Метод оптимизации весовых коэффициентов нейронных сетей с помощью генетического алгоритма при реализации на программируемых логических интегральных схемах

• Опубліковано в: : Электронное моделирование
• Дата: 2013
• Автори: Кравец, П.И., Шимкович, В.Н.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України 2013
• Теми: Вычислительные процессы и системы
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/100847
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Метод оптимизации весовых коэффициентов нейронных сетей с помощью генетического алгоритма при реализации на программируемых логических интегральных схемах / П.И. Кравец, В.Н. Шимкович // Электронное моделирование. — 2013. — Т. 35, № 3. — С. 65-74. — Бібліогр.: 12 назв. — рос.

Предложен метод оптимизации весовых коэффициентов нейронной сети с помощью генетического алгоритма при реализации на программируемых логических интегральных схемах (ПЛИС). Приведены примеры аппаратно-программной реализации средствами ПЛИС настройки весовых коэффициентов нейронной сети с помощью генетического алгоритма. Показано, что распараллеливанием вычислений обеспечивается значительное ускорение процедуры настройки весовых коэффициентов нейронной сети. Запропоновано метод оптимізації вагових коефіцієнтів нейронної мережі за допомогою генетичного алгоритму при їх реалізації на програмованих логічних інтегральних схемах (ПЛІС). Наведено приклади апаратно-програмної реалізації засобами ПЛІС налаштування вагових коефіцієнтів нейронної мережі за допомогою генетичного алгоритму. Показано, що розпаралелюванням обчислень забезпечується значне прискорення процедури налаштування вагових коефіцієнтів нейронної мережі. The authors propose a method for optimizing the weighting factors of the neural network by genetic algorithm with their implementation on Field-programmable gate array (FPGA). The examples of the hardware and software implementation of setting the weighting factors of neural network using the genetic algorithm by PLIC means are presented. It is shown that the parallelizing of calculations provides a significant acceleration of setting the weighting factors of the neural network.