Попов И.И., Матвеев А.А., Максимов Н.В. Архитектура электронно-вычислительных машин и систем (2004) (1186255), страница 32
Текст из файла (страница 32)
Альтернативным вариантом являетсяаппроксимация гиперповерхности линейными гиперплоскостями.Понятно, что при этом точность аппроксимации зависит от числаиспользуемых гиперплоскостей, которая, в свою очередь, зависит отчисла нейронов в сети. Отсюда возникает потребность в аппаратнойреализации как можно большего числа нейронов в сети. Количествонейронов в одном слое сети определяет ее разрешающую способность.Однослойная НС не может разделить линейно зависимые образы.Поэтому важно уметь аппаратно реализовывать многослойные НС.Искусственные нейронные сети отличаются удивительнымисвойствами. Они не требуют детализированной разработкипрограммного обеспечения и открывают возможности решения задач,для которых отсутствуют теоретические модели или эвристическиеправила, определяющие алгоритм решения.
Такие сети обладаютспособностьюадаптироватьсякизменениямусловийфункционирования, в том числе к возникновению заранеенепредусмотренных факторов. По своей природе НС являютсясистемами с очень высоким уровнем параллелизма.В нейрокомпьютерах используются принципы обработкиинформации, осуществляемые в реальных нейронных сетях. Этопринципиально новые вычислительные средства с нетрадиционнойархитектуройпозволяютвыполнятьвысокопроизводительнуюобработку информационных массивов большой размерности. В отличиеот традиционных вычислительных систем нейросетевые вычислители,аналогично нейронным сетям, дают возможность с большей скоростьюобрабатывать информационные потоки дискретных и непрерывных181сигналов, содержат простые вычислительные элементы и с высокойстепенью надежности позволяют решать информационные задачиобработки данных, обеспечивая при этом режим самоперестройкивычислительной среды в зависимости от полученных решений.Вообще говоря, под термином "Нейрокомпьютер" в настоящеевремя подразумевается довольно широкий класс вычислителей.
Этопроисходит по той простой причине, что формально нейрокомпьютеромможно считать любую аппаратную реализацию нейросетевогоалгоритма от простой модели биологического нейрона до системыраспознавания символов или движущихся целей. Нейрокомпьютеры неявляются компьютерами в общепринятом смысле этого слова.
Внастоящее время технология еще не достигла того уровня развития, прикотором можно было бы говорить о нейрокомпьютере общегоназначения (который являлся бы одновременно искусственныминтеллектом). Системы с фиксированными значениями весовыхкоэффициентов - вообще самые узко специализированные изнейросетевого семейства. Обучающиеся сети более гибки кразнообразию решаемых задач.
Таким образом, построениенейрокомпьютера - это каждый раз широчайшее поле дляисследовательской деятельности в области аппаратной реализациипрактически всех элементов НС.В начале 21-го века, в отличие от 40-50-х годов прошлогостолетия, есть объективная практическая потребность научиться делатьнейрокомпьютеры, т.е. необходимо аппаратно реализовать довольномногопараллельнодействующихнейронов,смиллионамификсированных или параллельно адаптивно модифицируемых связейсинапсов, с несколькими полносвязными слоями нейронов.В то же время технология интегральной электроники близка кисчерпанию своих физических возможностей.
Геометрические размерытранзисторов больше нельзя физически уменьшать: при технологическидостижимых размерах порядка 1 мкм и меньше проявляются физическиеявления, незаметные при больших размерах активных элементов начинают сильно сказываться квантовые размерные эффекты.Транзисторы перестают работать как транзисторы.Для аппаратной реализации НС необходим новый носительинформации. Таким новым носителем информации может быть свет,который позволит резко, на несколько порядков, повыситьпроизводительность вычислений.Единственной технологией аппаратной реализации НС, способнойв будущем прийти на смену оптике и оптоэлектронике, являетсянанотехнология, способная обеспечить не только физически предельновозможную степень интеграции субмолекулярных квантовых элементовс физически предельно возможным быстродействием, но и стольнеобходимую для аппаратной реализации НС трехмерную архитектуру.182Длительное время считалось, что нейрокомпьютеры эффективныдля решения так называемых неформализуемых и плохо формализуемыхзадач, связанных с необходимостью включения в алгоритм решениязадачи процесса обучения на реальном экспериментальном материале.
Впервую очередь к таким задачам относилась задача аппроксимациичастного вида функций, принимающих дискретное множество значений,т. е. задача распознавания образов.В настоящее время к этому классу задач добавляется класс задач,иногда не требующий обучения на экспериментальном материале, нохорошо представимый в нейросетевом логическом базисе. К нимотносятся задачи с ярко выраженным естественным параллелизмомобработки сигналов, обработка изображений и др.
Подтверждениемточки зрения, что в будущем нейрокомпьютеры будут болееэффективными, чем прочие архитектуры, может, в частности, служитьрезкое расширение в последние годы класса общематематических задач,решаемых в нейросетевом логическом базисе. К ним, кромеперечисленных выше, можно отнести задачи решения линейных инелинейных алгебраических уравнений и неравенств большойразмерности; систем нелинейных дифференциальных уравнений;уравнений в частных производных; задач оптимизации и других задач.Процессоры с многозначной (нечеткой) логикойИдея построения процессоров с нечеткой логикой (fuzzy logic)основывается на нечеткой математике.
Математическая теория нечеткихмножеств, предложенная проф. Л.А. Заде, являясь предметоминтенсивных исследований, открывает все большие возможности передсистемными аналитиками. Основанные на этой теории различныекомпьютерные системы, в свою очередь, существенно расширяютобласть применения нечеткой логики.Подходы нечёткой математики дают возможность оперироватьвходными данными, непрерывно меняющимися во времени изначениями, которые невозможно задать однозначно, такими, например,как результаты статистических опросов. В отличие от традиционнойформальной логики, известной со времен Аристотеля и оперирующейточными и четкими понятиями типа истина и ложь, да и нет, ноль иединица, нечеткая логика имеет дело со значениями, лежащими внекотором (непрерывном или дискретном) диапазоне.Рис. 17.
Различные типы функций принадлежности183Функция принадлежности элементов к заданному множествутакже представляет собой не жесткий порог "принадлежит - непринадлежит", а плавную сигмоиду, проходящую все значения от нулядо единицы. Теория нечеткой логики позволяет выполнять над такимивеличинами весь спектр логических операций - объединение,пересечение, отрицание и др.Рис. 18. Операции включения (А), объединения (В), пересечения (С) идополнения (D) НМСогласно теореме FAT (Fuzzy Approximation Theorem), доказаннойКоско, любая математическая система может быть аппроксимированасистемой, основанной на нечеткой логике.
Свое второе рождение теориянечеткой логики пережила в начале восьмидесятых годов, когда сразунесколько групп исследователей (в основном в США и Японии) всерьеззанялись созданием электронных систем различного применения,использующих нечеткие управляющие алгоритмы.
Используяпреимущества нечеткой логики, заключающиеся в простотесодержательногопредставления,можноупростить проблему,представить ее в более доступном виде и повысить производительностьсистемы.Задачи с помощью нечёткой логики решаются по следующемупринципу:1) численные данные (показания измерительных приборов, результатыанкетирования) фаззируются (переводятся в нечеткий формат);2) обрабатываются по определённым правилам;3) дефаззируются и в виде привычной информации подаются на выход.184Рис.
19. Архитектура нечеткого компьютера (МНВ - механизмнечеткого вывода)Оказалосьвозможнымсозданиенечеткогопроцессора,позволяющеговыполнятьразличныенечеткиеоперациииприближенные рассуждения (нечеткий вывод) в соответствии справилами логического вывода. В 1986 году в AT&T Bell Labsсоздавались процессоры с “прошитой” нечеткой логикой обработкиинформации. В начале 90-х компания Adaptive Logic из США выпустилакристалл, сделанный по аналогово-цифровой технологии. Он позволитсократить сроки конструирования многих встроенных системуправления реального времени, заменив собой традиционные схемынечетких микроконтроллеров. Аппаратный процессор нечеткой логикивторого поколения принимает аналоговые сигналы, переводит их внечеткий формат, затем, применяя соответствующие правила,преобразует результаты в формат обычной логики и далее – ваналоговый сигнал. Все это осуществляется без внешних запоминающихустройств, преобразователей и какого бы ни было программногообеспечения нечеткой логики.
Этот микропроцессор относительно простпо сравнению с громоздкими программными обеспечениями. Но так какего основу составляет комбинированный цифровой/ аналоговыйкристалл, он функционирует на очень высоких скоростях ( частотаотсчетов входного сигнала – 10 кГц, а скорость расчета – 500 тыс.185правил/с), что во многих случаях приводит к лучшим результатам всистемах управления по сравнению с более сложными, номедлительными программами.В Европе и США ведутся интенсивные работы по интеграцииfuzzy команд в ассемблеры промышленных контроллеров встроенныхустройств (чипы Motorola 68HC11.
12. 21). Такие аппаратные средствапозволяют в несколько раз увеличить скорость выполнения приложенийи компактность кода по сравнению с реализацией на обычном ядре.Кроме того, разрабатываются различные варианты fuzzy- сопроцессоров,которые контактируют с центральный процессор через общую шинуданных, концентрируют свои усилия на размывании/ уплотненииинформации и оптимизации использования правил (продукты SiemensNixdorf).Идеи нечеткой логики не являются панацеей и не смогутсовершить переворот в компьютерном мире. Нечеткая логика не решиттех задач, которые не решаются на основе логики двоичной, но вомногих случаях она удобнее, производительнее и дешевле.Разработанные на ее основе специализированные аппаратные решения(fuzzy-вычислители) позволят получить реальные преимущества вбыстродействии.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
