Prírodou inšpirované algoritmy

Genetické učenie

Pri učení za pomoci GA sa zisťuje topológia siete a vyberá sa aktivačná funkcia (Gaussova alebo sigmoidálna funkcia) podľa typu aplikácie. Počiatočné hodnoty váh a neurónov sú tiež zistené GA a NN sa učí metódou steepset descent.

Chromozóm GA reprezentuje jednu neurónovú sieť. Sieť je vyvíjaná aplikovaním genetických operátorov na chromozóm. Napríklad, na obrázku je vidieť, ako sieť s dvoma skrytými neurónmi (a) je vyvinutá na sieť s 15 skrytými neurónmi (b).

Štruktúra siete dosiahnutá GA je okamžite mapovaná do GRD čipu. Napríklad, sieť (a) môže byť premapovaná na (c). Štruktúra binárneho stromu je výhodná pri sumácii výstupov. Všetky DSP na obrázku (d) vykonávajú sumáciu paralelne. Napríklad, DSP číslo 2 počíta Gaussovu funkciu a potom pripočíta výsledok k výstupom DSP číslo 1 a číslo 5. Jeden DSP procesor na GRD čipe vie spracovať až 84 neurónov za použita časového multiplexu.