Вопросы надежности самоорганизующихся нейрокомпьютерных систем Текст научной статьи по специальности «Компьютерные и информационные науки»

♦ при моделировании нейронных цепей, состоящих из нескольких нейронов, отрабатываются алгоритмы и схемы отдельных ЦНП;

♦ при воспроизведении более сложных нейронных цепей отрабатываются связи между ЦНП, включая модификацию синаптической передачи;

♦ при использовании технологии СБИС можно разрабатывать моделирующие нейропроцессорные сети, позволяющие полностью имитировать процессы как в отдельном ганглии, так и во всей нервной системе простейшего животного.

В докладе рассмотрены конкретные схемы постановки биоэлектрон-ных экспериментов для моделирования нейронных цепей абдоминального ганглия аплизии. Учитывая, что проведение таких экспериментов позволяет ввести объективный критерий истины при моделировании нейрофизиологических процессов, можно предположить, что подобные эксперименты со временем широко войдут в практику биологической науки и приведут к ее ускоренному развитию.

ЛИТЕРАТУРА

1. Кэпдел Э. Клеточные основы поведения. М.: Мир, 1980.

2. Чернухин Ю.В. Искусственный интеллект и нейрокомпьютеры. Таганрог: Изд-во ТРТУ, 1997. 273 с.

УДК 681.32

Ю.В. Чернухин, Б.В. Катаев

ВОПРОСЫ НАДЕЖНОСТИ САМООРГАНИЗУЮЩИХСЯ НЕЙРОКОМПЫОТЕРНЫХ СИСТЕМ

Создание и развитие нейрокомпьютерных систем (НС), их усложнение и широкое использование в практических целях (решение задач распознавания, прогнозирования, управления и т.п.) ведет к необходимости исследования вопросов их надежности и функциональной устойчивости. При рассмотрении этих вопросов необходимо учитывать то, что НС способны к обучению, а самоорганизующиеся нейрокомпьютерные системы (СНС), сохраняя все качества традиционных искусственных нейросетей, дополнительно обладают свойством структурной адаптации. Благодаря этому свойству они могут, в принципе, не только оптимизировать процессы решения реализуемых ими задач, но и обеспечивать надежность собственного функционирования. Учитывая то, что наряду с мощной, подлежащей контролю аппаратной нейропроцессорной частью, СНС, как правило, содержат и реализуемую на ЭВМ общего назначения, решающую вопросы самоорганизации, программную часть, эту программную часть целесообразно применять для организации их контроля и повышения надежности. Именно такой подход рассматривается в данном докладе, где предлагается двухуровневая подсистема контроля как входящих в состав СНС самоорганизующихся нейропроцессорных сетей (НПС), так и СНС в целом.

Первый программно-аппаратный уровень подсистемы контроля строится по принципу "дези-кольца" с использованием функциональных контрольных точек НПС. Он позволяет непрерывно контролировать тех-

Секция вычислительной техники

ническую исправность нейропроцессорной сети. При появлении сигнала о неисправности программная часть первого уровня переводит НПС в дежурный режим и запускает тестирующую программу, которая выделяет неисправный нейропроцессор (НП) и, если это возможно, меняет маршрут прохождения задачи в НПС. После этого включается программа самоорганизации сети, в процессе реализации которой неисправный НП как бы выталкивается из нее.

Так как параметры самоорганизующихся НС не являются постоянными (особенно в процессе обучения), для контроля их функциональной устойчивости используется второй уровень подсистемы контроля. Его особенность состоит в том, что контроль осуществляется не непрерывно, а только в свободные от основной работы дискретные промежутки времени путем подачи тестовых заданий. Тестовые задания формируются управляющей программой в соответствии с текущей структурой СНС, ее параметрами и решаемой задачей.

Предварительные исследования показали, что рассматриваемая в докладе двухуровневая подсистема контроля позволяет с минимальными аппаратными затратами (не более 15% от общих аппаратных затрат) значительно повысить надежность и функциональную устойчивость самоорганизующихся нейрокомпьютерных систем.

УДК 681.3

В.А. Каляев, А.И. Костюк ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ

В настоящее время традиционный подход к определению производительности вычислительных систем не представляется корректным. Большинство современных алгоритмов выполняет больше передач данных, чем арифметических операций, и большинство современных вычислительных систем ограничено как раз в способности передавать данные, а не в способности передавать арифметические операции. Кроме того, результаты подхода к оценке производительности векторных и параллельных вычислительных систем может привести к заведомо недостоверным результатам.

В последнее время появился критерий оценки производительности как “качество решения, полученное за фиксированное время”. При таком подходе задачу создания эталонного теста можно свести к выбору некоторой математической функции, численное моделирование которой приводит к лавинообразному нарастанию на каждом временном шаге количества обрабатываемых данных и информационных потоков между блоками вычислительной системы. При соответствующем выборе такой функции можно создать компактный эталонный тест, не требующий при своем применении значительных накладных расходов и, следовательно, пригодный для достоверной оценки комплексной производительности, как существующих вычислительных систем, так и систем, находящихся в стадии разработки.

Однако при запуске на такой системе единичной задачи, ей выделяются все ресурсы системы, и, таким образом, не тестируются подсис-