Максимов Н.В., Партыка Т.Л., Попов И.И. Архитектура ЭВМ и вычислительных систем (2005) (1186253), страница 56
Текст из файла (страница 56)
Если в свое время системы управления базами данныхпредназначались в основном для хранения текстовой и числовойинформации, то теперь они рассчитаны на самые различные видыданных, в том числе графические, звуковые и видео. Процессорыбаз данных выполняют функции управления и распространения,обеспечивают дистанционный доступ к информации через шлюзы,а также репликацию обновленных данных с помощью различныхмеханизмов тиражирования.Современные процессоры баз данных должны обеспечивать естественную связь накапливаемой в базах данных информации сосредствами оперативной обработки транзакций и Internet-приложе-3.4. Перспективные типы процессоров ЭВМ283ниями. Это должны быть системы, которые дают пользователямвозможность в любой момент обратиться к корпоративным данными проанализировать их вне зависимости от того, где эти данные размещаются.Решение таких задач требует существенного увеличения производительности таких систем.
Однако традиционная программнаяреализация многочисленных функций современных СУБД на ЭВМобщего назначения приводит к громоздким и непроизводительнымсистемам с недостаточно высокой надежностью. Необходим поискновых архитектурных и аппаратных решений. Интенсивные исследования, проводимые в этой области, привели к пониманию необходимости использования в качестве процессоров баз данных специализированных параллельных вычислительных систем. Созданиетакого рода систем связывается с реализацией параллелизма привыполнении последовательности операций и транзакций, а такжеконвейерной потоковой обработки данных.Потоковые процессорыПотоковыми называют процессоры, в основе работы которыхлежит принцип обработки многих данных с помощью одной команды.
Согласно классификации Флинна они принадлежат к SIMD-apхитектуре. Технология SIMD позволяет выполнять одно и то жедействие, например вычитание и сложение, над несколькими наборами чисел одновременно. SIMD-операции для чисел двойной точности с плавающей запятой ускоряют работу ресурсоемких приложений для создания контента, трехмерного рендеринга, финансовых расчетов и научных задач. Кроме того, усовершенствованывозможности 64-разрядной технологии ММХ (целочисленныхSIMD-команд); эта технология распространена на 128-разрядныечисла, что позволяет ускорить обработку видео, речи, шифрование,обработку изображений и фотографий. Потоковый процессор повышает общую производительность, что особенно важно при работе сSD-графическими объектами.Существуют однопотоковые процессоры (Single-streaming processor — SSP) и многопотоковые процессоры (Multi-Streaming Processor — MSP).Представителем потоковых процессоров является семействопроцессоров Intel начиная с Pentium III, в основе работы которыхлежит технология Streaming SIMD Extensions (SSE, потоковая обработка по принципу «одна команда — много данных»).
Эта технология позволяет выполнять такие задачи, как обработка речи, коди-284Глава 3. Вычислительные системырование и декодирование видео- и аудиоданных, разработка трехмерной графики и обработка изображений.Представителями класса SIMD считаются матрицы процессоров: ILLIAC IV, ICL DAP, Goodyear Aerospace MPP, ConnectionMachine 1 и т. п. В таких системах единое управляющее устройствоконтролирует множество процессорных элементов. Процессорныйэлемент получает от устройства управления в каждый фиксированный момент времени команду и выполняет ее над своими локальными данными.Нейронные процессорыОдно из наиболее перспективных направлений разработкипринципиально новых архитектур вычислительных систем тесносвязано с созданием компьютеров нового поколения на основепринципов обработки информации, заложенных в искусственныхнейронных сетях (НС).Первые практические работы по искусственным нейросетям инейрокомпьютерам начались еще в 40—50-е гг.
Под нейронной сетьюобычно понимают совокупность элементарных преобразователейинформации, называемых нейронами, которые определенным образом соединены друг с другом каналами обмена информации синоптическими связями.Одним из основных достоинств нейровычислителя является то,что его основу составляют относительно простые, чаще всего однотипные элементы, имитирующие работу нейронов мозга. Каждыйнейрон характеризуется своим текущим состоянием по аналогии снервными клетками головного мозга, которые могут быть возбуждены или заторможены.
Он обладает группой синапсов — однонаправленных входных связей, соединенных с выходами других нейронов,а также имеет аксон — выходную связь данного нейрона, с которойсигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Общий вид нейрона приведен на рис. 3.28, а.Каждый синапс характеризуется величиной синоптической связиили ее весом w,, который по физическому смыслу эквивалентенэлектрической проводимости.
Текущее состояние нейрона определяется как взвешенная сумма его входных сигналов:Выход нейрона есть функция его состояния: у =/(5), которая называется активационной. Известны различные виды таких функций,3.4. Перспективные типы процессоров ЭВМ285X-Рис. 3.28. Нейрон (а) и нейросеть (б)некоторые из которых представлены на рис. 3.29. Одной из наиболее распространенных является нелинейная функция с насыщением, так называемая сигмоидальная (логистическая) функция:1/(*) =1+еСостояния нейронов изменяются в процессе функционирования и составляют кратковременную память нейросети. Каждыйнейрон вычисляет взвешенную сумму пришедших к нему по синапсам сигналов и производит над ней нелинейное преобразование.При пересылке по синапсам сигналы умножаются на некоторый ве-11о таРис.
3.29. Типовые активационные функции:а — единичная пороговая функция; б — линейный порог (гистерезис); в — сигмоид (гиперболический тангенс); г — логистический сигмоид286Глава 3. Вычислительные системысовой коэффициент. В распределении весовых коэффициентов заключается информация, хранимая в ассоциативной памяти НС.При обучении и переобучении НС ее весовые коэффициенты изменяются. Однако они остаются постоянными при функционировании нейросети, формируя долговременную память.НС может состоять из одного слоя, из двух и большего числа,однако, как правило, для решения практических задач более трехслоев в НС не требуется. Число входов НС определяет размерностьгиперпространства, в-котором входные сигналы могут быть представлены точками или гиперобластями из близко расположенныхточек. Количество нейронов в слое сети определяет число гиперплоскостей в гиперпространстве.
Вычисление взвешенных сумм ивыполнение нелинейного преобразования позволяют определить, скакой стороны от той или иной гиперплоскости в гиперпространстве находится точка входного сигнала.В нейрокомпьютерах используются принципы обработки информации, осуществляемые в реальных нейронных сетях. Этопринципиально новые вычислительные средства с нетрадиционнойархитектурой позволяют выполнять высокопроизводительную обработку информационных массивов большой размерности.
В отличиеот традиционных вычислительных систем нейросетевые вычислители, аналогично нейронным сетям, дают возможность с большейскоростью обрабатывать информационные потоки дискретных инепрерывных сигналов, содержат простые вычислительные элементы и с высокой степенью надежности позволяют решать информационные задачи обработки данных, обеспечивая при этом режимсамоперестройки вычислительной среды в зависимости от полученных решений.Вообще говоря, под термином нейрокомпьютер подразумеваетсядовольно широкий класс вычислителей.
Это происходит по тойпричине, что формально нейрокомпьютером можно считать любуюаппаратную реализацию нейросетевого алгоритма от простой модели биологического нейрона до системы распознавания символовили движущихся целей. Нейрокомпьютеры не являются компьютерами в общепринятом смысле этого слова. В настоящее время технология еще не достигла того уровня развития, при котором можнобыло бы говорить о нейрокомпьютере общего назначения (которыйявлялся бы одновременно искусственным интеллектом).
Системы сфиксированными значениями весовых коэффициентов — вообщесамые узкоспециализированные из нейросетевого семейства. Обучающиеся сети более гибки к разнообразию решаемых задач. Такимобразом, построение нейрокомпьютера — это каждый раз широчай-3.4. Перспективные типы процессоров ЭВМ287шее поле для исследовательской деятельности в области аппаратнойреализации практически всех элементов НС.В то же время технология интегральной электроники близка кисчерпанию своих физических возможностей. Геометрические размеры транзисторов больше нельзя физически уменьшать: при технологически достижимых размерах порядка 1 мкм и меньше проявляются физические явления, незаметные при больших размерах активных элементов — начинают сильно сказываться квантовыеразмерные эффекты.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
