n this brief, conic section functio

n this brief, conic section function neural network (CSFNN)
circuitry was designed for offline signature recognition. CSFNN is a unified
framework for multilayer perceptron (MLP) and radial basis function
(RBF) networks to make simultaneous use of advantages of both. The
CSFNN circuitry architecture was developed using a mixed mode circuit
implementation. The designed circuit system is problem independent.
Hence, the general purpose neural network circuit system could be applied
to various pattern recognition problems with different network sizes
on condition with the maximum network size of 16-16-8. In this brief,
CSFNN circuitry system has been applied to two different signature
recognition problems. CSFNN circuitry was trained with chip-in-the-loop
learning technique in order to compensate typical analog process vari-
ations. CSFNN hardware achieved highly comparable computational
performances with CSFNN software for nonlinear signature recognition
problems

Results (Thai) 1:

n นี้ย่อ กรวยฟังก์ชันโครงข่ายประสาท (CSFNN)วงจรถูกออกแบบสำหรับการรับรู้ลายเซ็นออฟไลน์ CSFNN เป็นการรวมกรอบหลายชั้นเพอร์เซปตรอน (MLP) และฟังก์ชันฐานรัศมีเครือข่าย (RBF) เพื่อให้พร้อมใช้ข้อดีของทั้งสอง ที่CSFNN วงจรสถาปัตยกรรมถูกพัฒนาโดยใช้วงจรแบบโหมดผสมใช้งาน ระบบวงจรที่ออกแบบจะขึ้นอยู่กับปัญหาดังนั้น สามารถใช้ระบบวงจรข่ายประสาททั่วไปต่าง ๆ รูปแบบการรับรู้เกี่ยวกับขนาดเครือข่ายที่แตกต่างกันบนเงื่อนไขกับเครือข่ายสูงสุดขนาด 16-16-8 ในบทสรุปนี้CSFNN วงจรระบบที่มีการใช้ลายเซ็นที่แตกต่างกันสองการรับรู้ปัญหา วงจร CSFNN ได้เข้าอบรมกับชิปในวงเรียนรู้เทคนิคเพื่อชดเชยช่วยกระบวนการแบบแอนะล็อกทั่วไป-ations ฮาร์ดแวร์ CSFNN ได้สูงเทียบเท่าคอมพิวเตอร์แสดง ด้วยซอฟแวร์ CSFNN สำหรับลายเซ็นไม่เชิงเส้นการรับรู้ปัญหา

Results (Thai) 2:

n สั้น ๆ นี้ฟังก์ชั่นภาคตัดกรวยเครือข่ายประสาท (CSFNN)
วงจรถูกออกแบบมาสำหรับการรับรู้ลายเซ็นแบบออฟไลน์ CSFNN เป็นแบบครบวงจร
กรอบการทำงานสำหรับหลาย Perceptron (MLP) และฟังก์ชั่นพื้นฐานรัศมี
(RBF) เครือข่ายที่จะทำให้การใช้งานพร้อมกันในข้อดีของทั้งสอง
สถาปัตยกรรมวงจร CSFNN ได้รับการพัฒนาโดยใช้วงจรโหมดผสม
การดำเนินงาน ระบบวงจรที่ออกแบบมาเป็นปัญหาที่เป็นอิสระ.
ดังนั้นวัตถุประสงค์ทั่วไประบบวงจรเครือข่ายประสาทสามารถนำไปใช้
กับรูปแบบการรับรู้ปัญหาต่างๆที่มีขนาดที่แตกต่างกันของเครือข่าย
ในสภาพที่มีขนาดสูงสุดของเครือข่าย 16-16-8 ในช่วงสั้น ๆ นี้
ระบบวงจร CSFNN ถูกนำไปใช้ลายเซ็นที่แตกต่างกันสอง
ปัญหาการรับรู้ วงจร CSFNN ได้รับการฝึกฝนกับชิปในวง
เทคนิคการเรียนรู้เพื่อชดเชยกระบวนการอนาล็อกทั่วไปตัวแปร
ations ฮาร์ดแวร์ CSFNN ประสบความสำเร็จอย่างสูงในการคำนวณเทียบได้
กับซอฟต์แวร์การแสดง CSFNN สำหรับการรับรู้เชิงเส้นลายเซ็น
ปัญหา

Results (Thai) 3:

นี้สั้นรูปกรวยฟังก์ชันส่วนเครือข่ายประสาท ( csfnn )
วงจรถูกออกแบบมาสำหรับการรับรู้ลายเซ็นครับ csfnn เป็นกรอบปึกแผ่น
สำหรับเพอร์เซปตรอนหลายชั้น ( MLP ) และรัศมีพื้นฐานการทำงาน
( RBF เครือข่าย ) เพื่อให้ใช้งานพร้อมกันของข้อดีของทั้ง
csfnn วงจรสถาปัตยกรรมได้รับการพัฒนาโดยใช้การใช้วงจร
โหมดผสมการออกแบบวงจรระบบเป็นปัญหาอิสระ .
ดังนั้น วัตถุประสงค์ทั่วไประบบวงจรโครงข่ายประสาทเทียมสามารถใช้ปัญหาการรับรู้รูปแบบต่าง ๆ ด้วย

สภาพที่มีขนาดแตกต่างกันของเครือข่ายเครือข่ายสูงสุดขนาดของ 16-16-8 . ในช่วงสั้น ๆ , ระบบวงจร
csfnn ได้ถูกนำมาใช้เพื่อที่แตกต่างกันสองลายเซ็น
รับรู้ปัญหาcsfnn วงจร ฝึกชิพในวง
เทคนิคการเรียนรู้เพื่อที่จะชดเชยโดยทั่วไปกระบวนการอนาล็อก vari -
ations . csfnn ฮาร์ดแวร์ได้รับการแสดงการคำนวณ
สูงเทียบเคียงกับซอฟต์แวร์เชิง csfnn ลายเซ็นรับรู้
ปัญหา