Антон Алексеевич Наборщиков — кафедра автоматики и телемеханики; старший преподаватель,
Пермь.
Anton A. Naborshikov — Senior Lecturer, Department of Automation and Telemechanics,
Perm.
Антон Игоревич Посягин — канд. техн. наук; кафедра автоматики и телемеханики; доцент,
Пермь.
Anton I. Posyagin — PhD, Associate Professor; Department of Automation and Telemechanics,
Perm.
Егор Дмитриевич Путин — студент; кафедра автоматики и телемеханики,
Пермь.
Egor D. Putin — Student, Department of Automation and Telemechanics,
Perm.
Александр Анатольевич Южаков — д-р техн. наук, профессор; кафедра автоматики и телемеханики, зав. кафедрой,
Пермь.
Alexander A. Yuzhakov — Dr. Sci., Professor; Department of Automation and Telemechanics; Head of the Department,
Perm.
Рассматривается самомаршрутизирующийся аналого-цифровой преобразователь на основе однослойной нейронной сети, состоящей из основных измерительных нейронов. Для основного измерительного нейрона представлена система управления, реализующая самомаршрутизацию сигналов в нейронной сети методом „эхолокации“ при формировании индивидуального измерителя требуемой разрядности. Предложен способ уменьшения аппаратурных затрат на реализацию системы управления за счет использования местного фрагментарного устройства управления, элементы которого распределены между нейронами и могут объединяться для управления работой аналого-цифрового преобразователя. Разработаны функциональные схемы местного фрагментарного устройства управления с разделением счетчиков, используемых при „эхолокации“, на основании которых в среде Quartus построены модели, с помощью последних оценены аппаратурные затраты, измеряемые в числе используемых логических блоков LUT и регистров. Компиляция проекта для программируемой логической интегральной схемы показала уменьшение аппаратурных затрат на 20–25 % (в зависимости от параметров нейронной сети), по сравнению с использованием устройства управления без разделения счетчиков. Следует отметить, что местное фрагментарное устройство управления позволяет упростить масштабирование сети и увеличить ее отказоустойчивость.
A self-routing analog-to-digital converter based on a single-layer neural network consisting of basic measuring neurons is considered. For the main measuring neuron, a control system is presented that implements self-routing of signals in a neural network using the “echolocation” method when forming an individual meter of the required bit depth. A method is proposed to reduce the hardware costs of implementing a control system by using a local fragmented control device, the elements of which are distributed among neurons and can be combined to control the operation of an analog-to-digital converter. Functional schemes of a local fragmentary control device with separation of counters used in “echolocation” have been developed, on the basis of which models have been built in the Quartus environment, using the latter to estimate hardware costs measured in the number of LUT logic blocks and registers used. The compilation of the project for a programmable logic integrated circuit showed a 20-25% reduction in hardware costs (depending on the parameters of the neural network), compared with using a control device without separating counters. It should be noted that the local fragmented management device makes it easier to scale the network and increase its fault tolerance.
The authors declare that there are no conflicts of interest present.