تطبیق توابع بولی با شبکه عصبی بولی وزى باینری

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,510

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ITICS01_109

تاریخ نمایه سازی: 12 فروردین 1391

Abstract:

شبکه های عصبی بولی و باینری شبکه های عصبی هستند که درآنها همانند توابع بولی ورودی و خروجی شبکه مقادیر باینری بوده و مقادیر وزن و آستانه اعداد صحیح هستند که صحیح بودن وزن و آستانه پیاده سازی VLSIاین شبکه ها را امکان پذیر می سازد حالت خاص این شبکه ها مواردی هستندکه وزن ها مقادیر باینری 0،1 یا 1-،1 باشند انچه دراین جامدنظر است مقادیر 0،1 وزن بوده که درشبکه های بولی مطرح هستند ونسبت به حالت معادل آن درشبکه های باینری ساده تراند منظور از سادگی راحتی در ساخت و کاهش تعداد ورودیهای گیت استانه است که کمک زیادی به تحقق شبکه بولی کرده و به علاوه محاسبه وزن ها و مقدار آستانه دراین توابع بولی به روش روتین قابل انجام است به دلیل اهمیت این توابع بولی آنها را توابع بولی ممتاز می نامیم که دراین توابع گیت استانه به گیت orیاand منطقی کاهش می یابد و باعث راحتی در ساخت شبکه عصبی بولی می شود.

Authors

رضا عسگری مقدم

دانشگاه پیام نور عضو هیئت علمی تهران

کاظم وحدانی

دانشگاه پیام نور دانشجوی کارشناسی ارشد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • دانشگاه پیام نور استان تهران- مجتمع فنی و مهندسی (آذرماه ...
  • _ _ d Switching Theory, New ...
  • Deolalikar, New approaches _ learning and classification in feedforward neural ...
  • Biswas, N.H. Murthy, T.V.M.K. Chandrasekhar, M, "IMS algorithm for learning ...
  • Biswas, N. N and Kumar, . _ New algorithm for ...
  • Hundiwal, A.K. Land Syst. Div, Gen. Dynamics, Sterling Heights, "An ...
  • Park, S.K., Kim, J.H. "Geometrical learning algorithm for multilayer neural ...
  • Dertouzos, "An approach _ _ ingle -threshold-elem ent synthesis", IEEE ...
  • Wang, D.Chaudhari, N.S., "A multi-core learning algorithm for Boolean neural ...
  • Kim, J.H., Sung-Kwon Park _ "The geometricl learning ...
  • Sarie and Biswas, "Testing threshold fiunctions using implied-minterm structure", International ...
  • _ _ _ _ Inform. Theory, vol. 44, pp. 256-268, ...
  • Mayoraz and F. Aviolat, "Constructive training methods for feedforward neural ...
  • _ _ Networks: ICANN99, vol 1, pp.431-436, 1999. ...
  • Deolalikar, "Mapping Boolean Functions with Neural Networks having Binary Weights ...
  • Rocco A. Servedio, "Every linear thresho ld function has a ...
  • Winder, R. O. _ "Enumeration of Seven-Argument Threshold Functions", Electronic ...
  • Bawiec, Maciej Nikodem , "Generalised threshold gate synthesis based on ...
  • boolean fiunction", Design and Automation Conference (ASP-DAC), 15th Asia and ...
  • Bawiec Marek A., Maciej Nikodem, "Boolean logic ...
  • _ b _ _ _ C onmputers , Vol.EC- 15, ...
  • نمایش کامل مراجع