CC BY
41
КОМПЬЮТЕРНЫЕ НАУКИ
УДК519.7
ИНФРАСТРУКТУРА АНА.ЛИЧА
ЛОГИЧЕСКИХАССОЦИАТИВНЫХ
ОТНОШЕНИЙ
БОНДАРЕНКО М.Ф., ХАХАНОВ В.И., ЛЕЩИНСКАЯ И. А., РУСАКОВА НЕ._____
Описывается концепция параллельной обработки символьной информации, сущность которой заключается в обращении к механизмам ассоциативной обработки информации, родственным процессам анализа и синтеза, протекающим в мозге человека. На примере реляционной сети склонения полных непритяжательных имен прилагательных русского языка строится логическая ассоциативная структура, представленная в виде системы априорных отношений.
1. Введение
Наряду с успехами, достигнутыми в области создания современной элементной базы ЭВМ, обнаружились и серьезные недостатки в их архитектуре. Поэтому представляют интерес совершенно иные подходы к решению проблемы построения адекватной архитектуры ЭВМ [ 1 ]. Их сущность заключается в использовании ассоциативной структу ры, представляющей собой систему отношений между ее элементами для запоминания некоторой априорной информации. Записанные в ассоциативной памяти априорные отношения играют роль математической модели некоторого процесса и позволяют находить новые связи, соответствующие новой входной информации.
экспертного обслуживания задач информационнологического синтеза и анализа в дискретном булевом пространстве на основе использования интегрального критерия качества и иерархических структур ассоциативных памятей.
Предметом исследования является логическая ассоциативная сеть в виде мультипроцессора на кристалле для экспертного обслуживания задач информационно-логического синтеза, анализа и выбора решения путем использования интегрального критерия качества в дискретном булевом пространстве, ориентированная на имплементацию в иерархическую структу -ру ассоциативной памяти.
2. Модель реляционной сети склонения полных непритяжательных имен прилагательных русского языка
Рассмотрим процесс аппаратнойреализации структур данных в виде памяти с ассоциативным досту пом на примере разработанной методами алгебры конечных предикатов и предикатных операций модели реляционной сети склонения полных непритяжательных имен прилагательных русского языка [4]. Строение данной реляционной сети приведено на рис. 1.
Xi, А-,
Pi
Хг, Аг| х3,Аз х4, А4|
|^3i А471
|zn, Ai7^^|z2, Aif;J
pHZn'A"WZi'A,5l
X5, As
У1
—(s,A7)----
p 15 HF*
““ч f 1 4 / “ f
.As | [угАэ] |уз,Аю|
jz&Ai4|
Кроме того, в настоящее время является акту альной задача повышения эффективности работы систем обработки информации за счет создания инфрастру к-туры для описания анализа и синтеза синтаксических и семантическихязыковых конструкций. В качестве аппарата формального описания таких лингвистических конструкций уместен аппарат логической математики- алгебра конечных предикатов и предикатных операций [2,3], на языке которой могут быть формализованы любые отношения в виде логических уравнений.
Целью данной работы является повышение быстродействия анализа и синтеза лингвистических отношений путем аппаратной реализации параллельных средств обработки аналитических, графовых и табличных структу р данных в виде памятис ассоциативным доступом.
Объект исследования представляет собой аппаратноориентированную математическую инфраструктуру
Рис. 1. Строение модели реляционной сети склонения полных непритяжательных имен прилагательных русского языка
Каждому полюсу реляционной сети (рис. 1) поставлена в соответствие своя предметная переменная модели: \| - род формы слова со значениями М - мужской, Ж - женский, С - средний; х^ — число формы слова со значениями Е - единственное, М - множественное; Х3 - падеж формы слова со значениями И
- именительный, Р - родительный, Д - дательный, В -винительный, Т - творительный, П - предложный; х 4
- признак одушевленности формы слова со значениями О - одушевленный, Н - неодушевленный; х 5 -признак употребляемости формы слова со значениями С - современная, А - архаичная; г - номер влияний контекста со значениями 1,2,..., 19; s -тип склонения формы слова со значениями 1, 2, 3, 4, 5, 6, 7; V] -
последняя буква основы слова со значениями Б, В, Г, Д, Е, Ж, 3, К, Л, М, Н, П, Р, С, Т, X, Ц, Ч, Ш, Щ; у 2 - признак ударности слова со значениями Б - безударный, У - ударный; у 3 - признак смягчения слова со значениями Т - твердый, М - мягкий; /л - левая часть окончания формы слова со значениями А, А', Я, У, У', Ю, О, O', Е, Ы, ЬГ, И, И'; zn - правая часть окончания формы слова со значениямиЯ, Ю, Е, И, М, ГО, МУ, X, МИ; z - окончание формы слова со значениями АЯ, А'Я, ЯЯ, УЮ, У'Ю, ЮЮ. ОЕ, О'Е, ЕЕ, ОЙ, О'Й, ЕЙ, ОМ, О'М, ЕМ, ОГО, ОТО, ЕГО, ОМУ, О'МУ, ЕМУ, ОЮ, О'Ю, ЕЮ, ЫЙ, ИЙ, ЫМ, Ы'М, ИМ, И'М, ЫЕ, Ы'Е, ИЕ, И'Е, ЫХ, Ы'Х, ИХ, И'Х, ЫМИ, Ы'МИ, ИМИ, И'МИ; z0 - знак ударности окончания со значениями * - безударное,' - ударное; Z] - первая буква окончания со значениями А, Я, У, Ю, О, Е, Ы, И; z2 - вторая буква окончания со значениями Я, Ю, Е, Й, М, Г, X; z3 - третья буква окончания со значениями *, О, У, И. Области изменения введенных предметных переменных A j - А17 формально заданы следующими уравнениями:
X |М V X у/ X - 1 . Xj vx“ =1,
Х31 VX3 vxf vxj vxj vxj =1, X4 vx^’ =1,
X5 vx^ =1, r1 vr2 vr'1 vr4vrJ v...vr19 =b
! 2 3 4 5 6 7 Л
S VS VVS VS VS VS' VS =b
БВГДЕЖЗКЛМ
У1 vyi vyj vy^vyj vyj vyj vyj vyj vy, V
tt p с T X II Ч 1Д vyi vyj vyj vyj vy] vy] vуj vу! vy] V
щ vy^ : 1 б У = 1> У2 vy2 = 1, y3Tvy3M=l,
А А Е И И' О 1
z Л VZЛ vzn VZJJ VZji VZj! V/.J,
У У' ы ЬГ ю я
\/2л V Zji VZJJ v Z л -
го Е й м ми
VZn VZt
МУ X ю я л vzn VZj] vzn vzn - 1?
„АЯ w А'Я ЕЕ w ЕГО w ЕИ w EM w ЕМУ w Z VZ VZ VZ VZ VZ VZ V
w ЕЮ ИЕ ^
V Z V Z V z
И'Е VZ..H vzHM VZH-MVZHXV
vz0X vz" VZ™ vzOE vz°'E vzoro V
vzOTOvzoii vz°'a vzOM vz°'M vOMy vz°'MY V OK) О'Ю УК) У'К) ЫН ьгк /7ый
vZ vZ VZ VZ V Z vZ v Z V
vzbIM vz“ vzbIM0vz“ vzbLX vzbrx V vzIOK)vzffl=l, Z*0VZ0=1,
А Е И о У ы ю я
V Z] V Zj VZj V Z 1 VZ] V Z1 V Z| =
г Е Й м X ю я ,
z2 v z2 V Z2 v Z 2 v z2 vz2 vz2 = 1.
И О У * ,
z3 VZj vz3 vz3 =1-
z
V z
П
П
П
Каждой ветви реляционной сети поставлено в соответствие бинарное отношение модели —Р17. Ниже приведены примеры формульного и графического представления отношений реляционной сети (рис .2,3):
Р] (Х| . г) = xj4 (г1 vr4 Vr5)v(X[M vxf )(r2 vr3 vr6 V vr7)vxJK(r8vr9vvr10vr11vrl2)vxE'r13v v (x,M vxf vxf )(r14 vr15 vr16 vr17 vr18 vr19).
P12(znT2) = znz2 vzjjpzjp VZ®zf Vz£z£ V vzEOzE vzXzX v(z“ vzryvzr)z“
X1
ж
2
с м ж c □
a A
1 4 5 1 3 6 7 8 9 10 11 12 13 14 1516 17 18 19
Рис. 2. Отношение P]
22
й Г м
Я Ю X E
ГО МУ М МИ Я Ю X
Р.2
Рис. 3. Отношение Pj2
Предикат данной модели реляционной сети имеет следующий аналитический вид:
P(Xi,X2,X3,X4,X5,r,S,yi,y2.y3.z4.zn-z-z(bzl-z2-z3) = = РДХ!, Г) А Р2 (х2. Г) А Р3 (х3, Г) А Р4 (х4. Г) А Р5 (х5 , Г) А лР6 (Z Л ' Г) ЛР7 (zn - г) A Pg (z л , z) А Р9 (zn , z) A
Е
A
z
aPio (z л , z0 ) aP] ! (z л , zl ) A P12 (zn , z2 ) A pi3 (zn , z3 ) A
AP14(S.ZJI)AP15(y1,S)AP16(y2,S)AP17(y3.S).
3. Логическая ассоциативная структура
Обобщенное уравнение, задающее системного уровня функциональность логического ассоциативного матричного процессора, может быть представлено в виде упорядоченной совокупности
Р = (Pj. Р2.Pj......Рп) взаимодействующих предика-
тов, принимающих истинное или ложное значение на множестве введенных операций (объединение, пересечение и дополнение):
Ч' = f (Р|. Р2.р,..Р„ ) = {0.1}. О = {u.n. -J ,
где Pi=:Pii-Pi2.....Pij.Pi/., i-
Pi.i <Pi.jl-Pi.j2.Pijr.Pijrr )•
Pijr 6 [a 1. a 2.DCj.ak } = p.Vij (P; о Pj ).o = Jv'.n. -1).
Каждый предикат ?i ={PibPi2=---=Pij=-"=Pi7,1) представлен совокупностью ассоциативных векторов, формирующих многозначную таблицу явных реше-
ний. Вектор Ру - (Ру1 - РЦ2 Руг Pijjtj) определяет
собой явное решение, где каждая переменная задается в конечном, многозначном и дискретном алфавите
Руг 6 {а1>а2’—’°Ч.ак I = Р . Предикатная структура
формирует дискретное пространство переменных или признаков, предельная мощность которого равна декартову произведению мощностей предикатов:
Cardff(P)] = |Р] | х |Р21 х...х |Р; |х ...х |РП | .
Конкретное взаимодействие предикатов между собой формирует функциональность f (Р), которая может быть оформлена различными структурами следующего вида.
1. Единственная ассоциативная таблица, содержащая все решения логической задачи в явном виде. Преимущество - максимальное быстродействие параллельного ассоциативного поиска решенияпо таблице. Недостаток - максимально высокая аппаратурная сложность решения задачи.
2. Древовидная (графовая) структура бинарных отношений между предикатами, каждый из которых формирует таблицу истинности для незначительного количества (двух) переменных. Преимущество-максимально низкая аппаратурная сложность решения задачи. Недостаток - минимальное быстродействие последовательного ассоциативного поиска решения по дереву.
3. Компромиссная графовая структура логически понятных для пользователя отношений между предикатами, каждый из которых формирует таблицу истинности для логически сильно взаимосвязанных переменных. Преимущество- высокое быстродействие параллельного ассоциативного поиска решений по минимальному числу таблиц. Сравнительно невысокая аппаратурная сложность решения задачи. Недостаток-снижение быстродействия за счет последовательной логической обработки графовой структуры решений, найденных в таблицах.
Для анализа и синтеза словоформ полных непритяжательных имен прилагательных русского языка была предложена логическая ассоциативная структура, имеющая четыре вершины:
'P = f(P1.P2.P3.P4).0 = {u.r,J.
Р1 = {Pll - Pl2 - Pl3 - Pl4 - Pl5 - Pl6 }- Щ =34,
Pi = {{12,3.19},{М,Ж,С},{Е,М},{И,Р. Д,В,Т,П},
{H.O}.{C.A}}.
где рп - номер влияния контекста, р12 -род формы слова, р13 - число формы слова, р14 -падеж формы слова, р15 - признак одушевленности, р16 - признак употребляемости;
Р2 =(Р21-Р22-Р23-Р24}, л2 =31,
Р2 ={{1,2,...,7},{Б.В,Г,Д.Е,Ж,3,К,Л,М,Н,П,Р,С,Т,Х, Ц,Ч,Ш,Щ},{Б, У},{Т,М}}.
где р21 -тип склонения формы слова, р22-последняя буква основы слова, р23 - признак ударности слова, р24 - признак смягчения слова;
Р3 = (Рз1 -Рз2 -Рзз -Р34 -Рз5 -Рзб -Рз7 -Рзв -Рз9 }- ^3 = 1 11 ,
Рз ={{АЯ.А'Я.ЕЕ.ЕГО.ЕЙ.ЕМ.ЕМУ.ЕЮ.ИЕ.И'Е.ИЙ. ИМ, И М, ИХ, И X, ИМИ, И МИ, ОЕ, О' Е, ОГО, ОТО, ОЙ, 0'Й,0М,0'М,0МУ,0'МУ,0Ю,0'Ю,УЮ,У'Ю,ЫЕ,ЬГЕ, Ы Й. Ы М. ЬГ М, ЫМИ, ЬГ МИ, ЫХ, ЬГ X, ЮЮ, ЯЯ}, {А, А', Е, И,И',0,0',У,У',Ы,Ы',Ю,Я},{*,'},{А,Е,И,0,У,Ы,Ю,Я}, {ГО,Е,Й,М,МИ,МУ,Х,Ю,Я},{Г,Е,Й,М,Х,Ю.Я},{И,0, У,*},{1,2.19}, {1,2,...,7}},
где р31 - окончание формы слова, р32 - левая часть окончания формы слова, р33 - знак ударности окончания, р34 - первая буква окончания, р35 - правая часть окончания формы слова, р36 - вторая буква окончания, р37 - третья буква окончания, р38 (Рз8 = Рп ) ~~ номер влияний контекста, р3д (Рз9 = Р21) ~~ тип склонения формы слова;
Р4 =(Р41-Р42-Р43}, Щ =34,
Р2 = { {1,2.7}, {слаб, ветх, куц, рыж. син, сед, сух},
{Б, В, Г, Д, Е, Ж, 3, К, Л, М, Н, П, Р, С, Т, X, Ц, Ч, Ш, Щ} },
где р41 (р4] = р39 = Р21) — тип склонения формы слова, р42 - основы 7 имен прилагательных, р43 (Р43 = Р22 )_ последняя буква основы слова Назначение ассоциативных вершин (табл. 1-4).
1. Вершина Р] характеризует влияние контекста, окружающего склоняемое слово: род, число, падеж, одушевленность, архаичность (табл. 1).
Таблица 1
Рп Р12 Рзз Р14 Р15 Рзв
1 м Е И Н, О С, А
2 м, с Е р Н, О С, А
3 м, с Е Д Н, О С, А
4 м Е в н С, А
5 м Е в О С, А
6 м, с Е т Н. О С, А
7 м, с Е п Н. О С, А
8 ж Е и Н, О С, А
9 ж Е р. Н, О С, А
10 ж Е в Н, О С, А
11 ж Е т Н, О С
12 ж Е т Н, О А
13 с Е и. Н, О С, А
14 м, ж, с М и Н, О С, А
15 м, ж, с М р. Н, О С, А
16 м, ж, с М д Н, О С, А
17 м, ж, с М в н С, А
18 м, ж, с М в О С, А
19 м, ж, с М т Н, О С, А
2. Вершина Р2 характеризует само склоняемое слово: последняя буква основы, ударность основы, смягчение основы (табл.2).
Таблица 2
Р21 Р22 Р23 Р24
1 Б, В, Д, 3. Л, М, П, Т, Н, Р, С У Т
2 Г, К, X У М
3 Ц У т
4 Ж, ч, ш, щ У м
5 Е. Н, Р, С У м
6 Б, В, Д, 3, Л, М, П. Т, И. Р, С Б т
7 Ж, Ч, Ш, Щ. Г, К, X Б т
3. Вершина Р3 характеризует словоформу, соответствующую данному контексту и данному слову: окончание формы слова (табл.З).
Таблица 3
Рз1 Рз2 Рзз Р34 Рзз Рзб Р 37 Р 38 Р 39
АЯ я я * А * А 1,2,3,4 8
А'Я я я * А' г А 6,7 8
ЕЕ Е Е * Е * Е 3,4,5 13
ЕЕО го г О Е * Е 3,4,5 2,5
ЕЙ й й * Е * Е 3,4,5 9,11
ЕМ м м * Е * Е 3,4,5 7
ЕМУ МУ м У Е * Е 3,4,5 3
ЕЮ ю ю * Е * Е 3,4,5 12
ИЕ Е Е * И * И 2,4,5 14,17
И'Е Е Е * И' И 7 14,17
ИЙ Й Й * И * И 2,4,5 1,4
ИМ м м * И * И 2,4,5 6,16
И'М м м * И' t И 7 6,16
ИХ X X * И * И 2,4,5 15,18
И'Х X X * И' t И 7 15,18
ими ми м и И * И 2,4,5 19
И'МИ ми м и И' г И 7 19
ОЕ Е Е * О * О 1,2 13
О'Е Е Е * О' г О 6,7 13
ОГО ГО Г О О * О 1,2 2,5
ОТО го Г О О' г О 6,7 2,5
ОЙ й Й * О * О 1,2 9,11
О'Й й Й * О' г О 6,7 1,4,9,11
ОМ м м * О * О 1,2 7
О'М м м * О' г О 6,7 7
ОМУ МУ м У О * О 1,2 3
О'МУ МУ м У О' г О 6,7 3
ою ю ю * О * О 1,2 12
О'Ю ю ю * О' г О 6,7 12
УЮ ю ю * У * У 1,2,3,4 10
У'Ю ю ю * У' t У 6,7 10
ЫЕ Е Е * ы * ы 1,3 14,17
Ы'Е Е Е * ьг г ы 6 14,17
ый Й Й * ы * ы 1,3 1,4
ым м М * ы * ы 1,3 6,16
Ы'М м м * ьг г ы 6 6,16
ыми ми м и ы * ы 1,3 19
Ы'МИ ми м и ьг г ы 6 19
ых X X * ы * ы 1,3 15,18
Ы'Х X X * ьг ы 6 15,18
юю ю ю * ю * ю 5 10
яя я я * я * я 5 8
4. Вершина Р4 характеризует составленный словарь основ: 7 основ непритяжательных имен прилагательных русского языка (табл.4).
Таблица 4
Р« Р42 Р43
1 слаб Б
2 ветх X
3 куц Ц
4 рыж Ж
5 син н
6 сед Д
7 сух X
Производим кодирование алфавитов всех переменных логической реляционной структуры для анализа и синтеза словоформ полных непритяжательных имен прилагательных русского языка. Для кодирования алфавитов переменных Рц,Р1з вершины Р| данной логической ассоциативной структуры был использован комбинационный код, приведенный в табл.5,6.
Таблица 5 Таблица 6
Pl3 code
Е 0
М 1
Рп code
1 00000
2 00001
18 10001
19 10010
Для кодирования алфавитов переменных Р] 2 • Р]4 • Р]5 • Р16 вершины Р] был использован позиционный код. В табл. 7 представлено кодирование всех
алфавитов ассоциативных векторов вершины Р] .
Таблица 7
Рп Р12 Рпз Р14 Рпз Pie
м ж с и р д В т и н О с А
00000 1 0 0 0 1 0 0 0 0 0 1 1 1 1
00001 1 0 1 0 0 1 0 0 0 0 1 1 1 1
00010 1 0 1 0 0 0 1 0 0 0 1 1 1 1
00011 1 0 0 0 0 0 0 1 0 0 1 0 1 1
00100 1 0 0 0 0 0 0 1 0 0 0 1 1 1
00101 1 0 1 0 0 0 0 0 1 0 1 1 1 1
00110 1 0 1 0 0 0 0 0 0 1 1 1 1 1
00111 0 1 0 0 1 0 0 0 0 0 1 1 1 1
01000 0 1 0 0 0 1 1 0 0 1 1 1 1 1
01001 0 1 0 0 0 0 0 1 0 0 1 1 1 1
01010 0 1 0 0 0 0 0 0 1 0 1 1 1 0
01011 0 1 0 0 0 0 0 0 1 0 1 1 0 1
01100 0 0 1 0 1 0 0 1 0 0 1 1 1 1
01101 1 1 1 1 1 0 0 0 0 0 1 1 1 1
01110 1 1 1 1 0 1 0 0 0 1 1 1 1 1
01111 1 1 1 1 0 0 1 0 0 0 1 1 1 1
10000 1 1 1 1 0 0 0 1 0 0 1 0 1 1
10001 1 1 1 1 0 0 0 1 0 0 0 1 1 1
10010 1 1 1 1 0 0 0 0 1 0 1 1 1 1
Длякодированияалфавитовпеременных р21 • Р22 веР" шины Р2 логической ассоциативной структуры был использован позиционный код, алфавитов переменных Р23 - Р24 - комбинационный код, приведенный в табл. 8,9.
Таблица 8
Таблица 9
В табл. 10 представлено кодирование всех алфавитов ассоциативных векторов вершины Р2.
Для вершины Р3 алфавит переменной рз] был комбинационно закодирован шестью разрядами (табл. 11), алфавиты переменных р32 , Р35 -четырьмяразрядами (табл. 12,15), алфавит переменной р33 - одним разрядом (табл. 13), алфавиты переменных Р34 ,Рзб -
тремя разрядами (табл. 14,16), алфавит переменной Р37 - двумя разрядами (табл. 17).
Таким образом, кодирование всех алфавитов вершины Рз логической ассоциативной структуры представляет собой таблицу, фрагмент которой приведен в табл. 18.
Для вершины Р4 алфавит переменной Р49 был комбинационно закодирован тремя разрядами (табл. 19).
Таким образом, кодирование всех алфавитов вершины Р4 логической ассоциативной структуры представляет собой табл.20.
Р24 code
т 0
м 1
Р23 code
У 0
Б 1
Таблица 10
№ Р21 Р22 Ргз Р24
1 2 3 4 5 6 7 Б в г д Е ж 3 к л м н п р с т X ц ч ш щ
0 1 0 0 0 0 0 0 1 1 0 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0
1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1
2 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
3 0 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 1
4 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 1 0 0 0 0 0 0 0 1
5 0 0 0 0 0 1 0 1 1 0 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0 1 0
6 0 0 0 0 0 0 1 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 1 0 1 1 1 1 0
Таблица 11
Рз1 code
АЯ 000000
А'Я 000001
ЕЕ 000010
ЕЕО 000011
ых 100110
Ы'Х 100111
юю 101000
яя 101001
Таблица 12
Р.32 code
А 0000
А' 0001
Е 0010
и ООП
ы 1001
ьг 1010
ю 1011
я 1100
Таблица 13 Таблица 14
Рзз code
* 0
1 1
Р34 code
А 000
Е 001
И 010
О 011
У 100
ы 101
ю ПО
я 111
Таблица 15 Таблица 16
Рз- code
ГО 0000
Е 0001
Й 0010
м ООП
ми 0100
МУ 0101
X ОНО
ю 0111
я 1000
P.3S code
г 000
Е 001
Й 010
м 011
X 100
ю 101
я по
Таблица 17
Р 37 code
И 00
О 01
У 10
* 11
Таблица 18
№ Р31 Рз2 Рзз Р 34 Рзз Рзб Р 37 Р 38 Р 39
1 2 3 4 5 6 7
0 000000 0000 0 000 1000 по 11 1 1 1 1 0 0 0 00111
1 000001 0001 1 000 1000 по 11 0 0 0 0 0 1 1 00111
2 000010 0010 0 001 0001 001 11 0 0 1 1 1 0 0 01100
3 000011 0010 0 001 0000 000 01 0 0 1 1 1 0 0 00001
4 000011 0010 0 001 0000 000 01 0 0 1 1 1 0 0 00100
59 100110 1001 0 101 оно 100 11 1 0 1 0 0 0 0 10001
60 100111 1010 1 101 оно 100 11 0 0 0 0 0 1 0 01110
61 100111 1010 1 101 оно 100 11 0 0 0 0 0 1 0 10001
62 101000 1011 0 по 0111 101 11 0 0 0 0 1 0 01001
63 101001 1100 0 111 1000 по 11 0 0 0 0 1 0 0 00111
Таблица 19
Р42 слаб ветх куц рыж син сед сух
code 000 001 010 011 100 101 по
Таблица 20
№ р« Р42 Р43
1 2 3 4 5 6 7 Б в г д Е ж 3 к л м н п р с т X ц ч ш щ
0 1 0 0 0 0 0 0 000 1 1 0 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0
1 0 1 0 0 0 0 0 001 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0
2 0 0 1 0 0 0 0 010 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
3 0 0 0 1 0 0 0 011 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 1 1
4 0 0 0 0 1 0 0 100 0 0 0 0 1 0 0 0 0 0 1 0 1 1 0 0 0 0 0 0
5 0 0 0 0 0 1 0 101 1 1 0 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0
6 0 0 0 0 0 0 1 по 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 1 0 1 1 1
Для решения задач анализа и синтеза на графе *Р = f (Р]. Р2. Р3. Р4) используется полное множество переменных, представленных в ассоциативных табли-
цахграфа: тт = ttj + тг2 + +п4 ~ ~ 1
pi f1pj
i.j=l,4
.Мощ-
ность уменьшается на количество общих для вершин-предикатов переменных, по которым осуществляется связующее взаимодействие таблиц. Полученный путем объединения переменных в таблицах совокупный вектор параметров или переменных задается в следующем виде: m = (mi.m2,...,mj,...,mJt). Для каждого запроса к системе *Р = f (Р) необходимо сформировать множество входных х j = 1 и выходных хг = 0 переменных, которое определяется вектором-маской: X = (x1,X2,...,Xj,...,XJt), Xj = {0,1}.
С учетом введенных определений и обозначений стратегия формирования ответа системы синтеза и анализа прилагательных на запрос, представленный векторами (ш. х), имеет вид:
4 4
ш(хг =0) = ш(хг = 0)(~| ш(хг =1)Р|Р; Ф<2> i-1 _ i=l
При этом начальное состояние всех переменных mj е ш , объявленных в маске в качестве выходных, равно единице: ш(хг = 0) = 1. Это позволяет накапливать общее решение путем пересечения непустых взаимодействий маскированного вектора входов и всех ассоциативных таблиц с выходным вектором, изначально определенным единичными значениями.
4. Интегральная метрика определения расстояния и принадлежности
Речь идет о качестве взаимодействия запроса (входного многозначного, в частности, троичного вектора ш) с системой ассоциативных векторов (ассоциаторов), результатом которого должен быть сгенерирован конструктивный ответв виде одного или нескольких ассоциаторов (А), а также численной характеристики степени принадлежности (функции качества) входноговекторашкнайденномурешению: р(ше А). Входной вектор
ш = (m|,ш2... . nij.mn), m, е (ОД,х}
и матрица ассоциаторов S = (Aj, А2 А; Ак),
А; — (а; 1.а12 а у ain), А; eS, а; е{0,1,х} должны иметь одинаковую размерность, равную п. Обозначим степень принадлежности ш-вектора к одному
ассоциатору или А-вектору р(ш е А), А е S . Существует всего 5 видов взаимодействия (пересечения) двух векторов mnA, определенных на рис. 4.
Степень близости запроса - входного ш-вектора к ассоциатору А - определяется кодовым расстоянием - мощностью множества пустых пересечений соот-
ветствующих координат взаимодействующих векторов (рис.4,а):
а
в
г д
Рис. 4. Результаты пересечения двух векторов
При кодовом расстоянии, равном 0, степень (функция) принадлежности равна 1 только в случае полного совпадения векторов (рис.4,б). Иначе, функция принадлежности определяетчастьА-векторного пространства, которая принадлежит ш-вектору (рис.4,в). Степень принадлежности здесь есть степень участия ш-вектора в формировании множества состояний А— пространства при кодовом расстоянии, равном нулю. Естественно, если кодовое расстояние отлично от 0, то степень принадлежности
р(ш е А) = 0 <- d(m. А) >- 0.
Два вектора, один из них входной, другой - ассоциатор или вектор-строка, определенная в троичном или многозначном алфавите, в результате пересечения образуют непустой вектор, имеющий символы Х={0,1}. В данном случае функция принадлежности определяется как общее пространство, отнесенное к пространству ассоциатора, при условии, что кодовое расстояние между векторами равно 0 - пересечение двух векторов не равно пустому множеству. Для троичных векторов, имеющих символы X, формула подсчета функции принадлежности имеет вид:
-linrvVl . ...
/ - , mnA -А I .1
ц(шеА)=—-j-q— = 2' 11 1 <— |тпА| =
п
Ш;ПА; =х
i=l
&|А|
U А,
i=l
X
Примеры вычисления функций принадлежности для различных вариантов взаимодействия двух векторов представлены ниже:
ц(щ е А) = m = (01 lxxxl 11) 23
А = (Olxxxxxlx) 26
ц(щ е А) = ~m= (011000111)" _ 2°
А = (011000х1х) rs2 X
ц(щ е А) = m = (хххООО 111) 2°
А = (ШОООххх) 23
ц(щ е А) = m = (ххЮООПх) А = (ххЮООПх) 23 ~ 23
ц(щ е А) = т = (хххООО 111) 2°
А = (111000111) 2°
7 = 0-12*
■ = 0,25;
= 0,125;
Ь
• = 1
1
1
Здесь фактически рассматривается принадлежность ц(тп А е А) непустого пересечения между векторами. Нов последнем примере существует неучтенная часть пространства входного m-вектора, которая не вошла в A-ассоциатор, что также иллюстрируется рассмотренным случаем d (рис.4). Оценка ц( m е А) = 1, полученная в результате взаимодействия векторов, не является корректной, поскольку она не учитывает мощность векторов, участвующих в пересечении. Улучшить оценку можно путем учета введения двух функций принадлежности, а также нормированного кодового расстояния
ц( ш е А), ц(А е щ). d( щ. А).
Итак, кодовое расстояние - гру бая оценка взаимодействия векторов. Если d(ni,A)=0. то вектор m принадлежит вектору А:
jin е А <— d(m. А) = 0 <— то А g 0; j т g А <— d( т. А) Ф 0 <— т п А = 0.
При выполнении первого условия необходимо вычислять степень или функцию принадлежности, учитывая, что векторы могут создавать пять видов взаимодействия:
1) [mg А <— то А = 0] —> d(m. А) = — (n-d*);
п
2) [(т е А) л (А е т) <— то А = (т v А) <— т = А] —>
-а|-|а|
—> ц( т е А) = 2 3) [т е А <- т п А = т]-11ц(тбА) = 2
лАНА1
А|-|г
тпА - т
4) [А е т <— то А = А] —> ц(А е т) = 2
5) [(т е А) л (А е т) <— mn A g (0 v т v А)] —>
|тпА|-|т|-|А|
—> ц(т е А) = 2 .
личества (п) разрядов всего вектора. Например, два несовпадения для вектора, содержащего 20 переменных, и для вектора, имеющего 2 разряда, есть две большие разницы, которые следует учитывать при формировании функции принадлежности. Чтобы учесть все виды взаимодействия пары векторов (см. рис.1), необходим общий и интегральный критерий качества. Все пять формул, представленных выше, необходимо объединить в интегральный критерий качества взаимодействия векторов.
Интегральная метрика для оценивания качества запроса есть функция качества (выбора) взаимодействия векторов m п А, которая определяется средней суммой трех нормированных параметров: кодовое расстояние d( ш. А), функция принадлежности ц( ш е А) и эффективность использования входного запроса -функция принадлежности ц(А е ш):
Q = — |d(m. А) + ц(ш е А) + ц(А е ш)].
d(m. А) = — (п-п
ц(ш е А) = 2'
mi О, = 0
i=l
А|-|А|
);
111Г
п
mi П Ai =Х
i-1
& А =
п А| =
U Aj = х:
ц( А е ш) = 2
|mi~iA| |т|
|тп А| =
п
mi П Ai =Х
1=1
&|ш| =
i-1
<-n
Umi
i=l
Нормирование параметров позволяет оценивать уровень взаимодействия векторов в интервале [0,1]. Если зафиксировано предельное максимальное значение каждого параметра, равное 1, то векторы равны между собой. Минимальная оценка, Q = 0, фиксируется в случае полного несовпадения векторов по всем п координатам. Можно также выделить три интервала существования функции качества Q между 0 и 1, которые иллюстрируют: 1) [0;0,33] - наличие кодового расстояния между векторами, не равного 0; 2) [0,33;0,66] - кодовое расстояние равно 0, а пересечение двух векторов неравно одному из них; 3) [0,66; 1,00] - кодовое расстояние равно 0, а пересечение двух векторов равно одному из них или обоим, в предельном случае. Если мощность пространства вектора m (m n А = m ) равна половине пространства вектора А, то функции принадлежности и качества соответственно равны:
Здесь, относительно первой формулы, следует подчеркнуть необходимость приведения кодового расстояния к нормированной оценке, определенной в интервале [0,1]. Данное обстоятельство вызвано тем фактом, что абсолютная целочисленная оценка не несет информации об относительном количестве несовпадений или пустых пересечений в масштабе ко-
ц(ш еА)=^; ц( А е m) = 1; d(m. А) = 1;
Q(m. А) = ——- = ~ •
2x3 6
Аналогичное значение будет иметь параметр Q, если мощность пространства вектора А равна половине вектора т. Если мощность пространства пересечения
РИ. 2010. № 1
|m Г) A| равна половине мощностей пространств векторов А и т, то функции принадлежности имеют значения:
ц(т е А)
—; ц(А е т) = —; d(m. А) = 1; 2 2
Q(m. А)
4 4 2
2x3 ~ 6 ~ 3'
Следует также заметить, если результат пересечения двух векторов равен пустому множеству, то:
^|mnA| 0 _ ^0 _ у Это действительно означает, что количество общих точек при пересечении двух пространств равно нулю.
Ниже приведены примеры расчета интегральной функции качества для следующих 4 векторов: (00001111, OOllxxll, ООООхххх, хххххххх), которые образуют пересечения «каждый с другими» и «каждый сам с собой». Функции принадлежности и качества для всех пар представлены в табл.21.
5. Инфраструктура решения задач анализа и синтеза на логических ассоциативных графах
При подаче на вход системы логического ассоциативного матричного процессора некоторого вектора т, маскированного двоичным вектором X, она должна сформировать на выходе вектор А, максимально непротиворечивый для запроса т, а также оценку качества полученного решения в виде функции Q:
| Q = Г(ш. X. А):
[А = g(m. X. S).
Структура интерфейса системы, соответствующая данным выражениям, представлена на рис. 5.
Рис. 5. Обобщенный интерфейс системы
Речь идет о качестве взаимодействия запроса (входного многозначного, в частности, троичного вектора т) с системой ассоциативных векторов (ассоциаторов), результатом которого должен быть сгенерирован конструктивный ответ в виде одного или нескольких ассоциаторов (А), а также численной характеристики степени принадлежности входного вектора m к
найденному решению: р(шеА). Входной вектор
m = (mj, Ш2 mj mn), mj е (ОД, х} и матрица ассоциаторов
S = (А |. А 2.A j..A j,).
A; — fail - ^i2.^ij.^in )•
Aj e S, aj e (0,1, x}
Таблица 21
p(m e A) p(A e m) d(m, A) Q
m=(00001111) A=(()01 lxxl 1) 4-0 2“ 20 8-2=0,75 8 0,25
m=(00001111) A=(0000xxxx) 2° _ 1 24 16 7° 8-0=l 8 0,69
m=(00001111) A=(xxxxxxxx) 2° _ 1 98 ~ 256 7° 8-0=l 8 0,67
m=(00001111) A=(00001111) 7» 8-0=l 8 1
m:=(001 lxxl 1) A=(0011xxll) 4-i 2“ 8-0=l 8 1
m=(0011xxll) A=(()0()()xxxx) 30 20 7^=° 8-2 =0,75 8 0,25
m=(0011xxll) A=(xxxxxxxx) 22 _ 4 28 ~ 256 8-°=l 8 0,67
m=(0000xxxx) A=(0000xxxx) 4=1 24 4=1 24 8-°=l 8 1
m=(0000xxxx) A=( хххххххх) 24 _ 16 28 ~ 256 4=1 24 8-°=l 8 0,69
m=(xxxxxxxx) A=(xxxxxxxx) 4- 28 4-i 28 8-°=l 8 1
должны иметь одинаковую размерность, равную п. Логическая ассоциативная стр}ктура Ч' == f (Р]. Р2 - Р3. Р.|). О = {u,n} предназначена для автоматического решения класса задач, относящихся к склонению полных непритяжательных имен прилагательных. Примером задачи этого класса может служить задача синтеза словоформы. Она заключается в следующем: заданы слово и окружающий его контекст, требуется определить соответствующую им словоформу. Например, пусть задано словосочетание (слабый) сигналом. Требуется согласовать прилагательное слабый, приведенное в скобках, с контекстом. Определяем исходные данные: основа словоформы - слаб; род - мужской', число - единственное; падеж - творительный.
Схема вычислений задачи синтеза словоформы имени прилагательного имеет вид, представленный на рис. 6.
Рис. 6. Схема вычислений задачи синтеза словоформ
Здесь Pj, Р2, Р3 , Рд - вершины логической ассоциативной структуры, DC - декодер. Фактически данная схема определяет последовательность параллельных (конвейерных) действий, необходимых для вычисления результата - синтеза словоформы прилагательного: 1) Параллельная обработка взаимодействия входных векторов с вершинами Р] и Р4. 2) Анализ ассоциативной таблицы Р2. 3) Обработка вершины Р3 завершает процесс формирования анализа графа ассоциативных таблиц.
Для каждой вершины логической ассоциативной структуры задаем вектор-маску входных и выходных переменных, а также входное воздействие. В табл.22 представлены маски входа М| и выхода Y], а также входное воздействие X] для вершины Р| логической ассоциативной структуры.
В результате обработки таблицы ассоциативных векторов вершины Р] получаем значение переменной рп =00101 (табл.23).
В табл. 24 представлены маски входа М4 и выхода Y4, а также входное воздействие Х4 для вершины Р4 логической ассоциативной структуры.
В результате обработки таблицы ассоциативных векторов вершины Р4 получаем значения переменных р41 =ф, Р43 ={Б} (табл.25).
Таблица 22
Рп Р12 Рв Pi 4 Рв Pie
м ж с и р д В т п н О с А
м, 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0
X, 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0
Y, 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Таблица 23
№ Рп Pi 2 Рв Р14 Рв Pie R
м ж с и р д В т п н О с А
0 00000 1 0 0 0 1 0 0 0 0 0 1 1 1 1 0
4 00100 1 0 0 0 0 0 0 1 0 0 0 1 1 1 0
5 00101 1 0 1 0 0 0 0 0 1 0 1 1 1 1 1
6 00110 1 0 1 0 0 0 0 0 0 1 1 1 1 1 0
18 10010 1 1 1 1 0 0 0 0 1 0 1 1 1 1 0
Таблица 24
р41 Р 42 р«
1 2 3 4 5 6 7 Б в г д Е ж 3 к л м н п р с т X Ц ч ш щ
М,4 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Х4 0 0 0 0 0 0 0 000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Y4 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Таблица 25
№ р41 Р 42 р« R
1 2 3 4 5 6 7 Б в г д Е ж 3 к л м н п р с т X Ц ч ш щ
0 1 0 0 0 0 0 0 000 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
1 0 1 0 0 0 0 0 001 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
6 0 0 0 0 0 0 1 по 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
Маски входа М2 и выхода Y2. а также входное воздействие X 2 для вершины Р2 логической ассоциативной структуры представлены в табл.26.
В результате обработки таблицы ассоциативных векторов вершины Р2 получаем значение переменной Р21 = Ф (табл.27).
В табл. 28 представлены маски входа М3 и выхода Y3 , а также входное воздействие Х3 для вершины Рз логической ассоциативной структуры.
В результате обработки таблицы ассоциативных векторов вершины Р3 получаем значения переменных Рз1 ={100010}, Рз2 = {1001}, Рзз ={0}, р34 ={101}, Р35 ={0011}, Р36 ={011}, Р37 ={11} (табл.29).
После декодирования получаем безударную словоформу ым. В результате решения этой задачи формируем словосочетание слабым сигналом.
Другим примером может служить задача анализа словоформы: заданы форма слова и окружающий ее контекст, требуется определить грамматические признаки, соответствующие этой словоформе. Схема вычислений задачи анализа словоформы имени прилагательного представлена на рис. 7
Рис. 7. Схема вычислений задачи анализа словоформ
Данная схема назначает процессору 4 такта для последовательной обработки вершин в целях анализа словоформы имени прилагательного.
Например, пусть задана форма слова слабым. Требуется указать род, число и падеж данной словоформы. Определяем исходные данные: основа словоформы -слаб; окончание - ым. Маски входа и выхода, а также входные воздействия для вершин Р4 и Р2 логической ассоциативной структуры для задачи анализа аналогичны маскам входа и выхода, входным воздействиям для задачи синтеза (табл.24-27). В табл.30 представлены маски входа М3 и выхода Y3 , а также входное воздействие Х3 для вершины Р3 логической ассоциативной структуры.
Таблица 26
Р21 , р22 Рзз Р 24
1 2 3 4 5 6 7 Б В г д Е ж 3 к л м н п р с т X ц ч ш ш
М, 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
х2 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Y2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1
Таблица 27
№ Р21 р22 Рзз Р 24 R
1 2 3 4 5 6 7 Б в г д Е ж 3 к л м н п р с т X ц ч ш щ
0 1 0 0 0 0 0 0 1 1 0 1 0 0 1 0 1 1 1 1 1 1 1 0 0 0 0 0 0 0 1
1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0
6 0 0 0 0 0 0 1 0 0 0 1 0 1 0 1 0 0 0 0 0 0 0 1 0 1 1 1 1 0 0
Таблица 28
Рз1 Р 32 Рзз Р 34 Рзз Рзб Р37 Р 38 Р 39
1 2 3 4 5 6 7
м, 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1
X, 0 0 0 0 0 0 0 1 0 0 0 0 0 0 00101
Y, 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0
Таблица 29
№ Рз1 Рзз Рзз Р34 Рзз Рзб Р37 Рз8 Р39 R
1 2 3 4 5 6 7
0 000000 1000 по 11 0000 0 000 1 1 1 1 0 0 0 00111 0
0
51 100001 0010 010 11 1001 0 101 1 0 1 0 0 0 0 00011 0
52 100010 ООП 011 11 1001 0 101 1 0 1 0 0 0 0 00101 1
53 100010 ООП 011 11 1001 0 101 1 0 1 0 0 0 0 01111 0
63 101001 1000 по 11 1100 0 111 0 0 0 0 1 0 0 00111 0
В результате обработки таблицы ассоциативных векторов вершины Р3 получаем два значения переменной Р39 ={00101,01111} (табл.31).
В табл.32 представлены маски входа М] и выхода Y], а также входное воздействие X ] для вершины Р| логической ассоциативной структуры.
В результате обработки таблицы ассоциативных векторов вершины Р| получаем два значения переменной рц ={00101,01111} (табл.33).
После декодирования получаем два решения этой задачи - словоформа слабым имеет: 1) мужской или средний род, единственное число, творительный падеж; 2) множественное число, дательный падеж. Например, такие грамматические признаки имеет данная словоформа в словосочетаниях: слабым сигналом, слабым полем, слабым сигналам.
6. Выводы
Перспективы дальнейших исследований. В результате дальнейших исследований представляется разработать универсальные методы синтеза логических ассоциативных структур на основе использования
интегрального критерия качества и иерархических структур ассоциативных памятей. Представляет интерес определение оптимальной структуры логического ассоциативного графа, как формы, ориентированной на параллельное выполнение процедур анализа каждого компонента естественного языка. Количество графов должно соответствовать частям речи, что представляет собой языковую стру кту р но-л о г и ч секу ю основу нижнего уровня. Далее над графами, как компонентами, создается интеллектуальная надстройка, определяющая практически су шествующие в языке ассоциативные логические отношения между частями речи в предложении.
Научная новизна. Впервые разработана методология представления логических реляционных сетей в виде системы ассоциативных структур априорных отношений для аппаратной реализации параллельных средств обработки аналитических, графовых и табличных структур данных.
Практическая значимость. Реализация данного подхода позволит повысить эффективность работы систем обработки символьной информации за счет создания аппаратно-ориентированной математической инфра-
Та блица 30
Рз1 Р 32 Рзз Рз4 Рзз Рзб Р 37 Рз8 Р 39
1 2 3 4 5 6 7
М3 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0
X, 100010 0 0 0 0 0 0 1 0 0 0 0 0 0 0
Y3 0 1 1 1 1 1 1 0 0 0 0 0 0 0 1
Таблица 31
№ Р 32 Рзз Рз4 Рзз Рзб Р 37 Рз8 Р 39 R
1 2 3 4 5 6 7
0 000000 1000 по 11 0000 0 000 1 1 1 1 0 0 0 00111 0
50 100001 0010 010 11 1001 0 101 1 0 1 0 0 0 0 00000 0
51 100001 0010 010 11 1001 0 101 1 0 1 0 0 0 0 00011 0
52 100010 ООП 011 11 1001 0 101 1 0 1 0 0 0 0 00101 1
53 100010 ООП 011 11 1001 0 101 1 0 1 0 0 0 0 01111 1
54 100011 ООП 011 11 1010 1 101 0 0 0 0 0 1 0 00101 0
63 101001 1000 по 11 1100 0 111 0 0 0 0 1 0 0 00111 0
Таблица 32
Ри Р12 Pl3 Р14 Р15 Pie
м ж с и р д в т п н О с А
м, 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Хп 00101 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Xl2 01111 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Y, 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Таблица 33
№ Рп Pi 2 Pl3 Р14 Р15 Р16 R
м ж с и р д в т п н О с А
0 00000 1 0 0 0 1 0 0 0 0 0 1 1 1 1 0
5 00101 1 0 1 0 0 0 0 0 1 0 1 1 1 1 1
15 01111 1 1 1 1 0 0 1 0 0 0 1 1 1 1 0
18 10010 1 1 1 1 0 0 0 0 1 0 1 1 1 1 0
стру ктуры для решения задач анализа исинтеза синтаксических и семантических языковых конструкций
Литература: 1 .Бондаренко, М.Ф. О мозгоподобных ЭВМ [Текст] / М.Ф. Бондаренко, З.В. Дударь, И.А. Ефимова, В.А. Лещинский, С.Ю. Шабанов-Кушнаренко//Радиоэлектроника и информатика. 2004. № 2. С. 89-105. 2. Бондаренко, М.Ф. Об алгебре предикатов [Текст] /М.Ф. Бондаренко, Ю.П. Шабанов-Кушнаренко // Бионика интеллекта. 2004. № 1. С. 15-26. 3. Бондаренко, М.Ф. Теория интеллекта. Учебник. [Текст] / М.Ф. Бондаренко, Ю.П. Шабанов-Кушнаренко. X.: СМИТ, 2006. 592 с. 4. Бондаренко, М.Ф. Мо-делиязыка [Текст]/М.Ф. Бондаренко, Ю.П. Шабанов-Кушнаренко // Бионика интеллекта. 2004. № 1. С. 21-М.
Поступила в редколлегию 27.01.2010
Рецензент: д-ртехн. наук, проф. Шабанов-Кушнаренко Ю.П.
Бондаренко Михаил Федорович, ректор ХНУРЭ, д-р техн. наук, профессор, зав. кафедрой ПО ЭВМ. Научные интересы: искусственный интеллект. Адрес: Украина, 61166, Харьков, пр. Ленина, 14.
Хахаиов Владимир Иванович, д-р техн. наук, профессор кафедры АПВТ ХНУРЭ, декан факультета компьютер-
ной инженерии и управления ХНУРЭ. Научные интересы: техническая диагностика вычислительных устройств, систем, сетей и программных продуктов. Увлечения: баскетбол, футбол, горные лыжи. Адрес: Украина, 61166, Харьков, пр. Ленина, 14, тел. 702-13-26. E-mail: hahanov@kture. kharkov. ua
Лещинская Ирина Александровна, аспирантка, ассистент кафедры программного обеспечения ХНУРЭ. Научные интересы: алгебраическая логика, реляционные сети, лингвистическая алгебра, теория интеллекта, искусственный интеллект, новые информационные технологии. Увлечения: английский язык, катание на роликах. Адрес: Украина, 61166, Харьков, пр.Ленина, 14, тел. 70214-46. E-mail: irina.leshchinsky@gmail.com
Русакова Наталия Евгеньевна, аспирантка кафе дрыпро-граммного обеспечения ЭВМ ХНУРЭ. Научные интересы: логическая алгебра, реляционные сети, теория интеллекта, искусственный интеллект. Увлечения: спортивные бальные танцы, катание на коньках, вышивка крестиком. Адрес: Украина, 61166, Харьков, пр.Ленина, 14, тел. 70214-46. E-mail: natahum@mail.ru.
УДК621.391
МОДЕЛЬ ИСТОЧНИКА ПЕРФОРИРОВАННЫХ НЕРАВНОВЕСНЫХ ПОЗИЦИОННЫХ ЧИСЕЛ
БАРАННИК В В., ОСТРОУМОВ Б.В..
ШИНКАРЕВ В.В.__________________________
Показывается, что неравновесное позиционное кодирование обладает потенциальными возможностями для обеспечения степени сжатия дифференциального представления данных в случаях произвольного значения статистических характеристик изображений. Обосновывается, что дифференциальное представление изображения позволяет сформировать перфорированные неравновесные позиционные числа. Излагается подход относительно преобразования источника дифференцированных изображений в источник генерирования перфорированных неравновесных позиционных чисел.
1. Введение
Развитие информационно-интеллектуальных систем (ИИС) связано с вопросами сбора, обработки, передачи и анализа видеоинформационных моделей. От того, насколько оперативно и насколько достоверно обеспечивается получение наиболее полной видеоинформации, зависит процесс анализа и принятия решений [1, 2]. Требуется учитывать, что большинство функций, связанных с данными этапами преобразования информации, осуществляются автоматически, т.е. без участия человека. Это делает ключевым не только оперативность получения информации, но и ее достоверность [2-4]. Отсюда цель исследований заключается в обосновании и разработке подходов для повышения эффективности функционирования ИИС.
Для обеспечения данных условий интегрируются технологии компрессии изображений [1-4]. Однако их возможности не соответствуют требованиям современных процессов обработки видеоданных.
Эффективный подход относительно сокращения избыточности в реалистических изображениях без потери их качества базируется на построении дифференциального описания [5, 6]. В то же время данное направление наиболее эффективно при обработке высокоизбыточных изображений. Наоборот, его эффективность резко снижается при обработке насыщенных высокоинформативных в статистическом смысле изображений. Отсюда следует, что научная задача заключается в разработке модели источника видеоинформации, обеспечивающего повышение потенциальных возможностей относительно сокращения избыточности в низкокоррелированных изображениях за счет учета дополнительных закономерностей.
2. Построение модели источника неравномерных кодовых конструкций
Ключевым этапом обработки дифференцированного представления (ДП) является процесс кодирования. Компактное представление дифференциального описания видеоданных связано с построением методов кодирования, обеспечивающих сокращение избыточности в массивах (МДП). Особенность процесса устранения избыточности в МДП изображений состоит в учете неравномерности законов распределения вероятностей появления значений величин разностей.
Данная особенность учитыв ает нал ичие декорреляции между элементами МДП. Это позволяет организовывать обработку в режиме сжатия без потерь на основе устранения статистической избыточности. В этом случае требуется не искажая информации, содержащейся в МДП, найти способ закодировать его меньшим
