Non-Linear Feedback Neural Networks: VLSI Implementations and Applications

هدف این کتاب ارائه یک جایگزین مناسب برای مدل شبکه عصبی هاپفیلد (HNN) برای محاسبات آنالوگ است. به خوبی شناخته شده است که HNN استاندارد از مشکلات همگرایی به حداقل های محلی و نیاز به تعداد زیادی نورون و وزن سیناپسی رنج می برد. بنابراین، راه حل های بهبود یافته مورد نیاز است. شبکه عصبی سیناپس غیرخطی (NoSyNN) یکی از این احتمالات است و در این کتاب به تفصیل مورد بحث قرار گرفته است. این کتاب همچنین در مورد کاربردها در کارهای محاسباتی فشرده مانند رنگ‌آمیزی نمودار، رتبه‌بندی و برنامه‌نویسی خطی و درجه دوم بحث می‌کند. مطالب این کتاب برای دانشجویان، محققین و دانشگاهیان شاغل در حوزه محاسبات آنالوگ مفید است.

This book aims to present a viable alternative to the Hopfield Neural Network (HNN) model for analog computation. It is well known the standard HNN suffers from problems of convergence to local minima, and requirement of a large number of neurons and synaptic weights. Therefore, improved solutions are needed. The non-linear synapse neural network (NoSyNN) is one such possibility and is discussed in detail in this book. This book also discusses the applications in computationally intensive tasks like graph coloring, ranking, and linear as well as quadratic programming. The material in the book is useful to students, researchers and academician working in the area of analog computation.