Алгоритмы теоретико-множественного анализа сложных вычислительных систем на базе нейропроцессоров

• Автор: Романчук, Виталий Александрович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Рязань
• Количество страниц: 204 с. : ил.

СОДЕРЖАНИЕ
Введение.

1 Анализ основных вопросов функционирования и анализа

нейропроцессорных устройств и систем.

1.1 Обзор и анализ функционирования нейропроцессорных устройств

1.1.1 Определение предметной области.

1.1.2 Обобщенная модель нейропроцессора.

1.2 Обзор программного обеспечения для анализа процессоров и

многопроцессорных систем.

1.2.1 Обзор средств анализа многопроцессорных систем.

1.2.2 Обзор средств анализа процессоров, выполняющих параллельный код

1.3 Анализ рассмотренного программного обеспечения.
1.4 Выводы по главе 1.
2 Разработка математического обеспечения анализа нейропроцессорных
систем.
2.1 Теоретикомножественный подход к анализу нейропроцессорных
систем.
2.1.1 Методика теоретикомножественного анализа НГ1С.
2.1.2 Классификация вычислительных структур на базе нейропроцессоров
2.1.3 Выбор критериев эффективности НПС.
2.2 Системный анализ НПС и оценка ее эффективности.
2.2.1 Системный анализ конвейерной структуры НПС и оценка ее эффективности.
2.2.2 Системный анализ векторной структуры НПС и оценка ее эффективности.
2.2.3 Системный анализ конвейерновекторной структуры НПС и оценка ее эффективности.
2.2.4 Системный анализ векторноконвейерной структуры МПС
и оценка ее эффективности.
2.2.5 Системный анализ произвольной структуры НПС и оценка ее эффективности
2.3 Системный анализ архитектуры нейропроцессора
2.4 Выводы по главе 2.
3 Разработка алгоритмов анализа нейропроцессорных систем
3.1 Разработка алгоритмов определения связей элементов
вычислительной системы на базе нейропроцессоров.
3.2 Разработка алгоритмов определения вида структуры НПС на
основе описания связей ее элементов.
3.3 Исследование закономерностей функционирования
нейропроцессора и разработка алгоритмов его анализа и оценки эффективности
3.4 Исследование закономерностей функционирования МПС и
разработка алгоритмов ее анализа и оценки эффективности
3.5 Выводы по главе 3.
4 Описание программного комплекса НейроКС и экспериментальное
исследование полученных теоретических результатов.
4.1 Постановка задачи разработки программных средств
4.2 Описание программного комплекса НейроКС.
4.3 Экспериментальное исследование с использованием программного
комплекса НейроКС
4.3.1 Исследование НПС реализации алгоритма шифрования по методу ГОСТ 7
4.3.2 Результаты экспериментального исследования
4.4 Выводы по главе 4.
Основные результаты и выводы.
Список использованных источников


Поэтому будем использовать понятие нейрокомпьютера, предложенное в []: нейрокомпьютер - это вычислительная система с архитектурой аппаратного и программного обеспечения, адекватной выполнению алгоритмов, представленных в нсйросстевом логическом базисе. Соответственно, нейропроцессор - его основное обрабатывающее устройство. Нейрокомпьютеры - это ЭВМ нового, 6-го поколения (рисунок 1. ИНС), обученных с использованием специально подобранных исходных данных. Рисунок 1. Процесс эволюции компьютеров Для более детального определения понятия ’‘нсйропроцессор” проведем аналогию нейрокомпьютеров с параллельными компьютерами [. Вычислительные системы с массовым параллелизмом на базе каскадного соединения универсальных процессоров: SISD (Single Instruction, Single Data), SIMD (Single Instruction, Multiple Data). MISD (Multiple Instruction. Single Data). Элементной базой являются RISC, CISC процессоры: Intel, AMD, Sparc, Alpha, Power PC, MIPS и т. Нейросетевые системы, реализованные на аппаратных платформах этого направления будем относить к нейроэмулягорам, т. На базе процессоров с распараллеливанием на аппаратном уровне (элементная база - DSP процессоры: TMS, ADSP, Motorola, Siemens MAI6, NM). Вычислительные многопроцессорные системы на специализированной элементной базе. Элементной базой являются различные устройства, начиная от специализированных однобитовых процессоров до нейрочипов. В данной работе будем рассматривать системы именно второго и третьего направления. Если системы выполнены с использованием плат расширения, то их следует относить к нейроускорителям, в противном случае к нейрокомпьютерам. Для однозначного определения типов устройств, приведем классификацию нейрочипов (рисунок 1. Рисунок 1. Классификация нейрочипов Далее в работе будем рассматривать наиболее распространенные современные цифровые нейрочипы, которые выделены на рисунке 1. Современным будем считать процессор, если он представлен после года и широко используется в различных устройствах в настоящее время. Из всего множества разработчиков можно выделить Intel, Analog Devices, Siemens, Texas Instruments, Sundance, Научно-технический центр (НТЦ) “Модуль”. Instruments, так как разработки этой компании очень широко распространены как в России, так и за рубежом [] и НТЦ ’’Модуль” - отечественного научно-технического центра, специализирующегося на нейропроцессорных устройствах различного применения, в том числе в военной и космической технике. Описание нейропроцессоров семейства NM0x НТЦ “Модуль”, нейроироцессоров фирмы Texas Instruments, а также программного обеспечения для них, приведено в приложении 1. Обобщенна)! Одним их важных отличий нейропроцессора от классических параллельных систем является то, что для решения задач они используют не заранее разработанные алгоритмы, а результаты функционирования множества ИНС для заданных входных данных. ИНС предварительно обучены с использованием специальным образом подобранных примеров []. На рисунке 1. Такую схему можно назвать обобщенной, так как она поясняет принцип работы любого нейрокомпьютера независимо от его конструктивного исполнения. Рисунок 1. Структурная схема абстрактного нейрокомпьютера Основным операционн 1,1 м блоком, его процессором, является искусственная нейронная сеть. Она не производит вычислений, как эго делает арифметико-логическое устройство машин фон Неймана, а трансформирует входной сигнал в выходной в соответствии со своей топологией и значениями коэффициентов межнейронных связей. В запоминающем устройстве хранится не программа решения задачи, как в машинах фон Неймана, а программа изменений коэффициентов связи между нейронами. Устройства ввода и вывода информации выполняют те же функции, что и в машинах фон Неймана. Устройство управления служит для синхронизации работы всех структурных блоков нейрокомпьютера при решении конкретной задачи. В работе абстрактного нейрокомпьютера выделяют два главных режима - обучение и рабочий режим. Для того, чтобы нейрокомпьютер решал требуемую задачу, его нейронная сеть должна пройти обучение. Суть обучения заключается в настройке коэффициентов межнейронных связей на совокупность входных образов поставленной задачи.