文摘
在自然界中,一个有趣的话题是关于如何重新配置一个细胞以达到不同的任务。另一个有趣的话题是关于学习的过程,似乎是一个反复试验的过程。在这项工作中,我们目前的机制如何产生一个可重构逻辑单元基于帐篷映射。重新配置是通过修改其内部参数来实现生成几个逻辑函数在相同的结构。逻辑单元是由三块:初始条件生成函数,帐篷映射,输出函数。此外,我们提出一种基于可重构结构混沌系统和一个进化算法来优化参数的细胞通过反复试验的过程。
1。介绍
适应在本质上是相关研究领域有很多应用在人工系统,可用于造福社会。尤其是在生物学,神经元可以重新配置使用相同的结构本身发展不同的任务;然而,这个过程是一个谜。适应的过程,学习,和他们之间的耦合研究的追求,和这个流程的理解可以帮助建立人工设备。加入活组织的行为与电子长期以来被认为是世界上的科幻小说,但生物控制论现在离现实更近一步,由于新兴研究人员的工作,建立了微型电子网格的硅纳米线,并使用它们作为支架发展神经,心脏和肌肉组织。
混沌动力系统中常用的通信系统,如伪随机信号的生成和加密等。混沌系统是被动态的丰富性;然而,这些系统可能非常明智的扰动或无限的不稳定的组合。一维混沌系统可能产生各式各样的行为如果他们观察到作为时间的函数由于不同的初始条件或参数(1]。一维映射的使用是可行的,作为实例的逻辑图或帐篷映射,生成逻辑函数(2- - - - - -4]。
如今,寻找替代解决方案中使用的硬件计算系统是一个非常重要的方面在该地区(5];其中一个是可重构硬件的发展,混沌电路的候选人执行这些类型的任务(6- - - - - -8]。正如所料,混乱的元素可能产生不同的逻辑函数,重新配置功能(9,10]。其他方法包括使用可编程的架构盖茨电路(FPGA),其配置是由重组多个静态单一目的的大门;即单个逻辑门具有固定的配置。在这个工作中,一个帐篷映射1是用于构建可重构细胞产生不同的逻辑基本功能的进化算法用于调整其参数(11- - - - - -13]。
进化计算是一种范式的启发由查尔斯·达尔文提出自然选择理论,几个进化过程可以在计算包括三个发展中一个进化算法:健身分配,多样性的包容,更符合个人的选择,可以繁殖后代。在进化计算相同的过程发生在自然是模拟的,但在一个简单的方法。遗传算法、遗传编程和分布估计算法的例子,这种算法(11,12]。在这项工作中,一个简单的实现一个名为Evonorm的分布估计算法(13)是用于调优参数的可重构逻辑单元。这才算是真正的调优参数通常由试验和错误的过程。使用该算法生成的所有16个逻辑函数考虑两个输入。
尽管之前的段落似乎不相关的,通过电子电路设计可重构逻辑细胞的可能性,允许一个(i)解释了为什么一个相同结构的人工系统(电路)可以重新配置开发不同的任务;(2)将混沌动力学为基础的重新配置人工系统(电路);(3)定义替代体系结构,不同于FPGA,这样重新配置超越重新布线;和(iv)利用演化计算的优化参数的重新配置过程。本文的主要贡献是在可重构逻辑单元。这个可重构逻辑单元可以代表几个逻辑函数,所有在相同的结构变化的具体参数。这些参数的设置是由一个进化算法。节2提出了一种可重构逻辑单元。节3,Evonorm进化算法和用于设置参数描述的可重构逻辑单元。节4,建议架构用于生成不同的逻辑功能。结论和未来的工作在最后一节。
2。可重构的动态逻辑单元
在我们的方案中,可重构逻辑单元是由三块组成的一个架构:(i)发电机的初始条件,(2)一个帐篷映射,和(3)输出块。每一块遵循以下几点:(我)初始条件的可重构逻辑单元是由以下方程: 在哪里 是一个点火的种子,,与;(2)帐篷映射收益率第一个迭代使用(1);也就是说, (3)块是一个函数的输出,,产生一个双稳态响应如下: 在哪里是确定阈值参考信号的输出系统,逻辑零或逻辑。
图1演示了一个框图的可重构逻辑单元定义为(1),(2)和(4)。考虑到输入,可重构逻辑单元产生16个逻辑功能。没有普遍性的丧失,我们解释两个函数和(或&和逻辑门)的16个输出满足真正的表1。
2.1。函数(或)
函数的可重构逻辑单元是通过考虑以下参数调优,,,。这些参数满足表中所示的响应2、列。
可重构逻辑单元的行为在下面描述。如果初始条件和输入,,然后和帐篷映射的第一次迭代1。因此,定义为4的输出。重复的运动,,我们有,,。这种方式后,所有可能的组合被认为是有两个逻辑输入得到列所示的结果的表2,所以上面定义的逻辑单元参数下可以生成一个逻辑函数或的行为。
2.2。函数(和)
对于这种情况,使用相同的参数值高于被认为,除了参数是现在调到0.75。请注意,只有一个参数是重新配置。逻辑门的输出如表所示2、列。这意味着只有一个参数改变的重新配置逻辑细胞生成的逻辑或逻辑函数和函数。
注意的选择参数值可以调节试验和错误,但这是一个疲惫的任务;因此,进化算法出现作为一个方便的选择。我们提出Evonorm进化算法用于参数值的选择和算法在下一节中解释。
3所示。进化计算
一个重要的问题是关于存在的一种有效的方式来确定参数的值的可重构逻辑单元。在本节中,我们将展示如何调整参数,以便将生成的逻辑函数。特别是,我们说明的情况下2输入生成16个输出。一种进化算法。从本质上讲,一个进化算法搜索解决方案(11,12]。这里我们利用它来调优参数的可重构逻辑单元。选择的进化算法叫做Evonorm [13),是基于四个项目如下:(1)个人的表现;(2)评估或每个个体的适应度计算;(3)选择最好的个人安装;(4)代的新个体。
跟踪上述四个项目,每一个潜在的解决方案是代表作为一个个体的人口分配一个评估值取决于其性能调优参数的来解决这个问题。特别是在Evonorm边际随机变量是用来产生一个新的种群通过正态分布的估计。算法的实现需要两个矩阵和三个向量。两个矩阵的一个名字代表人口的解决方案,总数量的个人和吗参数的数量。另一个矩阵表示商店选择个人,是个人选择的数量,通常是总人口的百分之十。向量每个商店的评价价值。向量和用于存储平均值和标准偏差,分别使用的随机变量的每个参数。上述定义对应于第一项Evonorm的进化算法。随机生成初始种群均匀分布函数。
接下来,Evonorm进化算法强调确定初始条件的可重构逻辑细胞。每一个人的人口是评估如下。
步骤1。逻辑单元的评价和提取参数。提取的参数:,,,,。
步骤2。计算,在那里是一个向量代表预期的输出值对应于每一个细胞中输入组合。例如,函数有以下输出相对应的输入,分别。输出的最大数量是执行规范化;在本例中,4号用于标准化的评估。
步骤3。确定评估。这个函数的最大化的预期。
步骤4。选择最合适的人。这个过程类型矩阵的个人使用评价向量作为一个标准。然后选择个人是生成一个新的人口。在这个过程最好的安装个人存储向量。
第5步。计算每个参数的平均值和标准偏差:
步骤6。生成一个新的人口考虑边际与正态分布随机变量:
是一个随机变量,生成数字用正态分布函数考虑的意思吗和标准偏差以前,预先计算的。一个标准的随机变量的近似正态分布计算使用(7),是一个随机变量正态分布:
步骤1- - - - - -6在周期称为一代又一代重复几次。该算法能够调整的参数可重构逻辑单元和生成两个输入的所有逻辑功能。
4所示。由Evonorm调优参数值
Evonorm算法用于生成一个更好的参数解的所有逻辑函数考虑两个输入变量,如表所示3。
所有的逻辑函数的参数值两个输入被进化算法(表生成4)。例如,布尔函数考虑到生成的参数值吗,,,,根据表4。初始条件等于与输入,;这些值被用于(1)第一次迭代,输出是由(4)。重复这个过程,所有的输出都是生成的,如表中所示4。
5。结论
开发基于帐篷映射的可重构逻辑单元。重新配置是由调优参数值:,,,,。Evonorm算法是一个有用的工具调优参数值的可重构逻辑单元和生成的所有16布尔函数的两个逻辑输入(剩余的固定、表4)。作为一个未来的工作,比较其他进化算法和使用可重构逻辑细胞与预计三个或更多的输入。
承认
大肠Campos-Canton承认CONACYT通过项目的金融支持。181002年。