Научная статья на тему 'Решение задач оптимизации надежности аппаратурно-избыточных однородных нейронных сетей нейрокомпьютерных систем'

Решение задач оптимизации надежности аппаратурно-избыточных однородных нейронных сетей нейрокомпьютерных систем Текст научной статьи по специальности «Математика»

CC BY
185
20
i Надоели баннеры? Вы всегда можете отключить рекламу.
Область наук
Ключевые слова
ОПТИМИЗАЦИЯ НАДЁЖНОСТИ / НЕЙРОННЫЕ СЕТИ / РЕЗЕРВИРОВАНИЕ / RELIABILITY OPTIMIZATION / NEURAL NETS / RESERVATION

Аннотация научной статьи по математике, автор научной работы — Потапов Виктор Ильич

Излагаются методы решения трех задач оптимизации надёжности однородных аппаратурно-избыточных нейронных сетей со «статическим» резервированием и двух задач оптимизации надёжности нейронных сетей с «динамическим» резервированием.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по математике , автор научной работы — Потапов Виктор Ильич

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Reliability optimization for homogeneous neural network hardware redundancy problem

There are methods of three reliability optimization of homogeneous neural nets with static reservation hardware redundancy problems solving and two problems of redundancy optimization of neural nets with dynamic reservation.

Текст научной работы на тему «Решение задач оптимизации надежности аппаратурно-избыточных однородных нейронных сетей нейрокомпьютерных систем»

ИНФОРМАЦИОННЫЕ

ТЕХНОЛОГИИ

УДК 004 052.3 в и ПОТАПОВ

Омский государственный технический университет

Работа выполнена при поддержке гранта РФФИ №09-08-00130

РЕШЕНИЕ ЗАДАЧ ОПТИМИЗАЦИИ НАДЕЖНОСТИ АППАРАТУРНО-ИЗБЫТОЧНЫХ ОДНОРОДНЫХ НЕЙРОННЫХ СЕТЕЙ НЕЙРОКОМПЬЮТЕРНЫХ СИСТЕМ_____________________

Излагаются методы решения трех задач оптимизации надёжности однородных аппаратурно-избыточных нейронных сетей со «статическим» резервированием и двух задач оптимизации надёжности нейронных сетей с «динамическим» резервированием. Ключевые слова: оптимизация надёжности, нейронные сети, резервирование.

Объектом исследования является адаптивная к отказам нейронов аппаратурно-избыточная структурно однородная искусственная нейронная сеть (ИНС) Бд нейрокомпьютерной системы [ 1 ], состоящая из основного и резервного блоков искусственных нейронов (ИН), которые соответственно разбиты на £ 1) групп по.(п(£ 1) элементов в группах основного блока и ...в(| 0) элементов в группах

резервного блока, причем замена отказавших нейронов в Ьй группе основного блока ИНС осуществляется сразу после возникновения отказа только нейронами из соответствующей 1-й группы резервного блока ИН сети Бд «статическое» резервирование. В отличие от «статического» резервирования «динамическое» резервирование предполагает возможность перераспределения резервных элементов между Ч группами в процессе работы микропроцессорской системы. Полагаем, что поток отказов в Ьй группе основного блока нейронов ИНС есть неоднородный пу-

ассоновский процесс с интенсивностью ХДО, 1 ^ 1 < я; элементам (искусственным нейронам) резервного блока ИНС соответствует интенсивность отказов А.0(1). Элементы Ьй группы восстанавливаются после отказа с интенсивностью ц,(1), 1 Нейронная сеть Бд

адаптируется к отказам и продолжает функционировать до тех пор, пока не будет израсходован весь запас аппаратурно-логической избыточности.

Введём обозначение п = (п^ - вектор основных элементов; 5 = (5()ч — вектор резервирования; Я (I) = (^(М) +| — вектор интенсивностей отказов; ^ (1) = (ц,^)) — вектор интенсивностей восстановления; Р[я ;!.] - вероятность безотказной работы нейронной сети в течение времени I:; Т[ я ] — среднее время «жизни» ИНС.

Обозначим целочисленное множество Б(т) =

= { 5 ^ 0 }. Отказоустойчивую ИНС рас-

сматриваемого типа обозначим 5д[я, л, 5, Л (Ц, //(Ц].

ОМСКИЙ НАУЧНЫЙ ВЕСТНИК N>2 <80. 2009 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ОМСКИЙ НАУЧНЫЙ ВЕСТНИК №2 (80). 2009

В работе рассматриваются следующие задачи оптимизации надежности искусственных нейронных сетей нейрокомпьютерных систем. Со «статическим» резервированием (задачи 1-3) и с «динамическим» резервированием (задачи 4,5).

Задача 1. Вычислить вектор резервирования s, максимизирующий вероятность безотказной работы Р[ s;t(] нейронной сети SA в течение времени t, при заданных ограничениях на параметры и условия работы ИНС S.:

Р[ s;t, ]-*max, s е S(m).

(1)

Задача 2. Вычислить вектор резервирования в, максимизирующий среднее время жизни Т[ в) нейронной сети Бл при заданных ограничениях:

г[ s ]-> seS(m)

max,

(2)

y(q,m) =

'q + m-\s m

ml

+ (полином от q степени (m-1)).

Решение задачи 1 и 2 соответственно, доведенное до численных алгоритмов, для невосстанавливаемых «стареющих» ИНС SA с неоднородными пуассоновс-кими потоками отказов нейронов, у которых интенсивности отказов нейронов в основных и резервных q группах сети X,(t) * const, а является возрастающей функцией времени, дано в [3].

Задача 3. Вычислить вектор интенсивностей восстановления //(t), минимизирующий стоимость восстановления после отказа ИНС SA в течение заданного времени t, при заданной гарантированной надежности:

I,

UГ ц ]= J (с(/), fj(t))dt -»min,

О

0<d<l,

(3)

P'(t) = D [s. Л.(t). fi (t)]P(t)

Л

с начальными условиями P(0) = (1,0,0........0).

(4)

P(t) — вектор-столбец, а матрица Ds (s, Я (t), //(t)] определяется следующим образом: л

Задачи 1 и 2 являются задачами нелинейного целочисленного программирования, так как Б(т) есть множество целочисленных точек части я-мерной гиперплоскости б, + з2 + ...+ Э(( = ш, лежащей в первом октанте.

Детализированные алгоритмы решения этих двух задач для ИНС Бл с однородным пуассоновским потоком отказов и восстановления функциональных свойств элементов нейронной сети дано в работе [2] путем полного перебора вариантов резервирования. Эти переборные задачи полиномиально разрешимы, так как число вариантов резервирования у(я,т) равно

где c(t) = (Ci(t))4 - заданная вектор функция, моделирующая удельную стоимость восстановления в i-й группе; d — заданное число.

Будем рассматривать нейронную сеть SA как управляемую динамическую систему с фазовым вектором Р(t) = (p0(t), p,(t).pni(t)) , где pk(t) - вероят-

ность того, что к моменту времени t в ИНС SA произошло к отказов. В предложении марковского процесса поведение ИНС SA описывается дифференциальными уравнениями Колмогорова

Д.. =

M, 0 . . 0 0 0

A M2 V ■ . 0 0 0

0 A, M3 . . 0 0 0

0 0 0 . • An-, И

0 0 0 . . 0 К

где коэффициенты Ак, и Мк, ц вычисляются по следующей схеме:

( п +

т

l(*.s) 1=1

где Q(/c,s) = jv| = /c;0£v, :£s,j;

ГО, если s, = 0,

о, = <

[1, если s, = 1;

{0, если к £ s.,

1

1, если /c£s,+l;

аш = {(/п_А+1)Л* при , = 0, а‘ [ <5,л,Я, при l£i\<,q\

= + при , = 0'

1 + пД (Л) при \£i£q\

Д(т + 1) = <5,л,, // = £ //,(*);

Ы

Ак = ]>]а,(/сЦ((), 1£ к £ т;

1-0

Dk= £д(Щ(<),12^т + 1;

- д

при к = \,

-(Д+u) при 2йкйт + 1.

Из уравнения (4) и предыдущих формулмя X,(t) = const, njt) я const получим

Р[ s.v.t ] = Хр*(0 =

= ZZ

*-0 у-о

Z А(°)

exp (z/)

(5)

где Ь/(1=(-Г‘^-

/-0

{20.г,...2т} - спектр матрицы Э8 ; {2о1к,г|1к.....гт.;1к} -

спектр матрицы Э|к — главного минора матрицы 0$ .

Из (5) следует выражение для среднего времени жизни рассматриваемой искусственной нейронной сети:

Т[ s.v ] = J P[s,p;f]df =

ш m 1 m

=Z Z ITT Z b/-*P/(°)-1.0 j. 0 |z/|l-0

(6)

В этом случае система уравнений (4) решается методом дискретизации путем замены функций А.^) специально подобранными кусочно-постоянными функциями.

Для задачи 3 уравнение (4) перепишем в виде

Т'(1) = (0 + цН)Р(1) (7)

где 0 = £ О, (0 •а матрицы О, и Н определяются сле-дующимобразом:

<?,=

ДО) 0 0 0 0

-т 0 0 0

0 «,(2) -Д (з) - 0 0

0 0 0 • -А (я0

0 0 0 • <*,(т) ~1

0 1 0 0 • • 0 0 0

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

0 -1 1 0 • • 0 0 0

0 0 -1 1 • • 0 0 0

н =

0 0 0 0 • • 0 -1 1

0 0 0 0 • • 0 0 -1

жённого решения можно воспользоваться методом дискретизации, которым были решены аналогичные задачи 1 и 2, соответственно, для ИНС Бл со «статическим» резервированием [7].

В отличие от указанных задач 1 и 2, при решении задач 4 и 5 используется множество

S*(m) =

■ ч

«г 2Х = ю-

/-1

Е*Р*ДО

Задача 3 есть типичная задача оптимального управления. Для уравнения (7) она рассматривалась в [4], [5] при условии нелинейной правой части по P(t) и в работе [6] при условии постоянных матриц Q, и Н и линейной правой части по P(t) только для случая m = 2, причем функционал качества содержал фазовые координаты. В этих работах задача 3 решалась классическим методом Понтрягина.

Используя специальный вид матриц Q, Н и независимость функционала U[/i] от фазовых координат в [3] предложен метод локальных вариаций, легко реализуемый алгоритмически (1 ] и удобный для реализации на ПЭВМ.

Для структурно однородной искусственной нейронной сети с «динамическим») резервированием [ 1 ], которую обозначим Sn[q, n,s,A (t) ,т], то есть для такой ИНС, в процессе работы которой вектор резервирования s в зависимости от вида и места отказов ИН целенаправленно изменяется и производится перераспределение резервных искусственных нейронов между q группами, сформированными перед началом работы ИНС SB, рассматриваются следующие две задачи оптимизации функциональной надежности сети SB.

Задача 4. Вычислить последовательность векторов резервирования s° 1,мак-

симизирующих вероятность безотказной работы ИНС SB последовательно в заданные моменты настройки x^Tj,....т, (I £ 1), т = 0, и в заданный момент времени t,, t( > тг

Задача 5. Определить количество настроек 1(1 к L),

нейронной сети S„, последовательность (т,,т2......т,)

моментов настройки и последовательность векторов резервирования s“ =(s|0„,s^„,...1sja)), отвечающих моментом настройки ти, 1 £ ш ^ 1, таким образом, чтобы вероятность безотказной работы ИНС SB в момент настройки и в момент времени t,, t, > т, были последовательно максимальными.

Получить точное решение задачи 4 и задачи 5 не представляется возможным. Поэтому для их прибли-

где (*] - целое число, ближайшее к данному;

т

- математическое ожидание случайной

*•0

величины я(тю) = 0,1,2,определяющей количество ИН, отказавших к моменту времени ти в нейронной сети Бв; Рк„(тм) — вероятность нахождения ИНС Б,, в момент времени тш в состоянии с к отказавшими ИН. При этом, очевидно,

т

Ер*»(г.Н-

а.о

Приближённое решение задач 4 и 5, с учётом базового алгоритма [7], доведённое до детализированных численных алгоритмов, удобных для реализации на современных ПЭВМ, дано в [8].

Библиографический список

1. Потапов В.И. Теоретические основы диагностики и оптимизации надёжности искусственных нейронных сетей / В.И. Потапов, И.В. Потапов — Омск : Изд-во ОмГТУ, 2004. - 152 с.

2. Потапов И.В. Решение задачи оптимального резервирования однородной адаптивной искусственной нейронной сети с замещением отказавших нейронов резервными при пуассоновском потоке отказов / И.В. Потапов // Омский научный вестник. — 2002. — Вып. 20. - С. 143-146.

3. Потапов В.И. Оптимизация функциональной надёжности избыточной, восстанавливаемой после отказов нейронов, «стареющей» искусственной нейронной сети / В.И. Потапов, И.В. Потапов // Информационные технологии. - 2004. — № 12. — С.19-26.

4. Брайсон А. Прикладная теория оптимального управления / А.Брайсон, Хо-Ю-Ши. — М. : Мир, 1972. — 544 с.

5. Флеминг У. Оптимальное управление детерминированными и стохастическими системами /У. Флеминг, Р. Ришел. — М. : Мир, 1978. — 316 с.

6. Федоренко Р.П. Приближенное решение задачи оптимального управления / Р.П. Федоренко. — М. : Наука, 1978. — 478 с.

7. Потапов В.И. Новые задачи оптимизации функциональной надежности искусственных нейронных сетей с замещением отказавших нейронов резервными / В.И. Потапов, И.В. Потапов // Докл.АН ВШ РФ. — 2003. — N8 1. - с.39-43.

8. Потапов В.И. Оптимизация функциональной надежности «стареющих» искусственных нейронных сетей нейрокомпьютеров с динамическим резервированием / В.И. Потапов, И.В. Потапов. — Докл. АН ВШ РФ. — 2004. — № 3.- С.76-81.

ПОТАПОВ Виктор Ильич, доктор технических наук, профессор, заслуженный деятель науки и техники РФ, зав. кафедрой информатики и вычислительной техники.

644050, г. Омск, пр. Мира, 11

Дата поступления статьи в редакцию: 14.04.2009 г.

© Потапов В.И.

ОМСКИЙ НАУЧНЫЙ ВЕСТНИК Ю 2 (ВО). 2009 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

i Надоели баннеры? Вы всегда можете отключить рекламу.