Разработка и исследование методов построения отказоустойчивых нейропроцессорных систем

• Автор: Катаев, Борис Владимирович
• Шифр специальности: 05.13.15
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Таганрог
• Количество страниц: 187 с. : ил

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1. АНАЛИЗ ТРАДИЦИОННЫХ МЕТОДОВ И ПРИНЦИПОВ ПОСТРОЕНИЯ

ОТКАЗОУСТОЙЧИВЫХ НЕЙРОПРОЦЕССОРНЫХ СИСТЕМ

1.1. Обзор методов исследования надежностных моделей нейропроцессорных систем 1

1.2. Эвристический эволюционный анализ классификационных моделей нейропроцессорных систем

1.3. Методы исследования функциональной надежности нейропроцессорных систем

1.4. Оценки надежности нейропроцессорных систем

1.4.1. Оценки надежности аппаратных средств нейропроцессорных систем

1.4.2. Оценки надежности программных средств нейропроцессорных систем

1.5. Выводы
2. СИНТЕЗ КОМПЛЕКСНОЙ МОДЕЛИ НЕЙРОПРОЦЕССОРНАЯ СИСТЕМА АВТОМАТ КОНТРОЛЯ ДЛЯ ФУНКЦИОНИРОВАНИЯ В РЕАЛЬНОМ МАСШТАБЕ ВРЕМЕНИ
2.1. Оценка характеристик надежности нейропроцессорных систем по результатам эксплуатации
2.2. Синтез математической модели надежности нейропроцессорная система автомат контроля при ординарном простейшем потоке отказов
2.2.1. Синтез математической модели надежности НГ1САК при идеальных условиях
2.2.2. Синтез математической модели надежности НПСАК при реальных условиях
2.3. Определение асимптотических оценок характеристик автомата контроля для достижения заданного уровня надежности нейропроцессорной системы
2.4. Выводы
3. АЛГОРИТМЫ ДИАГНОСТИКИ НЕЙРОПРОЦЕССОРНОГО СЛОЯ В БАЗИСЕ ОДНОРОДНЫХ МАТРИЧНЫХ ЭЛЕМЕНТОВ
3.1. Алгоритм функционирования нейропроцессорного слоя
3.2. Математическая модель матричной структурной схемы нейропроцессорного слоя
3.3. Методы обеспечения отказоустойчивости нейропроцессорного слоя, представленного однородной матрицей НЭ
3.4. О выборе направления реконфигурации нейропроцессорного слоя
3.5. Выводы
4. ИНЖЕНЕРНАЯ МЕТОДИКА ПРОЕКТИРОВАНИЯ ОТКАЗОУСТОЙЧИВЫХ НЕЙРОПРОЦЕССОРНЫХ СИСТЕМ
4.1. Структурный синтез нейропроцессорных систем
4.2. Анализ нейропроцессорной системы управления мобильным роботом, как
объекта контроля и диагностики
4.3. Анализ систем встроенного контроля и диагностики нейропроцессорной
системы управления мобильным роботом
4.4. Разработка математической модели надежности автомат контроля нейропроцессорная система управления мобильным роботом
4.5. Синтез функциональных контрольных точек автомата контроля
4.6. Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Борисюком [7] высказано обобщающее мнение, что применение нейрокомпьютиига основано на использовании гибридных методов: размытых множеств, генетических алгоритмов, методов статистического оценивания и принятия решения. Критериев количественной оценки "силы (мощности)" ИИ нет, хотя были безуспешные попытки их разработки, а психологические тесты для определения "индекса интеллекта" (IQ) несовместимы с ИИ. ИИ проявляется как аппаратно-программный инструментарий, то есть как "кажущийся" интеллект в машинах и приборах. Согласно [8] поставленная задача считается интеллектуальной, если ее алгоритм решения априори неизвестен, а значит поиск и построение решения невозможен без привлечения интеллектуальных (умственных) действий. Очевидно, что для программной и/или аппаратной реализации вышеуказанный алгоритм должен быть разработан в законченном виде. Следовательно, овеществленный ИИ интеллектуален в той мере, сколько интеллекта вложил в него человек. К настоящему времени известен ряд парадигм, моделей нейросетей (НС) и их модификаций []. Хотя следует отметить отсутствие строгого и формального определения НС, более того не определена и сама предметная область нейрокомпьютинга [9]. Нейрокомпьютинг как техническое направление станет одним из направлений традиционной вычислительной техники и сведется к разработке быстрых матричных процессоров для традиционных компьютеров. Как самостоятельное направление нейрокомпьютинг может рассматриваться только в связи с созданием специализированных чипов, реализующих различные нейросегевые алгоритмы [7]. Э.Ота [7] считает, что нейрокомпьютинг мог выбрать две дороги, одна из которых - это путь нелинейной статистики, что сегодня и происходит. Другая дорого пока трудна, но перспективна: заглянуть внутрь работы реальных НС нервной системы и разработать модели нейронов и НС более совершенных, чем существующие и основанные на персептронах Розенблатта пяти десятилетней давности. Под теорией НС уже много лет понимается [] раздел математической логики, связанный с разработкой методов и алгоритмов построения и адаптации многослойных НС различной структуры, работающих в различных режимах и рассматриваемых, как правило, безотносительно к конкретной решаемой математической задаче. Фролов A. A. считает, ”. Нейрокомпьютер -это фактически быстрый матричный процессор. Наиболее естественным продолжением нейрокомпьютинга является создание антропоморфного робота. В следующем десятилетии нейрокомпьютинг, как техническое направление, станет одним из направлений традиционной вычислительной техники и сведется к разработке быстрых матричных процессоров для традиционных компьютеров" [7]. Поскольку нейросетевой подход тесно связан с другими дисциплинами, так, что те или иные приложения НС могут быть названы нейронными или нет в зависимости от точки зрения" [7]. Фундаментальные отличия между традиционными ЭВМ и нейрокомпьютерами заключаются в том, что нейрокомпьютеры являются аналоговыми или гибридными и программируются структурно, а традиционные ЭВМ являются цифровыми и программируются микропрограммно. Анализ большинства работ как теоретического, так и прикладного характера связанных с многослойными НС, по мнению А. И.Самарина [7], сводит НС к нейросетевым адаптивным интерполяторам (аппроксиматорам, экстраполяторам). НС обычно имеет избыточность связей, которых слишком много для решения конкретных задач контроля и управления. Следовательно ее (НС) можно "прореживать” так, чтобы остались только необходимые связи. Или использовать эту избыточность для обеспечения систем управления необходимым уровнем надежности путем реконфигурации. Все авторы [7] едины в том, что нейросстевой парадигмой можно назначить триаду: "Топология - Т, алгоритм функционирования - Р, алгоритм обучения - Е” - являющейся концептуальной моделью НС. А.И. НС независимо от их настройки. И так, в рамках доминирующей парадигмы НС, является концептуальная модель <Т, Р, Е>. При таком определении любая техническая реализация удовлетворяющая данной триаде, является НС и/или нейрокомпьютером независимо от используемого элементного базиса.