ИССЛЕДОВАНИЕ МОДЕЛЕЙ ДЕФЕКТОВ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
Аннотация
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.
Ключевые слова
Об авторах
Владимир Ахатович Фатхи
Донской государственный технический университет
Россия
Россия
Даниил Витальевич Маршаков
Донской государственный технический университет
Россия
Россия
Василий Викторович Галушка
Донской государственный технический университет
Россия
Россия
Список литературы
1. 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.
2. Грибачев В.П. Элементная база аппаратных реализаций нейронных сетей / В.П. Грибачев // Компоненты и технологии. – 2006. – №8. – С. 12-15.
3. Хайкин С. Нейронные сети: полный курс, 2¬-e издание: пер. с англ. / С. Хайкин. – М.: Из-дательский дом «Вильямс», 2006. –¬ 1104 с.
4. Осовский С. Нейронные сети для обработки информации / С. Осовский. – М.: Финансы и статистика, 2002. – 344 с.
5. Bolt G. Fault models for artificial neural networks / G. Bolt // IEEE International Joint Conference on Neural Networks, Singapore, 1991. – pp. 1373-1378.
6. 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.
7. 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.
8. 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.
9. 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.
10. Пархоменко П.П. Основы технической диагностики. (Оптимизация алгоритмов диагно-стирования, аппаратурные средства) / П.П. Пархоменко, Е.С. Согомонян. – М.: Энергия, 1981. – 320 с.
11. 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.
12. 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.
13. Omondi A. FPGA Implementations of Neural Networks / A. Omondi, J. Rajapakse, M. Bajger. – Springer, Berlin, Germany, 2006. – 360 p.
14. Галушкин А.И. Нейронные сети: основы теории / А.И. Галушкин. – М.: Горячая линия-Телеком, 2010. – 480 с.
Рецензия
Для цитирования:
Фатхи В.А., Маршаков Д.В., Галушка В.В. ИССЛЕДОВАНИЕ МОДЕЛЕЙ ДЕФЕКТОВ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ. Вестник Донского государственного технического университета. 2012;12(3):65-71.
For citation:
Fatkhi V.A., Marshakov D.V., Galushka V.V. ARTIFICIAL NEURAL NETWORK FAULT MODEL STUDY. Vestnik of Don State Technical University. 2012;12(3):65-71. (In Russ.)
Просмотров:
407
Послать статью по эл. почте 