CC BY
78
Компьютерные технологии в инженерной и управленческой деятельности
Все измерения проводились прецизионным вольтметром - калибратором типа В1-18/1 в лабораторных условиях после 30-минутного прогрева схемы ПКТ.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Burr-Brown/ Integrated Circuits/ Data Book/ Linear Product 1996/1997 4.283 Printed in USA/
2. Быстродействующие интегральные микросхемы ЦАП и АЦП. Под общей редакцией А.К. Марцинкявичуса, Э.К. Багдансиса. М.: Радио и связь 1988. С. 197-215
3. Алексеенко А.Г., Коломбет Е.А., Стародуб Г.И. Применение прецизионных аналоговых микросхем. М.: Радио и связь, 1985.
И.М. Савельев
ПОСТРОЕНИЕ СИНЕРГЕТИЧЕСКОЙ МОДЕЛИ НЕЙРОННОЙ СЕТИ ДЛЯ КЛАССИФИКАЦИИ ОБЪЕКТОВ
Развитие нейронных моделей привело к расширению круга задач, решаемых с их помощью. Одной из ключевых проблем построения систем искусственного интеллекта, более общей по сравнению с распознаванием, является классификация образов, которая может применяться в практических задачах структурной идентификации объектов управления в АСУ ТП.
Существующие подходы к построению динамических нейронных сетей (НС) лишь обобщают нейронные модели какого-то одного класса либо имеют в своей основе жестко заданный способ представления сети и не позволяют сформировать НС на основе некоторой единой методологии.
Исходя из основных положений синергетики, сформулированных в работах А. Колесникова, Н. Пригожина и Г. Хакена, в открытой нелинейной системе могут возникать новые структуры при переходе через точку бифуркации, где ряд переменных состояния скачкообразно теряет устойчивость под воздействием изменяющихся управляющих параметров. Согласно принципу подчинения, для исследования возникающих в нелинейной системе структур вблизи точки бифуркации переменные состояния (моды) разделяются на неустойчивые (параметры порядка) и устойчивые в линейном приближении (подчиненные переменные). Структура динамической системы формируется под влиянием параметров порядка. В результате происходит редукция общей размерности исследуемой нелинейной системы, что существенно облегчает анализ.
При сведении исходной задачи к исследованию коллектива конкурирующих между собой мод вследствие самоорганизации в конце переходного процесса возникает пространственная структура, которая отвечает наиболее «сильному» параметру порядка (либо их совокупности). Этот подход применяется при создании НС для распознавания и классификации образов.
Наличие соответствия между распознаванием и формированием образов приводит к созданию новой модели НС - синергетического компьютера. В основе действия сети Хакена лежит следующий принцип: синтезируемая НС моделируется системой конкурирующих параметров порядка, каждый из которых соответствует одному запомненному образу.
Распознаваемые и запомненные образы определяют начальные условия, приводящие к определенному протеканию процесса конкуренции мод и выбору наиболее ассоциирующегося с предъявленным прототипом. Основной отличительной чертой этой модели является то, что система сразу формируется только из параметров порядка, из
которых выживает только один, поэтому возникновение ложных образов невозможно, а емкость сети ограничена только размерностью векторов, представляющих образы. В то же время, в синергетической модели НС может быть отдельно запомнен любой новый образ без изменения ранее существовавших параметров.
В.Ф. Гузик, В.Е. Золотовский, О.А. Мунтян РАСПАРАЛЛЕЛИВАНИЕ В СИСТЕМАХ МОДЕЛИРОВАНИЯ
Создание перспективных средств моделирования, позволяет не только облегчать создание моделируемых систем, но и визуализировать сам процесс вывода результатов моделирования. Все это накладывает существенные ограничения на техническую базу вычислительной системы, на которой будет функционировать система моделирования. Эти ограничения можно условно разделить на две части: производительность вычислительной системы (ВС), направленная на обеспечение достаточной мощности для поддержки процесса моделирования (вычислительная часть), и производительность ВС, направленная на отображение результатов моделирования в удобном для пользователя виде. От аппаратной части ВС требуется обеспечение своего рода баланса между этими частями. Известно, что ресурсы любой системы не бесконечны, и в связи с этим приходится чем-то жертвовать: либо вычислительной производительностью, либо производительностью на отображение результатов. Как правило, всегда жертвовали качеством отображения результатов моделирования. Для этих целей было достаточно графиков, представляющих динамику моделируемого процесса, но в современных системах необходимо отображать результаты моделирования процессов в реальном времени и трехмерном пространстве. Отображение подобных процессов требует от ВС больших вычислительных затрат. Для снижения нагрузки на центральный процессор ВС, при отображении сложной графической информации, используют высокоскоростные графические адаптеры, которые позволяют производить операции рисования, как с двумерными, так и с трехмерными объектами без использования центрального процессора ВС. Такие графические адаптеры носят название графические ускорители. Однако какой бы большой мощностью не обладали графические ускорители, большая часть затрат ресурсов по организации отображения результатов моделирования лежит на центральном процессоре ВС. К таким затратам можно отнести поиск определенных данных в общем массиве. Это имеет большое значение, поскольку в алгоритмах отображения и обработки трехмерных поверхностей значительная часть операций связана с поиском определенного элемента на исследуемой поверхности. При организации поиска средствами ВС (нагрузка на центральный процессор) понадобится значительное время. При решении задачи моделирования в реальном времени этот временной интервал может вызвать провалы при отображении результатов, что, в свою очередь, может повлечь за собой неадекватное представление общей картины исследуемого процесса.
Преодоление этих трудностей возможно при использовании многопроцессорных ускорителей, что требует разработки соответствующих методов распараллеливания потоков данных.
Существует несколько методов распараллеливания программ и данных - статические и динамические. Статические методы распараллеливания используются для распараллеливания сложных программ, где необходимы значительные усилия для отыскания параллельных участков. Динамическое распараллеливание программ используется в случаях, когда необходимо распределять команды между свободными процессорами для их выполнения. При распараллеливании программ поиска целесообразно использовать
