دانلود ترجمه مقاله اجرا شبکه عصبی هوپفیلد مجتمع سازی متداول دیجیتال

عنوان ترجمه فایل فارسی: پیاده سازی شبکه عصبی هوپفیلد مجتمع سازی گسترده ی دیجیتال، در آرایه های گیت قابل برنامه ریزی میدان برای حل مسایل محدودیت رضایت.

عنوان نسخه انگلیسی: Digital very-large-scale integration (VLSL) Hopfield neural network implementation on field programmable gate arrays (FPGA) for solving constraint satisfaction problems

مرتبط با رشته های : برق و الکترونیک

تعداد صفحات مقاله فارسی: ۳۰ صفحه

این فایل ترجمه شده به صورت ورد word می باشد و دارای امکان ویرایش هست.

و دریافت رایگان متون لاتین در قسمت پایین با فرمت pdf آمده دانلود است.

ترجمه مقالات الکترونیک, ترجمه مقالات برق, دانلود رایگان مقالات انگلیسی, دانلود مقالات ترجمه شده ترجمه,ترجمه درباره آرایه های گیت قابل برنامه ریزی میدان,مقاله انگلیسی مساله ی N-queen,مقاله در مورد شبکه عصبی هوپفیلد

قسمتی از ترجمه مقاله

این مقاله در مورد پیاده سازی شبکه های عصبی Hopfield برای حل مسایل مربوط به محدودیت رضایت با استفاده از آرایه های گیت قابل برنامه ریزی میدان FPGA بحث می کند. این مقاله در مورد روش های فرمول بندی این مسایل همانند شبکه های عصبی گسسته بحث می کند، و سپس مساله ی N-queen را با استفاده از فرمولبندی بدست آمده تشریح می کند. سرانجام، نتایج ارایه شده زمان های محاسبه ی یک کامپیوتر معمولی برای شبیه سازی اجرای شبکه Hopfield بر روی یک فضای کاری باکیفیت، مقایسه می کنند. در این روش، رشد پیشرفت قابل مشاهده می باشد که نشان می دهد حداکثر رشد ۲ تا ۳ برابر دامنه _با استفاده از ابزارهای FPGA ممکن می باشد.

قسمتی از متن انگلیسی:

 

INTRODUCTION

Many practical optimization problems from business and industry can be formulated as standard mathematical programming problems using binary decision variables. Solution of these problems requires the use of heuristics or approximate algorithms due to the NP {(Neuro Psychology)-hard nature of their complexity; Fred and Gary, 1989}. Neural networks were proposed to solve such problems in 1985 (David, 1998), but the field has been plagued with problems of poor solution quality and inability to guarantee feasible final solutions (Hopfield and Tank, 1985). These initial problems have now been overcome. Techniques have been proposed to help the Hopfield neural network escape from local minima of its energy function and suitable construction of that energy function has been shown to guarantee the feasibility of solutions (Silvio, 1992). Using these improvements, neural network results have been obtained which compete effectively (and even outperform) other popular heuristics such as simulated annealing.

کلیدواژه: شبکه عصبی هوپفیلد، آرایه های گیت قابل برنامه ریزی میدان، مساله ی N-queen

جهت مشاهده ادامه بر روی متن زیر کلیک نمایید.

دانلود ترجمه مقاله اجرا شبکه عصبی هوپفیلد مجتمع سازی متداول دیجیتال