Optimierungsverfahren für schaltungstechnische Realisierungen zellularer Rechner

[摘要] Bei intelligenten Sensoren soll die Aufnahme von Signalen und deren,zumindest teilweise durchgeführte, Verarbeitung mit einer einzigen Anordnungerfolgen. Dazu steht häufig eine elektronische Schaltung zur Verfügung, dieallerdings zur Einhaltung von Echtzeitbedingungen nur für eine relativeinfache Signalverarbeitung verwendet werden kann. Einen möglichen Auswegbildet die Verwendung parallel arbeitender Rechnersysteme. In dieser Hinsichtsind programmierbare Schaltungen mit z.B. optischen Sensor-Anordnungenbesonders interessant, die auf Zellularen Nichtlinearen Netzwerken basieren.Derartige miniaturisierte Systeme eröffnen aufgrund ihrer zellularenArchitektur neue Möglichkeiten zur Signalverarbeitung mit einemLeistungsvermögen, das im Bereich von Tera-Operationen pro Sekunde liegt. Fürviele aktuelle Problemstellungen wäre es von Vorteil, wenn diese zellularenSysteme eigenständig Parameteradaptionen durchführen könnten.Eingangssignale, die beispielsweise über die vorhandenen optischen Sensorenaufgenommen werden, führten dann zu einer Neuberechnung bzw. Anpassung derNetzwerksparameter. Aufgrund der beachtlichen Leistungsfähigkeit solcherSchaltungen wäre damit die Möglichkeit gegeben, eine adaptiveSignalverarbeitung bei zeitlich veränderlichen Problemen vorzunehmen. Indiesem Beitrag wird die Implementierung und Analyse von Lernverfahren auf demEyeRIS^TM System, das einen zellularen ProzessorACE16kv2^TM mit 128×128 Zellen enthält, zur adaptivenParameterbestimmung betrachtet. Anhand verschiedener Problemstellungen ausdem Bereich der Bildverarbeitung werden unterschiedliche Lernverfahrenverglichen und deren Leistungsfähigkeit untersucht.

[学科分类] 电子、光学、磁材料