Cellular Neural Networks: Dynamics and Modelling

روش‌های محاسبات دیجیتال مرسوم به دلیل ماهیت سریالی خود با یک گلوگاه سرعت جدی مواجه شده‌اند. برای غلبه بر این مشکل، یک مدل محاسباتی جدید به نام شبکه های عصبی پیشنهاد شده است که بر اساس برخی از جنبه های نوروبیولوژی و سازگار با مدارهای مجتمع است. افزایش در دسترس بودن قدرت محاسباتی نه تنها بسیاری از کاربردهای جدید را ممکن ساخته است، بلکه میل به انجام وظایف شناختی را که به راحتی توسط مغز انسان انجام می شود، ایجاد کرده است. بدیهی است که انواع جدیدی از الگوریتم‌ها و/یا مدارها برای مقابله با چنین وظایفی ضروری هستند. از عملکرد مغز انسان الهام گرفته شده است که منجر به رویکرد شبکه عصبی مصنوعی شد. یکی از راه‌های نگاه کردن به شبکه‌های عصبی این است که آنها را آرایه‌هایی از سیستم‌های دینامیکی غیرخطی در نظر بگیریم که با یکدیگر تعامل دارند. این کتاب به یک دسته از شبکه‌های عصبی جفت‌شده محلی، به نام شبکه‌های عصبی سلولی (CNN) می‌پردازد. CNN ها در سال 1988 توسط L. O. Chua و L. Yang [27,28] به عنوان یک کلاس جدید از سیستم های پردازش اطلاعات معرفی شدند که دارای برخی از ویژگی های کلیدی شبکه های عصبی (NN) هستند و کاربردهای بالقوه مهمی در چنین مناطقی دارند. به عنوان پردازش تصویر و تشخیص الگو. متأسفانه، ماهیت بسیار میان رشته ای تحقیقات در CNN ها، ورود یک تازه وارد به این حوزه مهم و جذاب علم مدرن را بسیار دشوار می کند.

Conventional digital computation methods have run into a se­ rious speed bottleneck due to their serial nature. To overcome this problem, a new computation model, called Neural Networks, has been proposed, which is based on some aspects of neurobiology and adapted to integrated circuits. The increased availability of com­ puting power has not only made many new applications possible but has also created the desire to perform cognitive tasks which are easily carried out by the human brain. It become obvious that new types of algorithms and/or circuits were necessary to cope with such tasks. Inspiration has been sought from the functioning of the hu­ man brain, which led to the artificial neural network approach. One way of looking at neural networks is to consider them to be arrays of nonlinear dynamical systems that interact with each other. This book deals with one class of locally coupled neural net­ works, called Cellular Neural Networks (CNNs). CNNs were intro­ duced in 1988 by L. O. Chua and L. Yang [27,28] as a novel class of information processing systems, which posseses some of the key fea­ tures of neural networks (NNs) and which has important potential applications in such areas as image processing and pattern reco­ gnition. Unfortunately, the highly interdisciplinary nature of the research in CNNs makes it very difficult for a newcomer to enter this important and fasciriating area of modern science.