CC BY
26
каждого средства продвижения и максимизации совокупного воздействия комплекса. Отдельные средства продвижения поддерживают друг друга, в результате чего возникает синергетический эффект от совместного применения разных средств. Благодаря использованию ИМК можно добиться повышения эффективности затрат на продвижение продукции.
Использованные источники:
1.Маркетинг: Учебник/Б.А. Соловьев; Институт экономики и финансов «Синергия».-М.:ИНФРА-М, 2005.-383 с.
2.Маркетинг: Учебное пособие/ Б.И. Герасимов, В.В. Жариков, М.В. Жарикова.-М.: Форум, 2009-320с.
3.Маркетинг: Учеб.пособие/ Л.Е. Бадовский, Е.Н. Бесовская - 2-е изд., перераб. и доп. -М.: ИНФРА-М, 2009.-421с.
УДК 004.8
Суслова Е.В. студент магистратуры 2 курс, институт электроники и светотехники
МГУ им. Н. П. Огарёва Россия, г. Саранск ОПТИЧЕСКАЯ РЕАЛИЗАЦИЯ НЕЙРОННЫХ СЕТЕЙ Статья посвящена рассмотрению возможности оптической реализации нейронных сетей. В статье рассматриваются практические проблемы, встречающиеся при попытках реализации оптических нейронных сетей и возможности их решения. Описываются преимущества использования оптических нейронных сетей, при проведении вычислений.
Ключевые слова: нейрон, нейронная сеть, оптическая система, синапс, вычислительная система
Suslova E.V. graduate student 2 course, Institute of Electronics and lighting Mordovia State University N.P. Ogareva
Russia, Saransk OPTICAL IMPLEMENTATION OF NEURAL NETWORKS Article is devoted to consideration of a possibility of optical implementation of neural networks. In article the practical problems which are found in attempts of implementation of optical neural networks and a possibility of their decision are considered. Benefits of use of optical neural networks are described, when carrying out calculations.
Keywords: neuron, neural network, optical system, synapse, computing system.
Искусственные нейронные сети прочно вошли в нашу жизнь и в настоящее время широко используются при решении самых разных задач. Это достаточно гибкий продукт, предоставляющий разработчикам большое количество возможностей для достижения конкретных целей.
Электронно-оптические нейронные сети обеспечивают средства для выполнения параллельного умножения матриц. Такие сети работают со скоростью, ограниченной только доступными электронно-оптическими компонентами; время вычислений потенциально располагается в субнаносекундном диапазоне.
Использование и обучение нейронных сетей требует в основном двух типов операций над данными: вычислений и передачи данных. Вычислительные функции легко и просто выполняются электронными системами. Элементы интегральных цепей работают в наносекундных интервалах. Кроме того, они имеют размеры, измеряемые в микронах, и могут иметь стоимость менее сотой цента за вентиль.
Задачи передачи данных решаются не просто. Электронные сигналы в интегральных сетях требуют наличия конденсаторов для передачи сигналов от вентиля к вентилю. Хотя конденсаторы имеют микронные размеры, занимаемое пространство (с учетом пространства, необходимого для изоляции одного конденсатора от другого) может стать настолько большим, что на пластине кремния не останется места для размещения вычислительных цепей. Несмотря на то, что существует технология реализации обыкновенных цифровых компьютеров в виде больших функциональных блоков с относительно небольшим количеством конденсаторов, эта технология не годится в случае массового параллелизма. Аналогичное решение для искусственных нейронных сетей в настоящее время неизвестно. Мощность нейронных сетей определяется большим количеством связей; взятые отдельно элементы имеют относительно малые вычислительные возможности.
Достаточно серьезная проблема возникает при попытке получить требуемые связанности в электронных цепях. Рассчитывается, что плотность конденсаторов в двумерной системе должна уменьшаться обратно пропорционально квадрату расстояния от нейрона-источника; в обратном случае реализовать систему в виде интегральных цепей невозможно. Это ограничение имеет особое значение при реализации сетей с полными взаимными связями.
Возможность решения этой проблемы представляется путем реализации нейронных сетей в виде оптических систем. Взаимное соединение нейронов с помощью световых лучей не требует изоляции между сигнальными путями, световые потоки могут проходить один через другой без взаимного влияния. Плотность путей передачи ограничена только размерами источников света, их дивергенцией и размерами детектора. Потенциально эти размеры могут иметь величину в несколько микрон. Наконец, все сигнальные пути могут работать одновременно, тем самым обеспечивая высокую скорость передачи данных. В результате система способна будет обеспечить полный набор связей, работающих со скоростью света.
Оптические нейронные сети могут также обеспечить важные преимущества при проведении вычислений. Величина синоптических связей может запоминаться в голограммах с высокой степенью плотности; некоторые оценки дают теоретический предел в 1012 бит на кубический сантиметр. Хотя такие значения на практике не достигнуты, существующий уровень плотности памяти очень высок. Кроме того, веса могут модифицироваться в процессе работы сети, образуя полностью адаптивную систему.
Учитывая эти преимущества, можно задать вопрос, почему наряду с оптическими нейронными сетями вообще рассматриваются другие способы реализации. К сожалению, возникает множество практических проблем при попытках оптической реализации нейронных сетей. Оптические устройства имеют собственные физические характеристики, часто не соответствующие требованиям искусственных нейронных сетей. Хотя они в действительности пригодны для обработки изображений, изображения от оптических нейронных сетей, полученные до настоящего времени, были недостаточно положительными. Однако достаточно взглянуть на первые пробы телевизионных изображений, чтобы понять, какой огромный прогресс возможен в повышении качества изображения. Несмотря на эти трудности, а также на такие проблемы, как стоимость, размеры и критичность к ориентации, потенциальные возможности оптических систем побуждали (и побуждают) попытки проведения интенсивных и широких исследований. В этой области происходят стремительные изменения и в ближайшее время ожидаются важные улучшения.
Оптические нейронные сети предлагают огромные выгоды с точки зрения скорости и плотности внутренних связей. Они могут быть использованы (в той или иной форме) для реализации сетей фактически с любой архитектурой.
В настоящее время ограничения электронно-оптических устройств создают множество серьезных проблем, которые должны быть решены прежде, чем оптические нейронные сети получат широкое применение.
Использованные источники:
1.Abu-Mostafa Y. S., Psaltis D. 1987. Optical neural computers. Scientific American, March, с. 88-95.
2. Anderson D. Z. 1985. Coherent optical Eigenstate memory. Proceeding of the Optical Society of America 1985 Annual Meeting.
4.Athale R. A., Friedlander С. В., Kushner C. B. 1986. Attentive associative architectures and their implications to optical computing. Proceedings of the Society of Photo-Optical Instrumentation Engineering 625:179-88
5.Fainman N. H., Klancnik E.,Lee S. H.1968.Optical Engineering 25:228.
6.Farhat N. H., Psaltis D., Prata A., Paek E. 1985. Optical implementation Of the Hopfield model. Applied optics 24:1469-75
