فایل ورد کامل پیاده سازی شبکه عصبی Hopfield مجتمع سازی دیجیتال در مقیاس بسیار بزرگ (VLSI)، در آرایه های گیت قابل برنامه ریزی میدانی (FPGA) برای حل مسایل محدودیت رضایت

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل پیاده سازی شبکه عصبی Hopfield مجتمع سازی دیجیتال در مقیاس بسیار بزرگ (VLSI)، در آرایه های گیت قابل برنامه ریزی میدانی (FPGA) برای حل مسایل محدودیت رضایت،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۳۰ صفحه

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 وزیر 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.

کلمات کلیدی: شبکه عصبی هوپفیلد | آرایه های گیت قابل برنامه ریزی میدانی | مساله N وزیر

عنوان انگلیسی:

Digital very-large-scale integration (VLSI) Hopfield eural network implementation on field programmable ate arrays (FPGA) for solving constraint satisfaction problems

~~en~~ writers :

A. Srinivasulu

This paper discusses the implementation of Hopfield neural networks for solving constraint satisfaction
problems using field programmable gate arrays (FPGAs). It discusses techniques for formulating such
problems as discrete neural networks, and then it describes the N-Queen problem using this
formulation. Finally results will be presented which compare the computation times for the custom
computer against the simulation of the Hopfield network run on a high end workstation. In this way, the
speed-up can be determined, that illustrate a speedup of up to 2 to 3 orders of magnitude is possible
using current FPGAs devices.

Key words: Hopfield neural network | field programmable gate arrays (FPGA) | N-Queen problem.

$$en!!