组合逻辑模拟器的说明

步骤1：1.简介

1。简介

传统计算器并不总是能够解决需要密集计算的问题，例如模式识别，机器人的运动控制，基于大量带有噪声的数据的决策等。结果，采用了其他信息处理方法，而分布式处理就是其中之一。满足上述许多要求的信息处理的这些非常规方向之一是由人工神经网络（neural calculus）表示的。

本文借助神经网络进行了仿真。组合逻辑电路（CLC）的网络。第2部分介绍有关CLC设计的概念，并说明设计复杂CLC的困难。第三部分显示了使用前馈人工神经网络进行仿真的示例。在上一节中，显示了有关我们方法的一些结论。

2。组合逻辑电路

组合逻辑电路（CLC）是具有n个输入的电子电路，用X1，X2，…，Xn和m个输出表示，用Z1，Z2，…，Zm表示，为此可以使用数学模型根据输入来表示输出

Z1 = f1（X1，X2，…，Xn）

Z2 = f2（X1，X2，…，Xn）

……………………

ZI = fi（X1，X2，…，Xn）

……………………

Zm = fm（X1，X2，…，Xn）

在电路CLC的合成中，通常首先根据真值表以及操作和非操作状态的规定所施加的要求对功能条件进行分类。涉及以下步骤：

•

问题发声；制定真值表；

•

真函数的最小化；

•

换向函数的相关最小化；方案分析和

消除危害；

•

逻辑功能的硬件实现。

步骤2：

div在经典的CLC电路合成方法中，一个微妙的问题是，并非总是能够实现绝对最佳的严格方案。因此，在合成具有大量输入变量（n = 6的那些），具有许多输出和不确定状态的复杂函数的情况下，代数和拓扑方法非常困难

在下面，我们通过一个示例来说明设计CLC的问题。在图2中，我们使用Veitch-Karnaugh图显示了最小化过程，在图3中，显示了所得的CLC。

步骤3：3。前馈神经网络帮助的CLC仿真

本文提出了利用神经网络的方法对这些CLC进行特殊处理的方法。该解决方案由CLC和具有n个输入和m个输出的神经网络之间存在的功能相似性提出。实际上，使用了三层神经网络，第一层具有n（4）个输入神经元，而第三m（2）个输出神经元（图4）。对于神经网络，输入和输出

数据集由图2中的真值表给出。

步骤4：

仿真显示，对于配置4：6：2的网络，已经实现了CLC的I/O依赖性。如果我们注意到该网络需要12个神经元（包括被动输入神经元），则其结果等效于12个门，这与图3中使用18种多种门的CLC相反。显然，在硬件实现中，用于实现CLC功能的神经方法可能具有竞争力。在图5中，可以看到真值表中输入的每种组合的“神经” CLC的实际输出和所需的输出

第5步：4.结论 h2》

最后，在神经网络的帮助下，组合电路仿真的方法需要执行以下步骤：

步骤1。为所选组合电路建立真值表；

第2步。选择一个三层神经网络，在第一层具有n个神经元，在隐藏层中将找到许多神经元，在输出层中有m个神经元；

第3步：使用真值表训练神经网络；

第4步：验证网络的正确功能；

第5步。网络硬件实现。

步骤6：软件设计

步骤7：

步骤8：3D设计

步骤9：

步骤10：

步骤11：

步骤12：

步骤13：最后

责任编辑：wv