работы состоит в том, что предложенные модели и процедуры синтеза нейросетевых структур устройств преобразования формы информации являются основой создания на базе программируемых БИС линейных и функциональных преобразователей импульсно-аналоговых сигналов с улучшенными технико-экономическими характеристиками и расширенными функциональными возможностями. Предложенная с использованием нейросетевых технологий инженерная методика синтеза этих преобразователей на ПЛИС позволяет существенно упорядочить процесс и сократить сроки их проектирования.

Дальнейшее расширение функциональных возможностей и улучшение технико-экономических параметров проектируемых ИНС-преобразователей может достигаться за счет применения других видов сетей (Хопфилда, гетерогенных и др.), а также комплексирования различных видов сетей и применения аппарата нечеткой логики как эффективного приема улучшения динамических характеристик преобразования. Решение этих вопросов может стать предметом последующих исследований.

Результаты, полученные в диссертации, внедрены в разработки ФГУП «Государственный рязанский приборный завод» и в учебный процесс Рязанского государственного радиотехнического университета (акты прилагаются).

Показать весь текст

Список литературы

  1. В.Б. Функциональные преобразователи информации. JL: Энерго-издат. Ленингр. отделение, 1981. — 248 с.
  2. Микроэлектронные цифро-аналоговые и аналого-цифровые преобразователи информации. Под ред. В. Б. Смолова. Л.: Энергия, 1976. — 336 с.
  3. В.Б., Чернявский Е. А. Гибридные вычислительные устройства с дискретно-управляемыми параметрами. Л.: Машиностроение (Ленингр. отд-ние), 1977 г. — 296 с.
  4. В.Б., Угрюмов Е. П., Артамонов А. Б. и др. Время-импульсные вычислительные устройства. Под ред. В. Б. Смолова, Е. П. Угрюмова. М.: Радио и связь, 1983. — 288 с.
  5. А. с. № 353 343 СССР. Время-импульсный функциональный преобразователь / Паламарюк Г. О., Кистрин А. В., Локтюхин В. Н., Никифоров М. Б. // Открытия. Изобретения. 1972, № 19.
  6. А. с. № 754 407 СССР. МКИ G 06 F 5/04. Функциональный преобразователь «код-частота» / Смолов В. Б., Балашов Е. П., Локтюхин В. Н., Паламарюк Г. О. // Открытия. Изобретения. 1980, № 29.
  7. ДанчеевВ.П. Цифрочастотные вычислительные устройства. — М.: Энергия, 1976.- 176 с.
  8. Ю.Грушвицкий Р. И., Мурсаев А. Х., Смолов В. Б. Аналого-цифровые периферийные устройства. Л.: Энергоатомиздат. Ленингр. отд-ние, 1989. — 160 с.
  9. В.Б., Фомичев B.C. Аналого-цифровые и цифро-аналоговые нелинейные вычислительные устройства. Л.: Энергия, 1974. — 264 с.
  10. Р.Г. Техника частотно-импульсного моделирования. М.: Машиностроение, 1969. — 247 с.
  11. Л.Н. Введение в искусственный интеллект. Учеб. пособие для студ. высш. учеб. заведений. М.: Издательский центр «Академия», 2005. — 176 с.
  12. В.А. Нейронные сети: обучение, организация и применение. Кн. 4: Учеб. пособие для вузов. Общая ред. А. И. Галушкина. М.: ИПРЖР, 2001. -256 с.
  13. А.И. Проблемы искусственного интеллекта и нейрокомпьютеры. // Нейрокомпьютеры: разработка, применение. № 6, 2005. М.: Радиотехника, 2005.-С. 3−8.
  14. Ф. Принципы нейродинамики. М.: Мир, 1966.
  15. Нейрокомпьютеры в системах обработки изображений. Коллективная монография / Общ. ред. А. И. Галушкина. М.: ИПРЖР, 2004.
  16. Нейрокомпьютеры в авиации. Монография / Под ред. В. И. Васильева, А. И. Галушкина, Б. Г. Ильясова. -М.: ИПРЖР, 2004.
  17. А.И. Нейросетевые алгоритмы биометрической идентификации личности. Монография / Под ред. А. И. Галушкина. М.: ИПРЖР, 2005.
  18. В.В., Козырев Г. И., Лоскутов А. И. и др. Нейрокомпьютеры в космической технике. Монография / Под ред. А. И. Галушкина. М.: ИПРЖР, 2005.
  19. Нейроматематика. Кн.6: Учеб. пособие для вузов / Агеев А. Д., Балухто А. Н., Бычков А. В. и др.- Общая ред. А. И. Галушкина. М.: ИПРЖР, 2002. — 448 с.
  20. Бэстенс Д.-Э., Ван ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. — М.: ТВП, 1997. 236 с.
  21. Уоссермен. Нейрокомпыотерная техника. М.: Мир, 1992.
  22. В.Н. Микропроцессоры и ЭВМ (в 4-х кн.). Кн. 4. Микропроцессорные системы сбора и первичной обработки импульсно-аналоговой информации: Учеб. пособие для вузов. М.: Энергоатомиздат, 2000. — 156 с.
  23. Э.И. Преобразователи информации для электронных цифровых вычислительных устройств. Изд. 3-е, перераб. М.: Энергия, 1975. — 418 с.
  24. М.М. Системные аналого-цифровые преобразователи и процессоры сигналов. М.: Мир, 1999. — 559 с.
  25. В.М. Аналого-цифровые следящие системы. Л.: Энергия, 1974. -184 с.
  26. Мельников А. А, Рыжевский А. Г., Трифонов Е. Ф. Обработка частотных и временных импульсных сигналов. М.: Энергия, 1976. — 136 с.
  27. Ю.К., Никифоров И. К. Нейросетевой импедансный метод определения параметров жидких нефтепродуктов. // Приборы и системы. Управление. Контроль. Диагностика. 2004. № 12. С. 37−43.
  28. В.П., Курейчик В. М., Норенков И. П. Теоретические основы САПР: Учебник для вузов. М.: Энергоатомиздат, 1987. -400 с.
  29. Н.П. О построении структуры цифрового блока АЦП «напряжение код» поразрядного уравновешивания // Вычислительная техника. Сборник статей. Выпуск 1.-Рязань, 1974. С. 142 145.
  30. А.П. Применение кодов Фибоначчи в технике АЦП и ЦВМ // Проблемы создания преобразователей формы информации. Часть 1. Материалы III Всесоюзного симпозиума. Киев, 16−18 ноября 1976 г. Киев: Наукова Думка, 1976. С. 10−13.
  31. А. с. № 488 341 СССР МКИ Н 032 13/02 Функциональный преобразователь частоты в код / Локтюхин В. Н. // Открытия. Изобретения. 1976, № 38.
  32. А. с. № 529 558 СССР. МКИ Н 03 К 13/20. Функциональный преобразователь частоты в код / Иопа Н. И., Локтюхин В. Н. // Открытия. Изобретения. 1976, № 35.
  33. А. с. № 547 772 СССР. МКИ G 06 F 15/34. Функциональный преобразователь кода в частоту / Локтюхин В. Н., Паламарюк Г. О., Соломаха В. Н. // Открытия. Изобретения., 1977, № 7.
  34. А. с. № 632 081 СССР. МКИ Н 03 К 13/20. Время-импульсный функциональный преобразователь / Локтюхин В. Н., Быценко С. Г. // Открытия. Изобретения. 1978, № 41.
  35. А. с. № 840 898 СССР. МКИ G 06 F 7/60. Время-импульсный функциональный преобразователь / Астафьев А. А., Быценко С. Г., Иопа Н. И., Локтюхин В. Н., Шаров В. А. // Открытия. Изобретения. 1981, № 23.
  36. А. с. № 248 349 СССР. Аналого-цифровой функциональный преобразователь. / Тарасенков А. Н., Федак B.C. // Открытия. Изобретения. 1969, № 23.
  37. А. с. № 263 298 СССР. Импульсный функциональный преобразователь / Тимошин Ю. В., Гельман Н. М., Кравчук А. А., Спектор М. А. // Открытия. Изобретения. 1970, № 7.
  38. А. с. № 612 261 СССР. Аналого-цифровой логарифмический преобразователь / Артамонов А. Б., Жариков А. Н., Смирнов A.M. // Открытия. Изобретения. 1978, № 23.
  39. С.Г., Смолов В. Б., Угрюмов Е. П. Время-импульсные функциональные преобразователи с аппроксимацией воспроизводимой зависимости рациональными дробями // Автоматика и телемеханика. № 2, 1973.
  40. А. с. № 286 358 СССР. Время-импульсный квадратичный преобразователь / Смолов В. Б., Угрюмов Е. П. // Открытия. Изобретения. 1970, № 34.
  41. С.В., Локтюхин В. Н. Персептронные модели аналого-цифровых преобразователей // Новые информационные технологии в научных исследованиях и образовании: Тезисы докладов 10-й всероссийской науч.-техн. конф. Рязань: РГРТА, 2005. С. 99−101.
  42. В.Н., Челебаев С. В. Нейросетевые модели преобразователей частоты в унитарный код // Электроника: Межвузовский сборник научных трудов.-Рязань, 2005. С. 110−118.
  43. А.Н. Анализ и синтез АЦП высокой производительности // Проблемы создания преобразователей формы информации. Часть 1. Материалы III Всесоюзного симпозиума. Киев, 16−18 ноября 1976 г. Киев: Наукова Думка, 1976. С. 68−72.
  44. В.Н., Челебаев С. В. Об одном варианте построения трехслойной персептронной структуры линейного АЦП // Информатика и прикладная математика: Межвузовский сборник научных трудов. Рязань: РГПУ, 2005. С. 146−150.
  45. Jordan М. Attractor dynamics and parallelism in a connectionist sequential machine // Proceedings of the Eighth Annual Conference of the Cognitive Science Society. Hillsdale: Erlbaum, 1986, pp. 531−546.
  46. Bahnasawi A.A., Abdel Wahab A.H., Shaheen S.I. Logical radial basis function networks a hybrid intelligent model for function approximation // Adv. Eng. Softw. (UK), vol. 30, no. 6, June 1999, (p. 407−417).
  47. Andras P. Orthogonal RBF neural network approximation // Neural Process. Lett. (Netherlands), vol. 9, no. 2, April 1999. (p. 141−151).
  48. Li Xin. On simultaneous approximations by radial basis function neural networks //Appl. Math. Comput. (USA), vol. 95, no 1, 1 Sept. 1998. (p. 75−89).
  49. С.И., Скляров В. А. Цифровые устройства на программируемых БИС с матричной структурой. М.: Радио и связь, 1986. — 272 с.
  50. С.И. Синтез микропрограммных автоматов (граф-схемы и автоматы). 2-е изд., перераб. и доп. — JL: Энергия. Ленингр. отделение, 1979. -232 с.
  51. В.Н. Проектирование ПЛИС на VHDL: Учеб. пособие / Владим. гос. ун-т. Владимир, 2000. 120 с.
  52. Е.П. Цифровая схемотехника. СПб.: БХВ — Санкт-Петербург, 2000. — 528 с.
  53. Разработка и исследование вычислительного преобразователя для блока системы контроля топлива. Отчет о НИР 20−79, РРТИ. Науч. рук. Иопа Н. И., Г. Р. № 79 021 742. -Рязань, 1981, — 195 с.
  54. Ян Си-зен. Определение максимальной погрешности двоичного умножителя // Автоматика и телемеханика. № 7, 1960.
  55. Пат. 2 248 037. Российская федерация, МПК G 06 F 15/00. Псевдоассоциативный процессор Текст. / Волковыский В. Л., Челебаев С.В.- Заявитель и патентообладатель РГРТА. № 2 003 100 459/09. Бюл. № 7 от 10.03.2005. 2 е.: ил.
  56. С.В., Волковыский В. Л. Оптимизация выполнения поисковых операций в машинах баз данных // Вестник РГРТА. Выпуск 11. Рязань, 2003. -С. 50−53.
  57. Н.А., Пугачев В. Н. Вероятностный анализ систем автоматического управления. М.: Советское радио, 1963. — 896 с.
  58. Е.С. Теория вероятностей: Учеб. для вузов. 8-е изд., стер. — М.: Высш. шк., 2002. — 575 с.
  59. В.Н. Анализ характеристик частотно-импульсного вычитающего устройства параллельного действия в статическом режиме // Вычислительная техника: Труды РРТИ, вып. 59. Рязань. 1974. С. 23−29.
  60. С.В., Локтюхин В. Н. Анализ погрешности при суммировании двух частотных сигналов // Физика полупроводников. Микроэлектроника. Радиоэлектронные устройства: Межвузовский сборник научных трудов. — Рязань, 2003. С. 31−37.
  61. В.Г. Основы теории дискретных сигналов и цифровых фильтров: Учеб. пособие для вузов. -М.: Высш. школа, 1982. 109 с.
  62. М.Б. О вероятностной оценке точностных характеристик цифрового интегратора частотно-импульсных сигналов // Вычислительная техника. Сборник статей. Выпуск 1. Рязань, 1974.
  63. С.В. Анализ статистических характеристик суммирования кодо-управляемых частотных сигналов // Физика полупроводников. Микроэлектроника. Радиоэлектронные устройства: Межвузовский сборник научных трудов. Рязань, 2003. С. 40−46.
  64. М.Л., Киселев А. И., Макаренко Г. И. и др. Вся высшая математика: Учебник. Т. 2. М.: Эдиториал УРСС, 2000. — 184 с.
  65. Г., Корн Т. Справочник по математике (для научных работников и инженеров). Под общ. ред. И. Г. Арамановича. М.: Наука, 1973. — 832 с.
  66. С.В. Анализ погрешности цифроуправляемого генератора частоты. // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Материалы 13-й Международной науч.-техн. конф. Рязань: РГРТА, 2004.-С. 88−90.
  67. В.А., Попов Е. П. Теория систем автоматического регулирования. Издание третье, испр. М.: Наука, 1975. — 768 с.
  68. Краснов M. JL, Киселев А. И., Макаренко Г. И. и др. Вся высшая математика: Учебник. Т.4. -М.: Эдиториал УРСС, 2001.-352 с.
  69. Свидетельство об отраслевой регистрации разработки № 5038. Программа для нахождения передаточной функции преобразователя кода в частоту / Челебаев С.В.- Правообладатель РГРТА. дата регистрации 14.07.05- дата выдачи 27.07.05.
  70. JI.M., Матюшкин Б. Д., Поляк М. Н. Цифровая обработка сигналов: Справочник. — М.: Радио и связь, 1985. 312 с.
  71. Дьяконов В.П. MATLAB 6/6.1/6/5 + Simulink 4/5 в математике и моделировании. Полное руководство пользователя. М.: COJIOH-Пресс. — 2003. -576 с.
  72. Г. О., ИопаН.И., Локтюхин В. Н., СоломахаВ.Н. Анализ частотно-импульсных вычитающих устройств // Вычислительная техника: Труды РРТИ, вып. 30. Рязань, 1972. С. 90−97.
  73. . Я., Яковлев С. А. Моделирование систем: Лабораторный практикум: Учеб. пос. для вузов. М.: Высш. шк., 1989. — 80 с.
  74. Е. Языки моделирования: Пер. с чеш. М.: Энергоатомиздат, 1985.-288 с.
  75. Т.Дж. Моделирование на GPSS: Пер. с англ. / Пер. В. И. Гаргера, И.Л. Шмуйловича- Ред. М. А. Файнберг. М.: Машиностроение, 1980. -592 с.
  76. С.В. Функциональное моделирование цифро-частотных сглажи-вающе-преобразующих устройств. // Информатика и прикладная математика: Межвуз. сб. науч. тр. Ряз. гос. пед. ун-т им. С. А. Есенина. Рязань, 2003. С.61−64.
  77. С.В., Локтюхин В. Н. Функционально-логическая модель цифро-частотных суммирующе-преобразующих устройств // Информационные технологии в проектировании: Межвуз. сб. науч. тр. РГРТА. Рязань, 2004. С. 73−79.
Заполнить форму текущей работой

Заказал и сдал!