步驟1：1.簡介

1。簡介

傳統(tǒng)計算器并不總是能夠解決需要密集計算的問題，例如模式識別，機器人的運動控制，基于大量帶有噪聲的數(shù)據(jù)的決策等。結(jié)果，采用了其他信息處理方法，而分布式處理就是其中之一。滿足上述許多要求的信息處理的這些非常規(guī)方向之一是由人工神經(jīng)網(wǎng)絡（neural calculus）表示的。

本文借助神經(jīng)網(wǎng)絡進行了仿真。組合邏輯電路（CLC）的網(wǎng)絡。第2部分介紹有關(guān)CLC設(shè)計的概念，并說明設(shè)計復雜CLC的困難。第三部分顯示了使用前饋人工神經(jīng)網(wǎng)絡進行仿真的示例。在上一節(jié)中，顯示了有關(guān)我們方法的一些結(jié)論。

2。組合邏輯電路

組合邏輯電路（CLC）是具有n個輸入的電子電路，用X1，X2，…，Xn和m個輸出表示，用Z1，Z2，…，Zm表示，為此可以使用數(shù)學模型根據(jù)輸入來表示輸出

Z1 = f1（X1，X2，…，Xn）

Z2 = f2（X1，X2，…，Xn）

……………………

ZI = fi（X1，X2，…，Xn）

……………………

Zm = fm（X1，X2，…，Xn）

在電路CLC的合成中，通常首先根據(jù)真值表以及操作和非操作狀態(tài)的規(guī)定所施加的要求對功能條件進行分類。涉及以下步驟：

?

問題發(fā)聲；制定真值表；

?

真函數(shù)的最小化；

?

換向函數(shù)的相關(guān)最小化；方案分析和

消除危害；

?

邏輯功能的硬件實現(xiàn)。

步驟2：

div在經(jīng)典的CLC電路合成方法中，一個微妙的問題是，并非總是能夠?qū)崿F(xiàn)絕對最佳的嚴格方案。因此，在合成具有大量輸入變量（n = 6的那些），具有許多輸出和不確定狀態(tài)的復雜函數(shù)的情況下，代數(shù)和拓撲方法非常困難

在下面，我們通過一個示例來說明設(shè)計CLC的問題。在圖2中，我們使用Veitch-Karnaugh圖顯示了最小化過程，在圖3中，顯示了所得的CLC。

步驟3：3。前饋神經(jīng)網(wǎng)絡幫助的CLC仿真

本文提出了利用神經(jīng)網(wǎng)絡的方法對這些CLC進行特殊處理的方法。該解決方案由CLC和具有n個輸入和m個輸出的神經(jīng)網(wǎng)絡之間存在的功能相似性提出。實際上，使用了三層神經(jīng)網(wǎng)絡，第一層具有n（4）個輸入神經(jīng)元，而第三m（2）個輸出神經(jīng)元（圖4）。對于神經(jīng)網(wǎng)絡，輸入和輸出

數(shù)據(jù)集由圖2中的真值表給出。

步驟4：

仿真顯示，對于配置4：6：2的網(wǎng)絡，已經(jīng)實現(xiàn)了CLC的I/O依賴性。如果我們注意到該網(wǎng)絡需要12個神經(jīng)元（包括被動輸入神經(jīng)元），則其結(jié)果等效于12個門，這與圖3中使用18種多種門的CLC相反。顯然，在硬件實現(xiàn)中，用于實現(xiàn)CLC功能的神經(jīng)方法可能具有競爭力。在圖5中，可以看到真值表中輸入的每種組合的“神經(jīng)” CLC的實際輸出和所需的輸出

第5步：4.結(jié)論 h2》

最后，在神經(jīng)網(wǎng)絡的幫助下，組合電路仿真的方法需要執(zhí)行以下步驟：

步驟1。為所選組合電路建立真值表；

第2步。選擇一個三層神經(jīng)網(wǎng)絡，在第一層具有n個神經(jīng)元，在隱藏層中將找到許多神經(jīng)元，在輸出層中有m個神經(jīng)元；

第3步：使用真值表訓練神經(jīng)網(wǎng)絡；

第4步：驗證網(wǎng)絡的正確功能；

第5步。網(wǎng)絡硬件實現(xiàn)。

步驟6：軟件設(shè)計

步驟7：

步驟8：3D設(shè)計

步驟9：

步驟10：

步驟11：

步驟12：

步驟13：最后

責任編輯：wv