Adaptive Resonance Theory Microchips: Circuit Design Techniques

ریزتراشه‌های تئوری تشدید تطبیقی استراتژی‌های مداری را توصیف می‌کنند که منجر به سیستم‌های سخت‌افزاری نظریه تشدید تطبیقی ​​(ART) کارآمد و کاربردی می‌شود. در حالی که الگوریتم‌های ART در نرم‌افزار توسط سازندگانشان توسعه داده شده‌اند، این اولین کتابی است که به طراحی کارآمد VLSI سیستم‌های ART می‌پردازد. تمام سیستم‌های توصیف‌شده در کتاب به‌عنوان ریزتراشه‌های VLSI با پیش‌بینی گسترش قریب‌الوقوع برنامه‌های ART برای سیستم‌های هوشمند مستقل طراحی و ساخته شده‌اند (یا در حال تکمیل هستند). برای تطبیق با این سیستم‌ها، این کتاب نه تنها تکنیک‌های طراحی مدار را ارائه می‌کند، بلکه آنها را از طریق اندازه‌گیری‌های تجربی تأیید می‌کند. این کتاب همچنین شامل یک فصل آموزشی است که به شرح چهار معماری ART (ART1، ARTMAP، Fuzzy-ART و Fuzzy-ARTMAP) می‌پردازد، در حالی که نمونه‌های کد MATLAB به راحتی قابل درک برای پیاده‌سازی این چهار الگوریتم در نرم‌افزار ارائه می‌شود. علاوه بر این، یک فصل کامل به سایر برنامه‌های بالقوه برای خوشه‌بندی داده‌ها در زمان واقعی و یادگیری دسته‌بندی اختصاص داده شده است.

Adaptive Resonance Theory Microchips describes circuit strategies resulting in efficient and functional adaptive resonance theory (ART) hardware systems. While ART algorithms have been developed in software by their creators, this is the first book that addresses efficient VLSI design of ART systems. All systems described in the book have been designed and fabricated (or are nearing completion) as VLSI microchips in anticipation of the impending proliferation of ART applications to autonomous intelligent systems. To accommodate these systems, the book not only provides circuit design techniques, but also validates them through experimental measurements. The book also includes a chapter tutorially describing four ART architectures (ART1, ARTMAP, Fuzzy-ART and Fuzzy-ARTMAP) while providing easily understandable MATLAB code examples to implement these four algorithms in software. In addition, an entire chapter is devoted to other potential applications for real-time data clustering and category learning.