Cellular neural networks for image processing tasks
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17310%2F10%3AA1100YDG" target="_blank" >RIV/61988987:17310/10:A1100YDG - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Cellular neural networks for image processing tasks
Popis výsledku v původním jazyce
Cellular neural networks (CNNs) are similar to artificial neural networks (ANNs) in that they are composed of many distributed processing elements, called ?cells?, which are connected in a network. CNNs were designed to operate in a two-dimensional grid,where each processing element (cell) is connected to neighboring cells in the grid. CNNs have been shown to be an adept at image processing tasks. Specifically, CNN cells maintain a state which evolves through time due to differential equations dependent on the cell's inputs and feedback. This article introduces software for graphics processing units (GPUs) by abstracting the hardware as arrays of configurable CNNs cells. Introducing an efficient CNN-based abstraction of GPU computation should encourage the study of massively parallel computation using tools and methods of dynamic systems theory and abstract automata theory.
Název v anglickém jazyce
Cellular neural networks for image processing tasks
Popis výsledku anglicky
Cellular neural networks (CNNs) are similar to artificial neural networks (ANNs) in that they are composed of many distributed processing elements, called ?cells?, which are connected in a network. CNNs were designed to operate in a two-dimensional grid,where each processing element (cell) is connected to neighboring cells in the grid. CNNs have been shown to be an adept at image processing tasks. Specifically, CNN cells maintain a state which evolves through time due to differential equations dependent on the cell's inputs and feedback. This article introduces software for graphics processing units (GPUs) by abstracting the hardware as arrays of configurable CNNs cells. Introducing an efficient CNN-based abstraction of GPU computation should encourage the study of massively parallel computation using tools and methods of dynamic systems theory and abstract automata theory.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2010
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Mendel 2010
ISBN
978-80-214-4120-0
ISSN
—
e-ISSN
—
Počet stran výsledku
6
Strana od-do
—
Název nakladatele
Brno Univerzity of Technology
Místo vydání
Brno
Místo konání akce
Brno
Datum konání akce
23. 6. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000288144100042