Yuqori tezlikda ma’lumot almashinuvchi tizimlarda xavfsiz marshrutlash masalalarini yechish algoritmi

Asosoy qism. Murakkab ichki arxitekturali tarmoqlarda qayta o‘qitish xavfi ortadi. O‘qitish algoritmining to‘g‘ri bajarilishi uchun ta’lim namunasining hajmi yetarli bo‘lmasligi mumkin. Chiqish signali neyron tarmoq ekspertlari tomonidan chiqariladigan chiqish signallarining linear kombinatsiyasi bilan birlashtiriladi. Turli ekspertlarning fikrini birlashtirishning eng oddiy misoli oddiy ovozdir:
(1)
bu yerda x = (x₁, x₂, ..., x_k) kirish vektori, k - neyron tarmoq retseptorlari soni, y (x) = (y₁, y₂, ..., yn) - bu neyron tarmoqlar qo‘mitasidan chiqadigan signal vektori , kirish vektoriga javob sifatida olingan, n - ekspert natijalari soni, F - hosil bo‘lgan eritmani hisoblaydigan tuzatish operatsiyasi va T guruhdagi neyron tarmoq eksperti soni. Agar ovoz berishning ushbu turidan foydalanishning misoli sifatida tasniflash muammosi ko‘rib chiqilsa, u holda huruhdagi obyekt obyektning sinxron tarmog‘i ekspertlarining sinfiga tegishli bo‘ladi [1-3].

1-rasm. Ekspertlar to‘plamini rasmlantirish sxemasi.
Eksperiment natijalari, agar har bir ekspertning t ga xatosi har doim 0,5 dan kam bo‘lsa, unda so‘nggi ekspert xarakterining qiymati ko‘payib borayotgan iteratsiyalar soni bilan 0 ga teng. Shunday qilib, ushbu amplifikatsiya algoritmi ekspertlarimizga nisbatan aniqroq olingan va ma’lumotlarning shovqin qismlariga nisbatan kamroq ta’sir etuvchi yakuniy ekspert Gfning umumlashtiruvchi qobiliyatini mustahkamlashga imkon beradi [4].

2-rasm. To‘plamning blok diagrammasi .
Barcha asosiy ekspertlar (bu yerda ish olib boriladi) turli tuzilmalar va me'moriy neyron tarmoqlari A darajasini tashkil qiladi. Metamodelning kiritilishida (B darajasi) natijalar tayanch modellarning chiqqandan chiqadi. Jarayon, algoritmni to‘xtatish sharoitiga qadar davom etadi: belgilangan aniqlikka erishish, barcha mumkin bo‘lgan hisoblash resurslaridan foydalanish.
3-rasmda rasmda zanjirining ekvivalent elektron tasviri ko‘rsatilgan. Bu yerda R va L ketma-ketliklari umumiy qarshilikni hosil qiladi, G va C esa umumiy o‘tkazuv-chanlikdir.

3-rasm - Aloqa liniyasining teng davri.



4- rasm Tugmalarning koordinatalarini yaratish.
Ekspert tizimining ta’lim namunasi ushbu lokal tarmog‘ida ishlatiladigan aloqa liniyasini tahlil qilish orqali shakllnadi. Innovasion aloqa kanaliga to‘g‘ridan-to‘g‘ri ulanish va axborotni texnik vositalar yordamida o‘qish orqali amalga oshirilishi mumkin. Natijada, kanalga ulanishga urinishlarni aniqlash mumkin. Aloqa liniyalarining elektr xususiyatlari va ularning uzatilishi sifati asosiy traneyro tarmoqmissiya parametrlari bilan to‘liq ifodalanadi: aktiv rezistentlik R, induktivlik L, sig‘imning sig‘imi, izolyatsiyaning G o‘tkazuvchanligi. Bu parametrlar kuchlanish va uzatiladigan oqimdan mustaqil, lekin faqat chiziqning dizayni, ishlatiladigan materiallar va oqimning chastotasi bilan belgilanadi [5].

5-rasm. Ma’lumotlarni siqish algoritmining asosiy neyron tarmoq tuzilishi.
Tajribalar, kirish vektoridagi bunday kichik o‘zgarish bilan 32 ta chiqish vektorining o‘rtacha 3 ta komponentining o‘zgarishi ko‘rsatilgan. Natijada, neyron tarmoq eksperti axborot uzatish kanalini tavsiflovchi vektorlarning eng kichik o‘zgarishlariga ham javob bera oladi [6-10].
Asosiy masala tarmoq strukturasining boshlang‘ich rasmlanishi bo‘lib, u ma’lumotlarni siqishni amalga oshiradi: og‘irlik koeffitsientlari va qatlamlar orasidagi bog‘liqlik topologiyasi. Tarozilar har bir aloqa kanali uchun yagona bo‘lganligi uchun tanlangan: dastlabki qiymatlar uchta CMOS SRAM xotira modulidan tanlangan [10-12].
Xulosa. Umumiy holda, neyron tarmoq tuzilishi ma’lumotlar siqish uchun 4162 neyron elementni o‘z ichiga oladi, ularning har biri 6 og‘irlik koeffitsiyentni o‘z ichiga oladi. Natijada 24972 qiymat har bir xotira modulidan 3 baytni birlashtirib, keyin normallashtiriladi. Xotira modulidagi har bir baytning manzili neyron tarmoq tarkibidagi vazn koeffitsientining ketma-ketligi sifatida aniqlanadi. Ulanishning topologiyasi genetik algoritmdan foydalanib belgilanadi, bu yerda ob'ektiv funktsiya neyron tarmoq siqish algoritmining sezgirligini kirish ma’lumotlarining o‘zgarishiga yetkazishdir.