https://ir.lib.vntu.edu.ua//handle/123456789/447 2026-04-05T15:20:44Z https://ir.lib.vntu.edu.ua//handle/123456789/50429 Design and modeling of neuronequivalentors and their nodes as accelerators of equivalentalconvolutional self-learning neural structures Krasilenko, V. G.; Lazarev, A. A.; Nikitovich, D. V.; Красиленко, В. Г.; Лазарєв, О. О.; Нікітович, Д. В. In the paper we consider the urgent need to create highly efficient hardware accelerators for deep convolutional neural networks (CNNs) and machine learning. We show overview of our related works the advantages of the equivalent models (EM) for designing bio-inspired systems. The capacity of neural net on the basis of EM is in several times quantity of neurons. Such EM-paradigms are perspective for clustering, recognition strongly correlated, highly noised images and creating of uncontrolled learning machine. And since the basic functional nodes of EM are vector-matrix procedures with continuous-logical operations as: normalized vector operations \"equivalence\", \"nonequivalence\", and etc., we consider in this paper new approaches to the design of arrays of such neuron-equivalentors (NEs) with extended functionality, including activation functions. Our approach is based on the use of analog and mixed methods for implementing the required operations, building NEs (with number of synapsis 8 up to 128 and more) and their base nodes based on photo-elements and CMOS current mirrors. Simulation results show that the efficiency of NEs relative to the energy intensity is estimated at a value of not less than 10^12 an. op. / sec on W and can be increased. The results confirm the correctness of the concept of creating NEs and equivalental-convolutional self-learning neural structures (EqCSLNSs) on their basis.; У статті ми розглядаємо нагальну потребу у створенні високоефективних апаратних прискорювачів для глибоких згорткових нейронних мереж (ЗНМ) та машинного навчання. Ми показуємо огляд наших пов`язаних робіт щодо переваг еквівалентних моделей (ЕМ) для проектування біологічно натхненних систем. Потужність нейронної мережі на основі ЕМ перевищує кількість нейронів у кілька разів. Такі ЕМ-парадигми є перспективними для кластеризації, розпізнавання сильно корельованих, високо зашумлених зображень та створення некерованих навчальних машин. А оскільки основними функціональними вузлами ЕМ є векторно-матричні процедури з безперервно-логічними операціями, такими як: нормалізовані векторні операції \"еквівалентність\", \"нееквівалентність\" тощо, у цій статті ми розглядаємо нові підходи до проектування масивів таких нейрон-еквівалентів (НЕ) з розширеною функціональністю, включаючи функції активації. Наш підхід базується на використанні аналогових та змішаних методів для реалізації необхідних операцій, побудови НЕ (з кількістю синапсів від 8 до 128 і більше) та їх базових вузлів на основі фотоелементів та КМОП-струмових дзеркал. Результати моделювання показують, що ефективність НА відносно енергоємності оцінюється на рівні не менше 10^12 ан. оп./с на Вт і може бути збільшена. Результати підтверджують правильність концепції створення НА та еквівалентно-згорткових самонавчальних нейронних структур (EqCSLNS) на їх основі. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50318 Великоблокові матричні афінно-перестановочні шифри з ізоморфними представленнями блоків і ключів Красиленко, В. Г.; Нікітович, Д. В.; Krasilenko, V. G.; Nikitovych, D. V. The article considers large-block matrix affine permutation ciphers (MAPS). Based on a review of related publications, the relevance of the development of improvements to known similar ciphers is shown and the goal and task of conducting experiments with their large-block modifications are specified. Experiments in the Mathcad environment confirmed the adequacy of the proposed large-block ciphers (MAPS) with isomorphic representations of blocks and keys. It is shown that increasing the dimensionality of permutation matrices (PMs) and blocks improves the characteristics of ciphers, including increasing cryptographic strength and expanding functional capabilities. A number of model experiments are presented that explain the processes of cryptographic transformations, generation of MPs, the main MP and subkeys, and their advantages. The models are simple, convenient, adaptable to various formats and color images, implemented by matrix processors, and have high efficiency, stability, and speed.; В статті розглядаються великоблокові матричні афінно-перестановочні шифри (МАПШ). На основі огляду повязаних публікацій показана актуальність розляду покращень відомих подібних шифрів та уточнена мета та поставлена задача проведення екпериментів з великоблоковими їх модифікаціями. Екпериментами в середовищі Маткад підтверджені адекватність запропонованих великоблокових шифрів (МАПШ) з ізоморфними представленнями блоків та ключів. Показано, що збільшення розмірності матриць перестановок (МП) та блоків покращує характеристики шифрів, в тому числі збільшує криптостійкість та розширює функціональні можливості. Наведено низку модельних експериментів, що пояснюють процеси крипто-перетворень, генерування МП, головної МП та під-ключів, їх переваги. Моделі прості, зручні, адаптуються для різноформатних та кольорових зображень, реалізуються матричними процесорами, мають високі ефективність, стійкість, швидкодію. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50049 The image processor based on signal ranking, determination of rank differences with their subsequent ion and weighted addition Krasilenko, V. G.; Nikitovich, D. V.; Lazarev, A. A.; Красиленко, В. Г.; Нікітович, Д. В.; Лазарєв, О. О. In order to expand the functionality by increasing the number and complexity of nonlinear multi-input functions and transformations performed, in this paper we consider the urgent need for creating high-performance hardware image processors (IP). Such IPs are designed based on a conceptual approach, the essence of which is to rank the processed signals (pixels), fast command-controlled ion of rank differences with their subsequent weight addition. And since these procedures are basic for all advanced models of convolutional neural networks (CNNs), such IP can play the role of not only high-speed pre-filtering devices, but also be self-learning reconfigurable accelerators for CNNs, associative memory models, clustering and pattern recognition. First, we briefly review related works in order to show the advantages of using the proposed concept and equivalence models (EMs). The capacity and recognition properties of NNs based on modified EMs exceed the similar indicators of traditional networks by orders of magnitude. Therefore, such EM-neuroparadigm is promising for processing, recognition of large-sized images, including highly correlated, high-noise images. And since the main nodes of EMs are filtering nodes and procedures with continuous-logical operations, in this article we consider approaches to the design of IPs with extended functionality. The proposed structure of the processor based on our concept and the FPGA Altera EP3C16F484 Cyclone III family chip. The design results and calculations show that it is possible to implement IP for an image size of 64*64 and a window of 3*3 in a single crystal. For 2.5 V and a clock frequency of 200MHz, the power consumption will be at the level of 200mW, and the time for calculating the filter pixels will be 25ns. The results confirm the correctness of the concept. 2025-01-01T00:00:00Z https://ir.lib.vntu.edu.ua//handle/123456789/50048 Application of morphological and neural network algorithms based on nonlinear equivalentity metrics for recognition of multi-level images of multicharacter identification objects in transport systems Krasilenko, V. G.; Nikolsky, A .I.; Nikitovych, D. V.; Красиленко, В. Г.; Нікольський, О. І.; Нікітович, Д. В. The work is devoted to the development of new integrated morphological-neural network algorithms based on nonlinear equivalence metrics for recognizing halftone black-and-white images of multi-symbol identification objects, which are widely used in automated production and various logistics transport systems for the purpose of ensuring the accounting and security of transport units or their identification objects. These algorithms are based on the use of linear (nonlinear) equivalence (non-equivalence) metrics and normalized spatially dependent similarity functions (similarity or dissimilarity) of matrix arrays or data in the form of images, as criterion (discriminant) functions. Based on the review of related works, the aspects, specifics and advantages of using such metrics and functions to solve research problems were analyzed, the necessity and relevance of which were technically justified and formulated. Two groups of algorithms for recognizing images of multi-symbol identification objects have been developed and presented, the main procedures in these algorithms have been described, their features and differences have been shown. In the article, the authors present the results of model experiments of the proposed algorithms using the created auxiliary program for studying the features of the application of algorithms, for checking the quality and accuracy characteristics of image recognition when exposed to various types and strengths of interference, for verifying the adequacy of models and metrics. A comparative analysis of the obtained modeling results has been performed taking into account various conditions and interference. A program for recognizing identification numbers on locking and sealing devices has been developed and tested in real production conditions. The operation of the program and its user interface are demonstrated by screenshots. The results obtained showed that such proposed integrated morphological-neural network algorithms based on equivalent nonlinear metrics have better discriminant properties, accuracy and performance characteristics, especially in the case of a significant (up to 40%) conditional level of interference power acting on the recognized images.; Робота присвячена розробці нових інтегрованих морфологічно-нейромережевих алгоритмів на основі нелінійних еквівалентністних метрик для розпізнавання напівтонових чорно-білих зображень багато-символьних об`єктів ідентифікації, що широко використовуються у автоматизованих виробництвах продукції та різноманітних логістичних транспортних системах перевезень з метою забезпечення обліку та безпеки транспортних одиниць чи їх об`єктів ідентифікації. Ці алгоритми базуються на застосуванні лінійних (нелінійних) еквівалентністних (нееквівалентністних) метрик та нормалізованих просторово-залежних функцій подібності (схожості чи несхожості) матричних масивів чи даних у вигляді зображень, як критеріальних (дискримінантних) функцій. На основі проведеного огляду повязаних робіт були проаналізовані аспекти, специфіка та переваги застосування таких метрик та функцій для вирішення завдань дослідження, необхідність та актуальність яких були технічно обґрунтовані та сформульовані. Розроблено та представлено дві групи алгоритмів розпізнавання зображень багато-символьних обєктів ідентифікації, виконано опис основних процедур в цих алгоритмах, показані їх особливості та відмінності. У статті авторами наведені результати модельних експериментів пропонованих алгоритмів за допомогою створеної допоміжної програми для дослідження особливостей застосування алгоритмів, для перевірки якості та точністних характеристик розпізнавання зображень при дії на них різного типу та потужності завад, для верифікації адекватності моделей та метрик. Виконано порівняльний аналіз отриманих результатів моделювання з урахуванням різних умов та завад. Розроблена та протестована в реальних виробничих умовах програма розпізнавання ідентифікаційних номерів на запірно-пломбувальних пристроях. Роботу програми та її користувацький інтерфейс продемонстровано скрінами. Отримані результати показали, що такі запропоновані інтегровані морфологічно-нейромережеві алгоритми на основі еквівалентністних нелінійних метрик мають кращі дискримінантні властивості, точністні та робочі характеристики, особливо у випадку значного (аж до 40%) умовного рівня потужності завад, що діють на розпізнавані зображення. 2025-01-01T00:00:00Z