The implementation of neural networ

The implementation of neural network is an important factor for whether theoretical results are applied to practice effectively. Usually, the realization of the neural network is divided into hardware and software implementation. The realization of neural network algorithm by software method is limited by the computer frequency. And software can’t connect to complex peripheral, therefore software implementation of neural network algorithm can’t be directly used to practical engineering. But the realization of neural network algorithm by hardware method can accelerate the operation speed of neural network, and hardware can realize the control for peripheral equipment through connect to complex peripheral. Therefore hardware implementation of neural network can be applied to engineering. In this paper, TMS320F2812 of TI company is chosen to perform the DSP implementation of the flatness pattern recognition via EA-ABC cloud inference network. It not only has powerful ability of digital signal processing, but also has relatively perfect ability of time management and embedded control. It is widely used in industrial control, especially in the field which needs high processing speed and high precision[16]. In the DSP implementation of the flatness pattern recognition via EA-ABC cloud inference network, firstly, the program of flatness pattern recognition model via T-S cloud inference network in DSP TMS320F2812 is written based on the program of flatness pattern recognition model via T-S cloud inference network in MATLAB. Then the parameters of T-S cloud inference network are optimized by EA-ABC algorithm in MATLAB and these parameters are transmitted to DSP later. The flatness pattern recognition
3493

model runs in MATLAB and DSP separately. Finally, the two results of flatness pattern recognition model, which runs in MATLAB and DSP respectively, are compared and analyzed.

ผลลัพธ์ (ไทย) 1:

การดำเนินงานของข่ายประสาทเป็นปัจจัยสำคัญสำหรับว่าทฤษฎีผลจะนำไปใช้ปฏิบัติได้อย่างมีประสิทธิภาพ มักจะ สำนึกของข่ายประสาทแบ่งออกเป็นการใช้งานฮาร์ดแวร์และซอฟต์แวร์ สำนึกของอัลกอริทึมของข่ายประสาทโดยวิธีซอฟต์แวร์ถูกจำกัด โดยความถี่คอมพิวเตอร์ และซอฟต์แวร์ไม่สามารถเชื่อมต่อกับอุปกรณ์ต่อพ่วงที่ซับซ้อน ดังนั้น การใช้งานซอฟต์แวร์ของอัลกอริทึมของโครงข่ายประสาทไม่สามารถโดยตรงใช้วิศวกรรมปฏิบัติ แต่สำนึกของอัลกอริทึมของข่ายประสาทโดยวิธีฮาร์ดแวร์สามารถเร่งความเร็วการทำงานของโครงข่ายประสาท และฮาร์ดแวร์สามารถตระหนักถึงการควบคุมสำหรับอุปกรณ์ต่อพ่วงที่เชื่อมต่อกับอุปกรณ์ต่อพ่วงที่ซับซ้อน ดังนั้น การใช้งานฮาร์ดแวร์ของเครือข่ายประสาทสามารถใช้ได้กับวิศวกรรม ในกระดาษนี้ บริษัท TMS320F2812 TI คือเลือกที่จะทำการใช้งาน DSP ของการรู้จำแบบเรียบผ่านเครือข่าย EA ABC เมฆกล่าว มันไม่เพียงแต่มีความสามารถที่มีประสิทธิภาพของการประมวลผลสัญญาณดิจิตอล แต่ยัง มีค่อนข้างสมบูรณ์แบบสามารถบริหารเวลาและการฝังตัวควบคุม มันถูกใช้ในการควบคุมอุตสาหกรรม โดยเฉพาะอย่างยิ่งในฟิลด์ที่ต้องการความเร็วในการประมวลผลสูงและมีความแม่นยำสูง [16] ในการใช้งาน DSP ของการรู้จำแบบเรียบผ่านเครือข่าย EA ABC เมฆอนุมาน ตอนแรก รุ่นเรียบรูปแบบการรับรู้ผ่านทางเครือข่ายอนุมานเมฆ T-S ใน DSP TMS320F2812 มีเขียนโปรแกรมตามที่โปรแกรมรุ่นเรียบรูปแบบการรับรู้ผ่านทางเครือข่ายอนุมานเมฆ T-S ใน MATLAB พารามิเตอร์ของเครือข่ายข้อเมฆ T-S เหมาะ โดยอัลกอริทึมของ EA-ABC ใน MATLAB แล้วพารามิเตอร์เหล่านี้จะถูกส่งไป DSP ในภายหลัง การรู้จำรูปแบบเรียบ 3493 model runs in MATLAB and DSP separately. Finally, the two results of flatness pattern recognition model, which runs in MATLAB and DSP respectively, are compared and analyzed.

ผลลัพธ์ (ไทย) 2:

การดำเนินงานของเครือข่ายประสาทเป็นปัจจัยสำคัญสำหรับผลทฤษฎีว่าจะนำไปใช้ปฏิบัติได้อย่างมีประสิทธิภาพ มักจะก่อให้เกิดเครือข่ายประสาทจะแบ่งออกเป็นฮาร์ดแวร์และซอฟแวร์การดำเนินงาน สำนึกของขั้นตอนวิธีเครือข่ายประสาทโดยวิธีซอฟแวร์จะถูก จำกัด ด้วยความถี่คอมพิวเตอร์ และซอฟต์แวร์ที่ไม่สามารถเชื่อมต่อกับอุปกรณ์ต่อพ่วงที่ซับซ้อนดังนั้นการใช้งานซอฟต์แวร์ของขั้นตอนวิธีเครือข่ายประสาทไม่สามารถนำมาใช้โดยตรงกับวิศวกรรมการปฏิบัติ แต่สำนึกของขั้นตอนวิธีเครือข่ายประสาทโดยวิธีฮาร์ดแวร์สามารถเร่งความเร็วในการดำเนินงานของเครือข่ายประสาทและฮาร์ดแวร์สามารถตระหนักถึงการควบคุมสำหรับอุปกรณ์ต่อพ่วงผ่านการเชื่อมต่อกับอุปกรณ์ต่อพ่วงที่ซับซ้อน ดังนั้นการใช้ฮาร์ดแวร์ของเครือข่ายประสาทสามารถนำไปใช้งานด้านวิศวกรรม ในบทความนี้ TMS320F2812 ของ บริษัท TI คือเลือกที่จะดำเนินการการดำเนินงาน DSP ของการรับรู้รูปแบบความเรียบผ่านทาง EA-ABC เครือข่ายการอนุมานเมฆ มันไม่เพียง แต่มีความสามารถที่มีประสิทธิภาพของการประมวลผลสัญญาณดิจิตอล แต่ยังมีความสามารถที่ค่อนข้างสมบูรณ์แบบของการบริหารเวลาและการควบคุมที่ฝังตัว มันถูกใช้กันอย่างแพร่หลายในการควบคุมอุตสาหกรรมโดยเฉพาะอย่างยิ่งในสาขาที่ต้องการการประมวลผลความเร็วสูงและความแม่นยำสูง [16] ในการใช้งาน DSP ของการจดจำรูปแบบเรียบผ่านทาง EA-ABC เครือข่ายคลาวด์อนุมานแรกโปรแกรมของความเรียบรูปแบบการจดจำรูปแบบผ่านทาง TS เครือข่ายการอนุมานเมฆ DSP TMS320F2812 ถูกเขียนขึ้นอยู่กับโปรแกรมของความเรียบรูปแบบรูปแบบการรับรู้ผ่านทาง TS เครือข่ายการอนุมานเมฆ ใน MATLAB จากนั้นพารามิเตอร์ของเครือข่ายคลาวด์ TS อนุมานมีประสิทธิภาพสูงสุดโดยวิธี EA-ABC ใน MATLAB และพารามิเตอร์เหล่านี้จะถูกส่งไปยัง DSP ภายหลัง รูปแบบการรับรู้ความเรียบ
3493

รูปแบบการทำงานใน MATLAB และ DSP แยกต่างหาก ในที่สุดทั้งสองมีผลของรูปแบบการจดจำรูปแบบเรียบซึ่งทำงานใน MATLAB และ DSP ตามลำดับเมื่อเทียบและวิเคราะห์

ผลลัพธ์ (ไทย) 3:

การใช้โครงข่ายประสาทเทียมเป็นปัจจัยสําคัญสําหรับไม่ว่าผลทฤษฎีประยุกต์สู่การปฏิบัติอย่างมีประสิทธิภาพ โดยปกติ การรับรู้ของโครงข่ายแบ่งเป็นฮาร์ดแวร์และซอฟต์แวร์ที่ใช้ การรับรู้ของขั้นตอนวิธีโครงข่ายประสาทเทียมโดยวิธีซอฟต์แวร์จะถูก จำกัด โดยความถี่ในคอมพิวเตอร์ และซอฟต์แวร์ที่ไม่สามารถเชื่อมต่อกับอุปกรณ์ต่อพ่วงที่ซับซ้อน ดังนั้นการติดตั้งซอฟต์แวร์ขั้นตอนวิธีเครือข่ายประสาท ไม่สามารถใช้โดยตรงกับการปฏิบัติงานวิศวกรรม แต่การรับรู้ของขั้นตอนวิธีโครงข่ายประสาทเทียมโดยวิธีฮาร์ดแวร์ที่สามารถเร่งการดำเนินงานความเร็วของโครงข่ายประสาทเทียม และฮาร์ดแวร์สามารถตระหนักถึงการควบคุมสำหรับอุปกรณ์ต่อพ่วงผ่านการเชื่อมต่อที่ซับซ้อน อุปกรณ์ต่อพ่วง ดังนั้นการใช้ฮาร์ดแวร์ของโครงข่ายประสาทเทียมสามารถใช้กับงานวิศวกรรม ในกระดาษนี้ tms320f2812 บริษัท TI จะเลือกที่จะดำเนินการโดยการนำแบบแผนการรับรู้ผ่านทางเครือข่ายการอนุมานความ ea-abc เมฆ มันไม่เพียง แต่มีความสามารถที่มีประสิทธิภาพของการประมวลสัญญาณแบบดิจิตอล แต่ยังมีความสามารถที่ค่อนข้างสมบูรณ์ของการจัดการเวลาและควบคุมสมองกลฝังตัว มันถูกใช้กันอย่างแพร่หลายในอุตสาหกรรมควบคุม โดยเฉพาะในเขตที่ความต้องการการประมวลผลความเร็วสูงและแม่นยำสูง [ 16 ] ในการใช้ DSP ของความเรียบแบบแผนการรับรู้ผ่านทางเครือข่ายการ ea-abc เมฆ ประการแรก โปรแกรมของความรู้จำรูปแบบโมเดลทาง t-s เมฆเครือข่ายการอนุมานใน DSP tms320f2812 เขียนตามโปรแกรมของความรู้จำรูปแบบโมเดลทาง t-s เมฆเครือข่ายการอนุมานใน Matlab . แล้วพารามิเตอร์ของเครือข่ายการ t-s เมฆเพิ่มประสิทธิภาพโดย ea-abc ขั้นตอนวิธีใน MATLAB และพารามิเตอร์เหล่านี้จะถูกส่งผ่านไปยัง DSP ในภายหลัง การรู้จำรูปแบบการแบน3493แบบวิ่งใน MATLAB และ DSP แยกต่างหาก ในที่สุด ผลของความสองรูปแบบ แบบที่วิ่งใน MATLAB และ DSP ตามลำดับ เปรียบเทียบ และวิเคราะห์