CC BY
61
лизации сетей регионального и национального масштабов, а также обилие выпускаемой сетевой и коммуникационной аппаратуры в рамках этих протоколов. Поэтому будет разумным именно их и заложить в проектируемую РКСОП РО.
Разработка и реализация проектных решений по создаваемой РКСОП РО и ее элементам должны проводиться в рамках сетевых архитектур OSI (Open Systems Interconnections) и ISDN (Integrated Services Digital Network), которые фактически стали стандартами в государственном и международном масштабах. В противном случае весьма вероятна ситуация, когда созданная региональная РКС не будет сты-
( ).
При этом также следует проанализировать целесообразность и возможность использования на различных этапах проекта в зависимости от архитектурного уровня таких мощных сетевых технологий, как FDDI, FR, ATM.
Сервисный аспект
, , точки зрения предоставляемого сервиса, например: информационно-справочное обслуживание, обеспечение доступа к удаленным базам данных, возможность сбора и накопления различной региональной информации (экологической, экономической, статистической, социальной и т.д.), предоставление программного и математического обеспечения, пакетов для подготовки публикаций и т.д.
Выводы
Представленная концепция проекта распределенной компьютерной сети общего пользования Ростовской области определяет основные аспекты его реализации и особенности регионального воплощения. Данный проект позволит в случае его реализации создать единое информационное пространство Ростовской области и обеспечить администрацию области, организации, предприятия, учебные заведения и население информационным и телекоммуникационным сервисом, включить Ростовскую область в мировое информационное пространство.
УДК 007.57:681.3
Ю.В. Чернухин КОМПЬЮТЕРЫ И НЕЙРОКОМПЬЮТЕРЫ
( ) ( ), , обращается внимание на их архитектурные различия, а также на то, что компьюте-, . данной работе анализируются более глубокие отличия НК и К, связанные с имитацией ими различных сторон мыслительной деятельности человека. В заключение делается вывод о целесообразности гибридизации компьютеров и нейрокомпьютеров в новые мозгоподобные ЭВМ будущих поколений.
, -ется формальная логика и реализуемый компьютерами дедуктивный вывод. В свою , -
го мозга производить рассуждения от общего к частному в форме силлогизмов, т.е. в такой форме, при которой путем умозаключений из двух исходных суждений -посылок получается третье суждение, называемое заключением (выводом). Первая (большая) посылка содержит дедуктивное правило, используемое при умозаключении, а вторая (мапая) посылка является декларативным утверждением. Обе посылки представляют собой исходные данные, необходимые для дедуктивного вывода. В общем случае эти данные могут рассматриваться как знания, упорядоченное множество которых образует базу знаний.
- -туры функционируют так, что генерируемые ими заключения всегда основываются на элементах предварительно сформированных баз данных или баз знаний. Причем источником данных могут служить явления или процессы внешнего мира, а источником знаний служит опыт высококвалифицированных экспертов. Эксперты, в , -ния или самообучения, т.е. путем не столько дедуктивного, сколько индуктивного .
Индуктивный вывод (индукция) отражает другое фундаментальное свойство мозга, а именно его способность формировать общие умозаключения (дедуктив-) . общем случае подобный вывод не является однозначным и может использоваться лишь с некоторой долей достоверности. Аналогичным свойством обладает и аб, -сылки. По этой причине считается, что индукция и абдукция ведут не к категорическим, как при дедукции, а к вероятностным силлогизмам.
Вероятностный характер индукции и абдукции приводит к необходимости постоянного уточнения получаемых с их помощью выводов. Иными словами, способность к индукции тесно связана со способностью к обучению и самообучению. И наоборот, в основе обучения и самообучения лежит не дедуктивный, а индук-. , -ванные на дедуктивный вывод, малоэффективны при организации процедур обуче-.
Имитирующие обработку информации в нейросетях мозга нейрокомпьютеры как раз и предназначены для преодоления отмеченной проблемы современной . , -
щение и абстрагирование, то есть те свойства, которые лежат в основе индуктив-. , -. , -.
компоненты обучающей выборки. Эти компоненты характеризуют свойства распо-.
вход блока обучения НК поступает информация о ее принадлежности к соответст-. -
чимые для каждого класса признаки и формирует их абстрактные образы. Полу-
( ),
используемых в режиме распознавания. Иными словами, при обучении НК вос-
, - .
, ,
, , индукция является свойством не сознания, а подсознания. На этом основании , -ют сознательные процессы, а реализующие индуктивный вывод НК имитируют процессы в подсознании. Однако сознание и подсознание являются свойством единого высокоразвитого мозга. Следовательно, для построения мозгоподобных компьютеров будущих поколений необходимо не противопоставление К и НК, а их взаимная интеграция. Один из вариантов такой интеграции показан на рисунке. Его суть состоит в использовании распределенной памяти нейрокомпьютера в качестве активной программно-дос^пной памяти компьютера.
Идея обработки информации в активной памяти заключается в том, что после передачи в НК загрузочного файла и задания матрицы коммутации его нейропроцессоров [1] компьютер переключается на решение других задач. Находящаяся в это же время в регистрах нейропроцессоров НК информация не просто хранится, но и обрабатывается с учетом влияния внешней среды. После завершения вычислительного процесса в НК он информирует об этом компьютер и предоставляет ему полученные результаты. Подобное функционирование напоминает взаимодействие сознания и подсознания. Действительно, получив задание, мы часто как бы забываем о нем, а через некоторое время в памяти "всплывает" готовый резуль-.
, , , компьютера НК является машиной не дедуктивного, а индуктивного вывода. Объединение К и НК в мозгоподобную ЭВМ весьма перспективно. Такое объединение позволит получить устройство, компьютерную часть которого целесообразно использовать для имитации сознательных процессов обработки информации в мозге, а НК - для моделирования связанных с ними подсознательных процессов.
ЛИТЕРАТУРА 1. Чернухин Ю.В. Нейропроцессоры. Таганрог: ТРТУ, 1994.
УДК 681.3.062
Ю.В. Чернухин, ЕЛ. Стадников, Е.А. Г рязин, М.А. Самарин ПРОГРАММНОЕ МОДЕЛИРОВАНИЕ КЛОПОВОЙ НЕЙРОСЕТИ
При обучении практически любой искусственной нейронной сети используются статические образы, на каждый из которых вырабатывается соответствую-( ). , если обучать нейросеть на динамический образ, размеры сети значительно увели.
называемой клоновой нейросети.
Такая нейросеть содержит в себе ряд интересных и полезных черт, которые выгодно отличают ее от других моделей искусственных нейросетей:
- восприятие и воспроизводство квазидинамических образов;
- подобие биологической рефлекторной нейросети;
- ;
- быстрое обучение (один прямой проход);
- ;
- (
).
Структура клоновой сети представляет из себя ансамблевую архитектуру, где: 8 - санкционирующий ансамбль;
Е - эффекторный ансамбль;
Р - проприоцепторный ансамбль;
Я - рецепторный ансамбль.
Как видно из обозначений, названия ансамблей совпадают с названиями биологических частей рефлекторной нейросети живого организма. То же самое можно сказать и о функциях, выполняемых этими ансамблями.
В настоящее время биологический прототип изучен достаточно хорошо, а модельные испытания показывают перспективность искусственной клоновой ней.
, .
