Avsey

а потом обращаться к элементу элемента массива так: Tanh1 <= Mem(n1)(7 downto 0); ? почему-то моделсим никак не хочет запускаться на этом месте( и, вдобавок, WebPack ISE на этом модуле завис, даже удалить не даёт =((

Я объявляю массив: TYPE Mem IS ARRAY(255 DOWNTO 0) OF STD_LOGIC_VECTOR(15 DOWNTO 0); и константу типа этого массива: CONSTANT INIT: Mem := X"AAAA BBBB.... "; в примере АААА и ВВВВ - это те некоторые шестнадцатиричные числа, которые я бы хотел записать в элементы массива. Но никак не могу найти нигде, какой разделитель использовать. Через запятую их написать, или через пробел? И можно ли знак того, что массив инициализируется шестнадцатиричными значениями выносить за кавычки, или надо к каждому значению Х дописывать? Вопрос простой до безобразия, но никогда массивов не касался, может кто знает.

Спасибо! Так оно и есть - это оптимизация.

дак так я год назад на XE 6 и делал, но вот теперь поставил SE 6.5 и там в окне объектов только внутренние и внешние сигналы, а переменных нету. :-( потому подумалось: то ли я чего забыл за год, то ли настройки кривые...

можно ли как-нибудь на этапе функционального моделирования посмотреть переменные (всмысле вывести на экран при симуляции)?

-) - угу, я тоже это имел ввиду... -) - хороший вариант, я даже как-то раньше не задумывался, преподаватель сказал: напиши нейросеть с БПФ на входе, я и написал (ток БПФ никак не смотрелось), даже не заметил, что, впринципе, можно вообще одной сетью обойтись, уж не говоря об оптимизации задачи и отходе от сети вообще... -)угу, от меня требуется распознавать сигнал на "хороший"/"плохой" -)под учебной задачей подразумевалось, что устройство на серии однотипных подшипников, вращающихся с произвольной скоростью, будет находить ломаные. (я тож не вижу разницы) -)мне, вообще, из всего разнообразия преобразований больше всего приглянулось расширение фурье на кольцо вычетов, но т. к. я даже отдалённо с ним не знаком (всмысле, формула ясна, но вот что там с физикой..), то опасаюсь сходу задействовать... -) я бы убрал сеть, действительно, DRUID3 прав, можно без неё обойтись, но будет сложно согласовать с преподавателем, у нас и так слегка напряжённые отношения... -) по-поводу куда потом девают дипломные работы, оно ясно, нас ещё на 2м курсе заставили расписаться в отсутствии претензий по использованию университетом студенческих разработок, и у науч. руководителя, конечно, удачная тема тут же появится где надо, независимо ни от чего... -) прошу прощения за длительное отсутствие, у меня, почему-то, не было видно ваших сообщений раньше. -) Всех с Наступающим! =0)

Спасибо что откликнулись, -) под слоем перцептрона я понимаю слой взвешивающих сумматоров (в моей реализации 3 слоя, хотя это можно легко исправить))), как я понимаю - это можно назвать 3х-слойным обучаемым FIR-фильтром), действительно, сеть может неявно смоделировать БПФ, или его аналоги. Я только не уверен в качестве и скорости обучения такой сети. -) это моя дипломная работа. На вход устройства предполагается подавать звук вращающегося шарикоподшипника, сеть должна "отлавливать" поломанные подшипники. Преподаватель, конечно, ждёт готового изделия, но я думаю ограничиться синтезируемым кодом, т. к. отсутствует материальная база. -) меня вообще в БПФ смущает комплексная арифметика, обязательно посмотрю завтра про преобразование Уолша, также подумаю о неявном включении в сеть БПФ))), с явным включением какого-либо подходящего преобразования на вход всё понятно и удобоваримо, с другой стороны, неявное включение - какой плюс!, сеть то готова, расширил и всё, но вот может попортиться устойчивость.

Здравствуйте, имею такую задачу: написать обучаемое устройство, классифицирующее звуковые сигналы. идея реализации: входной сигнал разбивается посредством БПФ на n гармоник, которые подаются на входы нейросети, нейросеть даёт вердикт о принадлежности входного сигнала одному из классов сигналов, заданных во время обучения. нейросеть я написал (вариант перцептрона), и вот думаю: пусть вектор N, пропущеный через бпф, обращается в вектор K, таким образом бпф разлагает входной сигнал в n-мерное пространство гармоник, но ведь мне не надо ничего выдавать на осциллограф или производить какие-либо физические рассчёты. Я полагаю, что для нейросети не важно, являются ли элементы К-вектора гармониками, а важно только, чтобы каждый элемент К был связан со всеми элементами N (весьма спорное предположение...). Нельзя ли вместо БПФ, в рамках моей задачи, использовать какую-либо другую периодическую функцию для разложения входного сигнала? (например, преобразование над кольцом вычетов)? если можно, то налагаются ли на неё какие-либо ограничения (непрерывность, плавность)?