Введение
1. Введение 3
1.1. Формальная модель нейрона 4
1.2. Некоторые подходы к аппаратной реализации искусственных нейронных сетей 5
1.3. Импульсное кодирование информации в биологических нейронных сетях 7
1.4. Клеточные нейронные сети 8
1.5. Нейроны с альтернативными синапсами 8
1.6. Дискретное преобразование Фурье 9
1.7. Обзор диссертации 10
2. Потоковое представление информации 21
2.1. Общие определения 21
2.2. Представление значений из [0; 1] 22
2.3. Представление значений из [— 1; 1] 25
2.4. Представление комплексных значений 27
3. Потоковый нейрон 30
3.1. Основные элементы нейрона 30
3.2. Описание работы нейрона 32
3.3. Вычисление средних значений 33
3.4. Обоснование перехода к линейной модели 35
3.5. Полносвязная сеть и ее обучение 37
3.6. Результаты эксперимента 39
4. Потоковый нейрон с альтернативными синапсами 44
4.1. Основные элементы нейрона 44
4.2. Описание работы нейрона 46
4.3. Значения на выходе нейрона 47
4.4. Ассоциативная память на сети Хопфилда 49
4.5. Обучение по методу Хебба 50
4.6. Оптимизационное обучение 51
4.7. Результаты эксперимента 52
5. Потоковое устройство, выполняющее дискретное преобразование Фурье 57
5.1. Значения и их представление 58
5.2. Описание схемы ДПФ 59
5.3. Обоснование 60
5.4. Сходимость к среднему значению 61
5.5. Результаты моделирования 62
5.6. Сравнение с обычной реализацией 63
5.7. Выводы 63
Заключение 66
Список рисунков 67
Список таблиц 68
Литература 69
