Loading...
ترجمه مقاله سیستم های محاسبات قابل تنظیم با اتوماتای یادگیری سلولی
ترجمه مقاله IMPLEMENTATION OF CELLULAR LEARNING AUTOMATA ON RECONFIGURABLE COMPUTING SYSTEMS
در این پست ترجمه مقاله سیستم های محاسبات قابل تنظیم با اتوماتای یادگیری سلولی را برای شما دوستان قرار دادیم امیدواریم از مطالب این مقاله بتوانید بیشترین نهایت استفاده را ببرید.
چکیده سیستم های محاسبات قابل تنظیم با اتوماتای یادگیری سلولی :
سیستم محاسبات (RCS) از سرعت سخت افزار و دستگاه های قابل برنامه نویسی استفاده می کند تا سیستم هایی با کار کرد بالا تولید کند. پیاده سازی RCS توسط دستگاهی مانند FPGA ها صورت می گیرد. از سوی دیگر، اتوماتای یادگیری سلولی (CLA) که از اتوماتای یادگیری پیشنهاد شده و اتوماتای سلولی قدیمی ترکیب شده نشان داده شده است که شبیه سازی نرم افزاری CLA در حل بعضی از کارهای سخت موفق می باشد.
با این حال، این مراحل در سیستم های قدیمی به کندی صورت می گیرد. برای مقابله در این مسئله، CLA را در سخت افزار پیاده کردیم. علاوه بر این بعضی از کاربرد هایی که نیاز به تغییر در زمان اجرای پارامترها هستند قابلیت مرتب سازی دوباره در زمان اجرا (RTR) می باشد. در این بخش از مقاله پیاده سازی و طراحی CLA در یک سیستم مرتب سازی دوباره ارائه شده است.
نتیجه آزمایش ها بهره سرعت نسخه RCS را نسبت به نسخه نرم افزاری نشان می دهد. استقلال از ابعاد CLA نیز مزایا های دیگری از پیاده سازی سخت افزاری CLA می باشد. به عبارت دیگر، با بالا رفتن ابعاد CLA، زمان برای اجرای CLA پیاده سازی شده و روی سخت افزار به طور کاملا ثابت باقی می ماند.
توضیحات بیشتر در مورد ترجمه مقاله سیستم های محاسبات قابل تنظیم با اتوماتای یادگیری سلولی و دانلود رایگان مقاله اصلی لطفا به ادامه مطلب مراجعه نمائید.
مقدمه سیستم های محاسبات قابل تنظیم با اتوماتای یادگیری سلولی :
اتوماتای یادگیری سلولی در سال ۱۹۶۰ معرفی شده و می تواند کارهای خود را در محیطی کاملا تصادفی بروزرسانی کند تا کارکرد خود را بالا ببرد. هر LA فقط از یک الگوریتم یادگیری استفاده می کند و بهترین روش ارتباط با محیط را یاد می گیرد. مدل اتوماتای سلولی (CLA) را به صورت اتوماتا های یادگیری و سلولی پیشنهاد داده اند. CLA شامل اندکی سلول است. در هر بخش سلول، یک اتوماتای داخلی وضعیت. CLA ها را در کاربرد هایی مانند مدلسازی شبکه تجاری و پردازش تصویر مورد استفاده قرار داده است.
چکیده انگلیسی سیستم های محاسبات قابل تنظیم با اتوماتای یادگیری سلولی :
Reconfigurable computing systems (RCS) use the flexibility of programmable devices and the speed of hardware to implement high performance systems Implementation of RCS is normally made by means of programmable devices, such as FPGAs. On the other hand, recently, cellular learning automata (CLA) have been proposed as a combination of conventional cellular automaton and learning automaton.
Software simulation of CLA has shownit to be successfulfor solvingsome hard problems. However, the process on conventional computers is slow. To overcome this problem, we implemented CLA in hardware. In addition, for some applications which necessitate run time changes for parameters, the ability of run-time reconfiguration (RTR) in hardware is a solution In this paper, the design and implementation of CLA on a reconfigurable system are presented.
Experimental results show considerable speedup gain of RCS version over the software version Independence on CLA dimensions is another benefit of reconfigurable hardware implementation of CLA. In other words, by increasing the dimensions of CLA, the time neededfor running reconfigurable CLA implemented on hardware remains constant.
منبع : http://ieeexplore.ieee.org
شبیه سازی شبکه های کامپیوتری و مخابراتی
مشاهده ویدئو در این باره