donstuAdvanced Engineering Research (Rostov-on-Don)Advanced Engineering Research (Rostov-on-Don)2687-1653Don State Technical Universitydonstu-570Research ArticleTECHNICAL SCIENCESТЕХНИЧЕСКИЕ НАУКИARTIFICIAL NEURAL NETWORK FAULT MODEL STUDYИССЛЕДОВАНИЕ МОДЕЛЕЙ ДЕФЕКТОВ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙФатхиВладимир АхатовичFatkhiVladimir A.fatkhi@mail.ruМаршаковДаниил ВитальевичMarshakovDaniil V.daniil_marshakov@mail.ruГалушкаВасилий ВикторовичGalushkaVasily V.gvv-07@yandex.ruДонской государственный технический университетРоссияDon State Technical University.Russian Federation2012300920121236571Copyright © Fatkhi V.A., Marshakov D.V., Galushka V.V., 20122012Фатхи В.А., Маршаков Д.В., Галушка В.В.Fatkhi V.A., Marshakov D.V., Galushka V.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestnik-donstu.ru/jour/article/view/570

Fault models of the artificial neural network hardware implementations are considered. The development of the neuroelement fault classes through the introduction of the additional neuron fault model class causing certain level signals appearance on their output in the interval (0,1) is offered. The experimental research of the introduced fault class impact on the artificial neural network operability is done.

Рассмотрены модели дефектов аппаратных реализаций искусственных нейронных сетей. Предложено расширение классов дефектов нейроэлементов путем введения дополнительного класса моделей дефектов нейронов, вызывающих появление на их выходах определенного уровня сигналов в интервале (0,1). Проведено экспериментальное исследование влияния введенного класса дефектов на работоспособность искусственной нейронной сети.

искусственная нейронная сетьаппаратная реализациямодели дефектовработоспособность.artificial neural networkhardware implementationfault modelsoperability.ReferencesHimavathi S. Feedforward Neural Network Implementation in FPGA Using Layer Multiplexing for Effective Resource Utilization / S. Himavathi, D. Anitha, A. Muthuramalingam // IEEE Transactions on Neural Networks. – 2007. – Vol. 18. – №3. – pp. 880-888.Himavathi S. Feedforward Neural Network Implementation in FPGA Using Layer Multiplexing for Effective Resource Utilization / S. Himavathi, D. Anitha, A. Muthuramalingam // IEEE Transactions on Neural Networks. – 2007. – Vol. 18. – №3. – pp. 880-888.Грибачев В.П. Элементная база аппаратных реализаций нейронных сетей / В.П. Грибачев // Компоненты и технологии. – 2006. – №8. – С. 12-15.Gribachyov V.P. E`lementnaya baza apparatny`x realizacij nejronny`x setej / V.P. Gribachyov // Komponenty` i texnologii. – 2006. – №8. – S. 12-15. – In Russian.Хайкин С. Нейронные сети: полный курс, 2¬-e издание: пер. с англ. / С. Хайкин. – М.: Из-дательский дом «Вильямс», 2006. –¬ 1104 с.Xajkin S. Nejronny`e seti: polny`j kurs, 2-e izdanie: per. s angl. / S. Xajkin. – M.: Izdatel`skij dom «Vil`yams», 2006. – 1104 s. – In Russian.Осовский С. Нейронные сети для обработки информации / С. Осовский. – М.: Финансы и статистика, 2002. – 344 с.Osovskij S. Nejronny`e seti dlya obrabotki informacii / S. Osovskij. – M.: Finansy` i statistika, 2002. – 344 s. – In Russian.Bolt G. Fault models for artificial neural networks / G. Bolt // IEEE International Joint Conference on Neural Networks, Singapore, 1991. – pp. 1373-1378.Bolt G. Fault models for artificial neural networks / G. Bolt // IEEE International Joint Conference on Neural Networks, Singapore, 1991. – pp. 1373-1378.Phatak D.S. Complete and Partial Fault Tolerance of Feedforward Neural Nets / D.S. Phatak // IEEE Transactions on Neural Networks, 1995. – Vol. 6/2. – pp. 446¬-456.Phatak D.S. Complete and Partial Fault Tolerance of Feedforward Neural Nets / D.S. Phatak // IEEE Transactions on Neural Networks, 1995. – Vol. 6/2. – pp. 446-456.Piuri V. Fault tolerance in neural networks: theoretical analysis and simulation results / V. Piuri, M. Sami, R. Stefanelli // Advanced Computer Technology, Reliable Systems and Applications, 5th Annual European Computer Conference, Bologna, Italy, 1991. – pp. 429-436.Piuri V. Fault tolerance in neural networks: theoretical analysis and simulation results / V. Piuri, M. Sami, R. Stefanelli // Advanced Computer Technology, Reliable Systems and Applications, 5th Annual European Computer Conference, Bologna, Italy, 1991. – pp. 429-436.Маршаков Д.В. Исследование влияния дефектов на работоспособность многослойной искусственной нейронной сети прямого распространения / Д.В. Маршаков, В.А. Фатхи // Вестник ДГТУ. – 2011. – Т. 11. – №2 (53). – С. 169-173.Marshakov D.V. Issledovanie vliyaniya defektov na rabotosposobnost` mnogoslojnoj is-kusstvennoj nejronnoj seti pryamogo rasprostraneniya / D.V. Marshakov, V.A. Fatxi // Vestnik DGTU. – 2011. – T. 11. – №2 (53). – S. 169-173. – In Russian.Dias F.M. Fault Tolerance of Artificial Neural Networks: an Open Discussion for a Global Model / F.M. Dias, A. Antunes // International Journal of Circuits, Systems and Signal Processing, Naun, July, 2008. – pp. 9-16.Dias F.M. Fault Tolerance of Artificial Neural Networks: an Open Discussion for a Global Model / F.M. Dias, A. Antunes // International Journal of Circuits, Systems and Signal Processing, Naun, July, 2008. – pp. 9-16.Пархоменко П.П. Основы технической диагностики. (Оптимизация алгоритмов диагно-стирования, аппаратурные средства) / П.П. Пархоменко, Е.С. Согомонян. – М.: Энергия, 1981. – 320 с.Parxomenko P.P. Osnovy` texnicheskoj diagnostiki. (Optimizaciya algoritmov diagnostiro-vaniya, apparaturny`e sredstva) / P.P. Parxomenko, E.S. Sogomonyan. – M.: E`nergiya, 1981. – 320 s. – In Russian.Маршаков Д.В. Ранжирование дефектов в искусственных нейронных сетях / Д.В. Мар-шаков, В.А. Фатхи // Математические методы в технике и технологиях – ММТТ23: сб. тр. XXIII междунар. науч. конф.: в 12 т. – Саратов, 2010. – Т. 5. – Секция 5. – С.210-211.Marshakov D.V. Ranzhirovanie defektov v iskusstvenny`x nejronny`x setyax / D.V. Mar-shakov, V.A. Fatxi // Matematicheskie metody` v texnike i texnologiyax – MMTT23: sb. tr. XXIII mezh-dunar. nauch. konf.: v 12 t. – Saratov, 2010. – T. 5. – Sekciya 5. – S.210-211. – In Russian.Singh A.P. Empirical study of FFANN tolerance to weight stuck-at max/min fault / A.P. Singh, C.S. Rai, P. Chandra // Internation Journal of Artificial Intelligence & Applications (IJAIA), 2010. ¬– Vol. 1. – №2. – pp. 13-21.Singh A.P. Empirical study of FFANN tolerance to weight stuck-at max/min fault / A.P. Singh, C.S. Rai, P. Chandra // Internation Journal of Artificial Intelligence & Applications (IJAIA), 2010. – Vol. 1. – №2. – pp. 13-21.Omondi A. FPGA Implementations of Neural Networks / A. Omondi, J. Rajapakse, M. Bajger. – Springer, Berlin, Germany, 2006. – 360 p.Omondi A. FPGA Implementations of Neural Networks / A. Omondi, J. Rajapakse, M. Bajger. – Springer, Berlin, Germany, 2006. – 360 p.Галушкин А.И. Нейронные сети: основы теории / А.И. Галушкин. – М.: Горячая линия-Телеком, 2010. – 480 с.Galushkin A.I. Nejronny`e seti: osnovy` teorii / A.I. Galushkin. – M.: Goryachaya liniya-Telekom, 2010. – 480 s. – In Russian.

The authors declare that there are no conflicts of interest present.