Организация распределенной вычислительной среды для синтеза системы распознавания летательных аппаратов

Организация распределенной вычислительной среды для синтеза системы распознавания летательных аппаратов

Автор: Аракчеев, Павел Владимирович

Шифр специальности: 05.13.15

Научная степень: Кандидатская

Год защиты: 2003

Место защиты: Москва

Количество страниц: 124 с. ил.

Артикул: 2616069

Автор: Аракчеев, Павел Владимирович

Стоимость: 250 руб.

Содержание
Введение
1. Система распознавания летательных аппаратов
1.1. Задача распознавания летательных аппаратов .
1.2. Источники информации о поверхности летательных аппаратов .
1.3. Методы формирования пространства признаков изображений летательных аппаратов .
1.4. Методы распознавания образов по значениям информативных признаков
1.5. Выводы
2. Разработка и экспериментальные исследования алгоритмов
распознавания летательных аппаратов .
2.1. Алгоритмы вычисления информативных признаков контрастных изображений летательных аппаратов
2.2. Алгоритмы распознавания летательных аппаратов по значениям информативных признаков контрастных изображений .
2.3. Постановка задачи исследования алгоритмов распознавания летательных аппаратов по контрастным изображениям .
2.4. Результаты экспериментов
2.5. Вычислительные затраты на синтез системы распознавания летательных аппаратов
2.6. Выводы
3. Методы и средства реализации алгоритмов обучения
нейронной сети
3.1. Реализация алгоритмов обучения нейронной сети в многопроцессорных вычислительных системах
3.2. Алгоритм обучения нейронной сети и метлы его распараллеливания
3.3. Выводы
4. Разработка архитектуры распределенной вычислительной
4.1. Реализация алгоритма обратного распространения ошибки средствами локальной вычислительной сети
4.2. Организация обмена данным между процессорными узлами распределенной вычислительной среды
4.3. Архитектура и программное обеспечение распределенной вычислительной среды
4.4. Выводы
Заключение
Литература


Разработка распределенной вычислительной среды на основе существующих сетей ЭВМ обеспечивает ускорение обучения НС при минимальных затратах на дополнительное оборудование, хотя и не исключает применения специализированных аппаратных компонентов для дополнительного увеличения быстродействия вычислительной системы. Целыо работы является разработка архитектуры распределенной вычислительной среды для синтеза систем распознавания летательных аппаратов. Разработка архитектуры распределенной вычислительной среды, позволяющей ускорить обучение нейронных сетей. Исследование потоков данных, передаваемых по сетевому каналу в распределенных реализациях алгоритма обучения нейронных сетей. Исследование влияния числа процессорных узлов распределенной вычислительной среды на скорость обучения нейронной сети. Оценка оптимального числа процессорных узлов распределенной вычислительной среды, предназначенной для обучения нейронных сетей. Разработка широковещательного сетевого протокола с гарантированной доставкой пакетов для обучения нейронных сетей в распределенной вычислительной среде. Исследование влияния организации и технических характеристик сетевого канала на скорость обучения нейронных сетей в распределенной вычислительной среде. Методы исследования. В работе использовались методы теории синтеза дискретных систем, нейроматематики, математической статистики и объектно-ориентированного программирования. Научная новизна работы. Предложена архитектура распределенной вычислительной среды, предназначенной для решения задач синтеза системы распознавания Л А, которая позволяет сократить длительность обучения НС средствами сети ЭВМ. На основе проведенного анализа потоков данных в сетевом канале распределенной вычислительной среды разработан широковещательный сетевой протокол с гарантированной доставкой данных, отличающийся от стандартных протоколов применением узла коммутации оповещений, который позволяет повысить эффективность использования сетевого канала в распределенной вычислительной среде. Предложены новые способы распараллеливания алгоритма обучения НС, адаптированные для распределенной вычислительной среды, которые позволяют повысить скорость обучения НС на различных этапах синтеза системы распознавания летательных аппаратов. Защищаемые положения. Архитектура распределенной вычислительной среды для синтеза системы распознавания летательных аппаратов. Широковещательный сетевой протокол с гарантированной доставкой пакетов для реализации алгоритма обучения нейронной сети в распределенной вычислительной среде. Алгоритм вычисления информативных признаков изображений ЛА. Результаты решения задачи распознавания летательных аппаратов с использованием нейронной сети. Практическая ценность работы. Результаты работы реализованы в НИР «Юпитер» и «Изображение», выполненных в НИИ Радиоэлектоники и Лазерной техники МГТУ им. Н.Э. Баумана. Апробация работы. Основные результаты работы докладывались автором на всероссийской конференции «Нейрокомпьютеры и их применение» (Москва, г. Advanced Computer Systems» (Шецин, г. Публикации. По результатам работы опубликованы четыре печатные работы. Личный вклад автора работы. Результаты, представленные в диссертационной работе, получены автором самостоятельно. Для получения экспериментальных данных, представленных во второй главе диссертации, были использованы математические модели поверхностей летательных аппаратов F и МиГ-, предоставленные автору работы научно-исследовательским институтом Радиоэлектроники и лазерной техники Московского государственного технического университета им. Н.Э. Баумана. Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и списка литературы. Содержание работ ы. Во введении обосновывается выбор темы диссертации. В первой главе проведен анализ методов получения информации о поверхности JIA для решения задачи распознавания. Выявлены недостатки существующих подходов к проблеме распознавания изображений применительно к задаче распознавания JIA. Предложено использовать для распознавания JIA признаки контрастных изображений, инвариантные к афинным преобразованиям изображения. Проведен анализ методов распознавания образов по значениям информативных признаков, который обосновывает выбор НС для построения системы распознавания J1A.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.272, запросов: 244