Анализ и разработка методики и алгоритмов имитационного исследования однородных нейроподобных структур

• Автор: Карасюк, Владимир Васильевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 1984
• Место защиты: Харьков
• Количество страниц: 276 c. : ил

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ . ..

ГЛАВА I. СОСТОЯНИЕ ПРОБЛЕМЫ ПОСТРОЕНИЯ

однородных вычислительных структур

И ИССЛЕДОВАНИЕ ПРОГРАММНЫХ СРЕДСТВ

ДИСКРЕТНОГО МОДЕЛИРОВАНИЯ.

1.1 Однородные структуры Особенности построения и функционирования

нейроподобных ОВС

1.2 Моделирование при анализе и синтезе

однородных дискретных структур

1.3 Средства моделирования дискретных

процессов. Языки, системы, комплексы
1.4 Постановка задачи исследования нейроподобной однородной вычислительной структуры.
ВЫВОДЫ ПО ГЛАВЕ I.
ГЛАВА 2. АНАЛИЗ И РАЗРАБОТКА МЕТОДИКИ,
МОДЕЛИРУЮЩЕГО АЛГОРИТМА И СТРУКТУРЫ ИМИТАЩОННОГО КОМПЛЕКСА.
2.1 Методика имитационного исследования
и моделирующий алгоритм комплекса
2.2 Разработка принципов построения основных алгоритмов имитационного комплекса .
2.2.1 Алгоритм планирования эксперимента и
принцип работы блока контрольная точка .
2.2.2 Разработка методики уменьшения количества моделируемых особых событий и организации автоматического управления моделированием . . .
2.2.3 Организация диалога исследователя и
системы моделирования
2.3 Функциональная организация имитационного
комплекса
вывода ПО ГЛАВЕ 2.
ГЛАВА 3. РАЗРАБОТКА ОСНОВНЫХ АЛГОРИТМОВ
ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ИКДМ.
3.1 Разработка алгоритмов
управляющей части
3.1.1 Управляющий блок.
3.1.2 Блок планирования эксперимента
3.1.3 Блок настройки и функции настройки
3.1.4 Блок статистической обработки . ИЗ
3.2 Разработка алгоритмов
операционной части
3.3 Организация данных
3.4 Метрические характеристики
разработанных программ
ВЫВОДЫ ПО ГЛАВЕ 3.
ГЛАВА 4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ
ИМИТАЦИОННОГО КОМПЛЕКСА ДЛЯ
ИССЛЕДОВАНИЯ ОДНОРОДНЫХ СТРУКТУР
4.1 Исследование модели ОВС при реализации
операций размножение, деление, сложение . .
4.2 Моделирование решения разностного
уравнения на ОВС
4.3 Применение комплекса для исследования
структур типа склад .
4.4 Сравнительный анализ возможностей ИКДМ
ВЫВОДЫ ПО ГЛАВЕ 4
ЗАКЛЮЧЕНИЕ.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ


Поведение элементов третьего подмножества аналогично поведению элементов второго подмножества: приняв SB элементы возвращают генераторам квитанции и переходят в состояния CSV . GSV ( рис. Затем по истечении времени Т0 , т. Ig стает равным Tog , элементы первого подмножества перейдут в состояние Р . Следует отметить, что отказ любого из элементов модели не приведет к выходу со строя всей структуры. Такое событие может привести к уменьшению на единицу количества выходных сигналов из подмножества 2 и (или) 3. Но и подобное уменьшение числа выходных сигналов происходит не всегда - если отказал элемент 2 или 3 подмножества и времена остальных элементов этого подмножества малы, то любой элемент, успешно сгенерировавший сигнал, перейдет в состояние 0 , а затем и Р . Это будет аналогично появлению в данном подмножестве еще одного элемента в исходном состоянии. Распределение времени завершения процесса размножения существует также из-за вероятностных характеристик информационных взаимодействий,асинхронности работы всех НПЭ и многих других факторов. Большое количество составляющих нейроподобную структуру элементов и вероятностный принцип работы НПЭ усложняют проблему создания однородной структуры с заданными свойствами по надежности, быстродействию, точности выполнения операций с минимальным количеством составляющих элементов. Это обстоятельство приводит к необходимости использования средств имитационного моделирования в процессе синтеза нейроподобной ОВС. При исследовании систем, отличающихся высокой степенью сложности и состоящих из громадного числа элементов, априори неприменим "технический" подход, основанный на анализе отдельных элементов и описании всех связей между ними. Это обстоятельство обусловило закономерное использование статистического подхода к исследованию сложных систем, который ориентированн на определение параметров, описывающих не отдельный элемент, а всю систему М. Метод статистического моделирования является одним из немногих методов решения многомерных задач, позволяющий учесть все многообразие факторов. Методом Монте-Карло можно решать также задачи невероятностного происхождения, например системы линейных уравнений [] . Следует подчеркнуть,что принципы оптимизации вычислительных моделей играют в теории метода фундаментальную роль,так как погрешность расчета с увеличением числа N смоделированных траекторий убывает медленно как(1/|^). По определению в [] имитационная модель характеризуется следующими особенностями: большой размерностью по числу переменных и связей между элементами модели; стохастическим характером, нелинейностью, ограничениями различных типов, различными математическими описаниями элементов модели, реализация™, зависящими от времени. Имитационное моделирование является одним из наиболее эффективных методов исследования в случае, когда еще не существует законченной математической постановки задачи, либо не разработаны аналитические методы решения сформулированной математической модели, или когда аналитические методы имеются, но математические процедуры столь сложны, что имитационное моделирование дает более простой способ решения. Также имитационное моделирование следует применять в случаях, когда кроме оценки определенных параметров желательно осуществить наблюдение за ходом процесса в течение определенного периода [зО - ]. Этап построения модели является наиболее сложным. Это связано с тем, что необходимо представить процесс функционирования взаимодействующих объектов в виде квазипараллельного процесса взаимодействия моделей объектов. Любая модель достаточно адекватно может быть описана в терминах событий, процессов, ситуаций, движений объектов (транзактов). Формальное описание модели в общем случае состоит из схемы сопряжения (описание адресации сигналов в системе) и элементов, представляющих собой модели динамических объектов в широком смысле. На этапе построения модели исследователь выбирает необходимую точность, в какой-то степени зависящую от качества компонентов машины, объема регистров памяти, числа значащих разрядов и выбранных численных методов решения.