В современных системах автоматизированного проектирования ши

43
Рис. 2.9.
Матрица нейронов – модуль плоской нейронной сети 
векторов 
Y
j
= {
y
ij
} (весовые коэффициенты). Таким образом, число строк 
матрицы нейронов 
m
соответствует максимальному числу эталонов для 
одного изображения. 
Каждый формальный нейрон проводит умножение 
x
i
y
ij
, складывает 
полученную величину с значением 
x
i
–1
y
(
i
–1) 
j
, полученным слева и передает 
сумму нейрону, расположенному справа. Таким образом, строка нейронов 
параллельно вычисляет скалярное произведение 
B
j
(2.1) для всех строк и 
тем самым, для всех эталонов. 
Скалярные произведения параллельно передаются в блок управления 
и анализа, в котором проводится нормировка (2.2) и выбор максимального 
значения 
b
j
. Это максимальное значение определяет меру соответствия 
эталону, наиболее похожему на изображение 
X
. 
Матрицы формальных нейронов (см. рис. 2.9) образуют первый слой 
нейронной сети (рис. 2.10). Число матриц (модулей) соответствует числу 
групп изображений-эталонов 
М
i
. 

---

44
Рис. 2.10.
Схема двухслойной нейронной сети 
Значения нормированных скалярных произведений 
b
j
с выходов мо-
дулей 
M
j
передаются на входы выходного модуля 
N
, который проводит 
окончательное распознавание изображения. 
Компьютерное моделирование алгоритма распознавания изображе-
ния в нейронной сети показало его эффективность. В качестве эталонов 
Y
j
принимались однотипные графические объекты разного масштаба (кресты, 
треугольники, квадраты и т.д.). В качестве входного вектора 
X
выбирался 
или один из эталонов, или графическое изображение, близкое к одному из 
эталонов. 
Предложенная структура нейронной сети хорошо соответствует со-
временной планарной полупроводниковой технологии. Использование в 

---

45
качестве базового элемента транзисторов на основе нанокристаллов Si, Ge 
в пленке SiO
2
позволяет разместить на одном кристалле плоскую нейрон-
ную сеть гигабайтного объёма. Параллельный алгоритм вычислений, реа-
лизованный в плоской нейронной сети, позволяет проводить распознава-
ние изображений в реальном масштабе времени.