Toshkent axborot texnologiyalari universiteti компьютер архитектураси fanidan mustaqil ish mavzu: Нейрокомпютерлар
Download 74.63 Kb.
|
mustaqil ish
|
O’ZBEKISTON RESPUBLIKASI AXBOROT TEXNOLOGIYALARI VA KOMMUNIKATSIYALARINI RIVOJLANTIRISH VAZIRLIGI TOSHKENT AXBOROT TEXNOLOGIYALARI UNIVERSITETI Компьютер архитектураси fanidan MUSTAQIL ISH Mavzu: Нейрокомпютерлар. Bajardi : 026-18 SKIo guruh talabasi FIO: Keldibekov Nurislom Dosjan ogli Tekshirdi: Tarkib
1.Kirish
2. Neyron tarmoqlari nima? Har bir neyron qo'shni neyronlardan maxsus nerv tolalari orqali signallarni oladi. Ushbu signallar hayajonli yoki tormozlanishi mumkin. Ularning miqdori neyronning tanasi ichidagi elektr potentsialidir. Potensial ma'lum bir chegaradan oshib ketganda, neyron hayajonlangan holatga o'tadi va chiqish nerv tolasi orqali signal yuboradi. Ayrim sun'iy neyronlar bir-biri bilan turli usullar bilan bog'lanadi. Bu sizga turli xil arxitektura, ta'lim qoidalari va qobiliyatlari bilan turli xil neyron tarmoqlarni yaratishga imkon beradi. "Sun'iy neyron tarmoqlari" atamasi ko'pchilik Android va robotlarning isyoni, odamlarni almashtirish va taqlid qiluvchi mashinalar haqida tasavvurga ega. Bu taassurot neurosistemalarning ko'plab ishlab chiqaruvchilari tomonidan kuchaytiriladi, yaqin kelajakda robotlar turli xil tadbirlarni o'zlashtira boshlaydi, faqat odamni kuzatadi. Agar siz kundalik ish darajasiga o'tmoqchi bo'lsangiz, neyron tarmoqlari rasmiy neyronlarning oddiy elementlaridan tashkil topgan tarmoqdir. Neyroinformatika ishlarining aksariyati turli muammolarni hal qilish algoritmlarini bunday tarmoqlarga ko'chirishga bag'ishlangan. Kontseptsiya neyronlarning juda oddiy mashinalar bilan modellashtirilishi mumkin degan fikrga asoslanadi va miyaning barcha murakkabligi, uning moslashuvchanligi va boshqa muhim fazilatlar neyronlar o'rtasidagi aloqalar bilan belgilanadi. Har bir aloqa signal uzatish uchun xizmat juda oddiy element sifatida ko'rinadi. Qisqacha aytganda, bu fikrni quyidagicha ifodalash mumkin:"aloqalarning tuzilishi hamma narsa, elementlarning xususiyatlari hech narsa emas". Miyaning ta'riflangan g'oyasi bilan belgilanadigan g'oyalar to'plami va ilmiy-texnik yo'nalish konnektsionizm (connection aloqa) deb ataladi. Haqiqiy miya bilan bularning barchasi karikatura yoki uning prototipi bilan bir xil bo'ladi. Asliga tom ma'nodagi yozishmalar emas, balki texnik g'oyaning samaradorligi muhim ahamiyatga ega. Keyingi g'oyalar bloki konnektsionizm bilan chambarchas bog'liq: tizimning bir xilligi (elementlar bir xil va juda oddiy, ularning barchasi aloqalar tuzilishi bilan belgilanadi); ishonchsiz elementlardan ishonchli tizimlar va" analog uyg'onish " oddiy analog elementlardan foydalanish; tasodifiy tanlangan qismni yo'q qilishda "gologramma" tizimlari tizim o'z xususiyatlarini saqlab qoladi. Aloqa tizimlarining keng imkoniyatlari elementlarni tanlashning qashshoqligini, ularning ishonchsizligini va aloqalarning bir qismini yo'q qilishni qoplaydi. Neyroinformatikada algoritmlar va qurilmalarni tavsiflash uchun elementar qurilmalar (summatorlar, sinapslar, neyronlar va boshqalar) muammolarni hal qilish uchun mo'ljallangan tarmoqlarda birlashtirilgan maxsus "sxema" ishlab chiqilgan. Ko'pgina yangi boshlanuvchilar uchun neyron tarmoqlarni yoki professional dasturiy ta'minotni apparatda amalga oshirishda bu elementlar alohida qismlar yoki bloklar sifatida amalga oshirilmasligi kutilmagan ko'rinadi. Neyroinformatikada ishlatiladigan ideal sxema neyron tarmoqlarni tavsiflash va ularni o'rganishning maxsus tilidir. Dasturiy va apparatni amalga oshirishda ushbu tilda bajarilgan tavsiflar boshqa darajadagi yanada mos tillarga tarjima qilinadi. 3 . Biologik neyron shakl.1. Biologik neyron Neyron (asab hujayrasi) axborotni qayta ishlaydigan maxsus biologik hujayra (shakl. 1). Akson (axon) va dendrit (dendrites): bu hujayra tanasi (hujayra tanasi), yoki Soma (soma) va tashqi daraxt shoxlarini ikki turdagi iborat. Hujayraning tanasi yadro (nukleus) ni o'z ichiga oladi, bu irsiy xususiyatlar va zarur neyron materiallarni ishlab chiqarish uchun molekulyar vositalarga ega plazma haqida ma'lumot beradi. Neyron dendritlar (qabul qiluvchilar) orqali boshqa neyronlardan signallarni (impulslarni) oladi va oxir-oqibat tolalar (strands) ga bo'linadigan akson (transmitter) bo'ylab hujayra tanasi tomonidan hosil qilingan signallarni uzatadi. Ushbu tolalar oxirida sinapslar (synapses) mavjud. Sinaps ikki neyron (bir neyronning akson tolasi va boshqasining dendriti) orasidagi elementar tuzilish va funktsional tugundir. Impuls sinaptik oxiriga yetganda, neyrotransmitterlar deb ataladigan ba'zi kimyoviy moddalar chiqariladi. Neyrotransmitterlar sinaps turiga qarab sinaptik bo'shliq orqali tarqaladi, sinaps turi, neyron qabul qiluvchining elektr impulslarini ishlab chiqarish qobiliyati. Sinapsning samaradorligi u orqali o'tadigan signallar bilan tuzilishi mumkin, shunda sinapslar ular ishtirok etadigan jarayonlarning faolligiga qarab o'rganilishi mumkin. Prehistoriyaga bo'lgan bu qaramlik insonning xotirasi uchun javobgar bo'lishi mumkin bo'lgan xotira kabi harakat qiladi. Inson miyasining qobig'i 2 dan 3 mm gacha bo'lgan neyronlarning qalinligi bo'lib, taxminan 2200 sm2 maydoniga ega bo'lib, standart klaviatura sirtining ikki barobariga teng. Miya yarim korteksida 1011 neyronlari mavjud bo'lib, ular somon yo'li yulduzlarining soniga teng. Har bir neyron 103 - 104 boshqa neyronlar bilan bog'langan. Umuman olganda, inson miyasi taxminan 1014dan 1015gacha bo'lgan munosabatlarni o'z ichiga oladi. Neyronlar qisqa muddatli impulslar seriyasi orqali, odatda, bir necha milodiy davom etadi. Xabar chastota-impuls modulyatsiyasi orqali uzatiladi. Chastotani bir necha birlikdan yuzlab xertzgacha o'zgartirish mumkin, bu eng tez ishlaydigan elektron kontaktlarning zanglashiga qaraganda million marta sekinroq. Shunga qaramay, axborotni idrok etish bo'yicha murakkab qarorlar, masalan, yuzni tanib olish kabi, bir necha yuz milodiy vaqtni oladi. Ushbu qarorlar neyronlarning tarmog'i tomonidan nazorat qilinadi, ular faqat bir necha milodiy operatsiyalarni bajarish tezligiga ega. Bu shuni anglatadiki, hisob-kitoblar 100 ketma-ket bosqichlaridan ko'proq narsani talab qilmaydi. Boshqacha qilib aytganda, bunday murakkab vazifalar uchun miya taxminan 100 qadamni o'z ichiga olgan parallel dasturlarni "ishga tushiradi". Bu odatda yuz qadam sifatida tanilgan. Xuddi shu tarzda bahslashib, bir neyrondan boshqasiga yuborilgan ma'lumotlarning miqdori juda kichik bo'lishi kerak (bir nechta bit). Shundan kelib chiqadiki, asosiy ma'lumotlar to'g'ridan-to'g'ri uzatilmaydi, lekin neyronlar o'rtasidagi aloqalarda qo'lga olinadi va taqsimlanadi. 4. Sun'iy neyron shakl.2. Sun'iy neyron Scot Mccallock va ingliz Pitts rasmiy neyronlarning nazariyasini yaratgan va o'n besh yil o'tgach, Rosenblatt sun'iy neyronni (perseptron) ixtiro qilgan, keyinchalik neurokompyuterning asosini tashkil etgan sun'iy neyronlarning yaratilish tarixi 1943 yilga to'g'ri keladi. Sun'iy neyron biologik neyronning xususiyatlarini birinchi yondashuvda taqlid qiladi. Sun'iy neyronning kiritilishiga turli xil signallar kiradi, ularning har biri boshqa neyronning chiqishi hisoblanadi. Har bir kirish sinaptik kuchga o'xshash tegishli og'irlik bilan ko'paytiriladi va barcha ishlar neyronning faollashtirish darajasini aniqlaydi. Shakl bo'yicha.2 ushbu g'oyani amalga oshiruvchi modelni taqdim etadi. Tarmoq paradigmalari juda xilma-xil bo'lsa-da, ularning deyarli barchasi ushbu konfiguratsiyaga asoslangan. Bu erda x1, x2, x3 deb nomlangan ko'plab kirish signallari mavjud...xn, sun'iy neyronga kiradi. X vektori tomonidan birgalikda ko'rsatilgan ushbu kirish signallari biologik neyronlarning sinapslariga kiruvchi signallarga mos keladi. Har bir signal W1, w2, w3 ning tegishli vazniga ko'paytiriladi...wn va sum (adaptiv summator) bilan belgilangan summa blokiga kiradi. Har bir vazn bir biologik sinaptik aloqaning "kuchiga" mos keladi. Biologik elementning tanasiga mos keladigan umumlashtiruvchi blok algebraik tarzda o'lchangan kirishlarni katlayarak, biz NET deb ataydigan chiqishni yaratamiz. Vektor belgilarida bu ixcham tarzda quyidagi tarzda yozilishi mumkin. NET=XW
5.Faollashtirish vazifalari NET signal yanada odatda f aktivizatsiya funktsiyasi aylanadi va chiqish nerv signal OUT beradi . Faollashtirish funktsiyasi oddiy chiziqli funksiya bo'lishi mumkin: OUT=K(NET) qaerda k-doimiy, eshik vazifasi Chiqish = 1, agar aniq>T Boshqa hollarda OUT = 0, bu erda t-biologik neyronning chiziqli bo'lmagan uzatish xususiyatini yanada aniqroq modellashtiradigan va neyron tarmoqni ifodalovchi ba'zi doimiy chegara qiymati yoki funktsiyasi katta imkoniyatlar. Agar F funktsiyasi NET qiymatidagi o'zgarish oralig'ini toraytirsa, har qanday qiymat uchun aniq qiymat out ba'zi bir so'nggi intervalga tegishli bo'lsa, F "siqish" funktsiyasi deb ataladi. Shakl ichida ko'rsatilgan logistika yoki" sigmoidal "(S-shakl) funktsiyasi ko'pincha" siqish " funktsiyasi sifatida ishlatiladi.3.. Bu funktsiya matematik tarzda ifodalanadi F(x)=1/(1+e-x) . Shunday qilib, OUT=1/(1+e-NET). shakl.3. Sigmoidal logistika funktsiyasi Elektron tizimlar bilan taqqoslaganda, faollashuv funktsiyasi sun'iy neyronning chiziqli bo'lmagan kuchaytiruvchi xususiyati hisoblanadi. Daromad koeffitsienti out qiymatining ortishi nisbati sifatida hisoblab chiqiladi, bu esa uning kichik o'sishiga olib keladi. Bu ma'lum bir darajadagi qo'zg'alish darajasida egri chizig'i bilan ifodalanadi va katta salbiy qo'zg'alishlar (egri deyarli gorizontal) bilan kichik qiymatlardan nol qo'zg'alish bilan maksimal qiymatga qadar o'zgaradi va hayajonlanish katta ijobiy bo'lganda yana kamayadi. Grossberg (1973) shunga o'xshash chiziqli bo'lmagan xarakterli shovqin to'yinganligining dilemmasini hal qilishini aniqladi. Xuddi shu tarmoq zaif va kuchli signallarni qanday boshqarishi mumkin? Zaif signallar foydalanishga mos keladigan chiqish signalini berish uchun katta tarmoqni kuchaytirishga muhtoj. Shu bilan birga, katta daromadli kuchaytiruvchi kaskadlar jismoniy jihatdan amalga oshirilgan har qanday tarmoqda mavjud bo'lgan amplifikatorlar (tasodifiy dalgalanmalar) bilan chiqishi to'yinganligiga olib kelishi mumkin. Kuchli kirish signallari, o'z navbatida, foydali chiqish imkoniyatidan tashqari, kuchaytiruvchi kaskadlarning to'yinganligiga olib keladi. Katta daromadga ega bo'lgan logistik funktsiyaning Markaziy maydoni zaif signallarni qayta ishlash muammosini hal qiladi, ijobiy va salbiy oqibatlarga olib keladigan hududlarda esa katta qiziqish uyg'otadi. Shunday qilib, neyron keng kirish darajasida katta daromad bilan ishlaydi. Sun'iy neyronning oddiy modeli uning biologik egizaklarining ko'plab xususiyatlarini e'tiborsiz qoldiradi. Misol uchun, u tizim dinamikasiga ta'sir qiladigan vaqtni kechiktirishni hisobga olmaydi. Kirish signallari darhol chiqish signalini hosil qiladi. Va bundan ham muhimi, chastota modulyatsiyasi funktsiyasining ta'sirini yoki biologik neyronning sinxronlashtiruvchi funktsiyasini hisobga olmaydi, bu esa bir qator tadqiqotchilar hal qiluvchi ahamiyatga ega. Ushbu cheklovlarga qaramasdan, ushbu neyronlardan qurilgan tarmoqlar biologik tizimga o'xshash xususiyatlarni aniqlaydi. Faqat vaqt va tadqiqotlar bunday tasodiflarning tasodifiy yoki natija ekanligi haqidagi savolga javob berishi mumkin, chunki bu model biologik neyronning eng muhim xususiyatlarini to'g'ri egallaydi. 6.Neyron tarmoqlarining asosiy arxitekturasi
shakl.4. Neyron tarmoqlarining asosiy arxitekturasi Har bir neyron qo'shni neyronlardan maxsus nerv tolalari orqali signallarni oladi. Ushbu signallar hayajonli yoki tormozlanishi mumkin. Ularning miqdori neyronning tanasi ichidagi elektr potentsialidir. Potensial ma'lum bir chegaradan oshib ketganda, neyron hayajonlangan holatga o'tadi va chiqish nerv tolasi orqali signal yuboradi. Ayrim sun'iy neyronlar bir-biri bilan turli usullar bilan bog'lanadi. Bu sizga turli xil arxitektura, ta'lim qoidalari va qobiliyatlari bilan turli xil neyron tarmoqlarni yaratishga imkon beradi. Ins (sun'iy neyron tarmoq) sun'iy neyronlarning tugunlari bo'lgan muvozanatli bog'lanishlari bilan yo'naltirilgan grafik sifatida qaralishi mumkin. Aloqa me'morchiligi bo'yicha ins ikkita sinfga ajratilishi mumkin: to'g'ridan-to'g'ri tarqatish tarmoqlari, unda grafiklar looplarga ega emas, va takroriy tarmoqlar yoki qayta aloqa tarmoqlari. Ko'p qatlamli perceptron deb ataladigan birinchi sinf tarmoqlarining eng keng tarqalgan oilasida neyronlar qatlamlarda joylashgan va qatlamlar orasidagi bir tomonlama aloqalarga ega. Rasmda har bir sinfning standart tarmoqlari ko'rsatilgan. To'g'ridan-to'g'ri tarqatish tarmoqlari statik bo'lib, ular ma'lum bir kirish uchun tarmoqning avvalgi holatiga bog'liq bo'lmagan chiqish qiymatlarining bir to'plamini ishlab chiqaradi. Qaytariladigan tarmoqlar dinamik, chunki ular neyronlarning kirishlarini o'zgartiradi, bu esa tarmoq holatidagi o'zgarishlarga olib keladi.
Shakl. 4. To'liq bog'langan neyron tarmoqlari Bu erda har bir neyron o'z chiqish signalini neyronlarning qolgan qismiga, shu jumladan o'z-o'zidan uzatadi. Tarmoqning chiqish signallari tarmoqning bir necha soatlaridan keyin neyronlarning barcha yoki ba'zi chiqish signallari bo'lishi mumkin. Barcha kirish signallari barcha neyronlarga beriladi. Qatlamli va to'liq bog'langan tarmoqlarning elementlari turli yo'llar bilan tanlanishi mumkin. Shu bilan birga, standart tanlov mavjud: kirish qismida adaptiv heterojen chiziqli summator bilan neyron. To'liq bog'langan tarmoq uchun neyronning kirish katakchasi aslida ikkiga bo'linadi: birinchisi tarmoq kirish signallaridan lineer funktsiyani, oldingi bosqichda olingan boshqa neyronlarning chiqish signallaridan ikkinchi lineer funktsiyani hisoblab chiqadi. Neyronlarni faollashtirish funktsiyasi (xarakterli funktsiya) - bu chiziqli bo'lmagan summator chiqish konvertori. Funktsiya tarmoqning barcha neyronlari uchun bitta bo'lsa, tarmoq bir hil (bir hil) deb ataladi. Agar xarakterli funktsiya neyrondan neyrongacha o'zgarib turadigan bir yoki bir nechta parametrlarga bog'liq bo'lsa, unda tarmoq heterojen (heterojen) deb ataladi. XStandart turdagi neyronlarning tarmog'ini yaratish shart emas. Qatlamli yoki to'liq bog'langan arxitektura ular bilan bog'liq elementlarga sezilarli cheklovlar qo'ymaydi. Tarmoq elementlari uchun arxitektura tomonidan taqdim etilgan yagona qattiq talab-bu elementning kirish signallari vektorining o'lchamiga (arxitektura bilan belgilanadi) uning kirishlar soni. Agar to'liq bog'langan tarmoq javob olgunga qadar k soatlarining ma'lum bir soniga ega bo'lsa, u k-qatlamli tarmoqning maxsus ishi sifatida ifodalanishi mumkin, ularning barcha qatlamlari bir xil va ularning har biri to'liq bog'langan tarmoqning ishlashiga mos keladi. To'liq bog'langan va qatlamli tarmoqlar o'rtasidagi sezilarli farq, oldindan ishlaydigan soatlarning soni cheklanmagan bo'lsa, aniq bo'ladi qatlamli tarmoq shunday ishlamaydi. To'liqlik haqidagi teoremalar isbotlangan: bir nechta o'zgaruvchining har qanday doimiy funktsiyasi uchun neyron tarmoqni qurish mumkin, bu funktsiyani har qanday aniqlik bilan hisoblab chiqadi. Shunday qilib, har qanday ma'noda neyron tarmoqlari bo'lishi mumkin. 8.Sun'iy neyron tarmoqlarini o'rgatish
Ta'lim nazariyasi misollarni o'rganish bilan bog'liq uchta asosiy xususiyatni ko'rib chiqadi: imkoniyatlar, namunalarning murakkabligi va hisoblash murakkabligi. Imkoniyatlar tarmoqning qancha namunalarini eslab qolishi va qaror qabul qilish funktsiyalari va chegaralari qanday shakllantirilishi mumkinligini anglatadi. Namunalarning murakkabligi tarmoqning umumlashtirish qobiliyatiga erishish uchun zarur bo'lgan ta'lim misollari sonini aniqlaydi. Juda kam sonli misollar tarmoqning "qayta o'qitilishiga" olib kelishi mumkin, chunki u namunaviy namunalarda yaxshi ishlaydi, ammo yomon - bir xil statistik taqsimotga bo'ysunadigan test misollarida. 4 ta'lim qoidalarining asosiy turlari ma'lum: xato tuzatish, Boltzman mashinasi, Hebba qoidasi va tanlov usuli bo'yicha trening. 9.Xato tuzatish qoidasi. Har bir kirish namunasi uchun o'qituvchi bilan o'qitishda kerakli chiqish beriladi d. haqiqiy tarmoq chiqishi y istalgan narsaga mos kelmasligi mumkin. Treningda xato tuzatish printsipi xatolarni bosqichma-bosqich kamaytirishni ta'minlaydigan og'irliklarni o'zgartirish uchun signalni (d-y) ishlatishdan iborat. Trening faqat perceptron noto'g'ri bo'lgan taqdirda amalga oshiriladi. Ushbu ta'lim algoritmining turli xil modifikatsiyalari ma'lum. 10.Boltzman Ta'limi. Bu axborot nazariy va termodinamik tamoyillardan kelib chiqqan stoxastik ta'lim qoidasi. Boltzmanni o'qitishning maqsadi-ko'rinadigan neyronlarning holati ehtimollik taqsimotini qondiradigan og'irlik koeffitsientlarini sozlashdir. Boltzman ta'limi xato bo'yicha maxsus tuzatish ishi sifatida qaralishi mumkin, bu xato ikki rejimda davlat korrelyatsiyasining farqlanishini anglatadi . 11.Hebba Qoidasi. Eng qadimgi ta'lim qoidalari Hebba ta'limining postulatidir. Xebb quyidagi neyrofizyologik kuzatishlarga asoslangan: agar sinapsning har ikki tomonidagi neyronlar bir vaqtning o'zida va muntazam ravishda faollashsa, sinaptik aloqaning kuchi ortadi. Ushbu qoidaning muhim xususiyati shundaki, sinaptik vazndagi o'zgarish faqat ushbu sinaps bilan bog'liq bo'lgan neyronlarning faoliyatiga bog'liq. Bu VLSI dasturini amalga oshirishda o'quv zanjirlarini sezilarli darajada osonlashtiradi. 12.Tanlov usuli bilan o'qitish. Ko'plab chiqish neyronlari bir vaqtning o'zida paydo bo'lishi mumkin bo'lgan Xebb treningidan farqli o'laroq, raqobatbardosh ta'lim bilan hafta oxiri neyronlari faollashtirish uchun bir-biri bilan raqobatlashadi. Bu hodisa odatda "g'olib hamma narsani oladi"deb nomlanadi. Bunday trening biologik neyron tarmoqlarda amalga oshiriladi. Tanlov orqali o'rganish kirish ma'lumotlarini to'plash imkonini beradi: bunday misollar tarmoq tomonidan korrelyatsiyalarga muvofiq guruhlangan va bir element sifatida taqdim etilgan. Treningda faqat" g'alaba qozongan " neyronning og'irligi o'zgartiriladi. Ushbu qoidaning ta'siri tarmoqdagi saqlangan namunadagi (g'olib bo'lgan neyronning bog'lanish vektori) bunday o'zgarish tufayli erishiladi, unda u kirish misoliga biroz yaqinroq bo'ladi. 13.Ko'p protsessorli tezlashtiruvchi kengashlar Axborotni qayta ishlashning neyron tarmoq usullarining xususiyatlaridan biri hisoblashning yuqori parallelligi va shuning uchun maxsus apparatni qo'llab-quvvatlash vositalaridan foydalanishning maqsadga muvofiqligi hisoblanadi. Ko'rib chiqilgan muammolarni hal qilishda katta muvaffaqiyat, asl tezlashtiruvchi taxtalardan foydalanish bilan bog'liq. Bunday taxtalar oddiy kompyuter protsessori bilan parallel ravishda ishlaydi va asosiy hisoblash yukini olib yuradi, kompyuterning asosiy protsessorini tezlashtiruvchi kengashda joylashgan kuchli hisoblash vositalarini boshqarish va texnik xizmat ko'rsatish qurilmasiga aylantiradi. Misol uchun, NTCDA "modul" IC5.001 va mc5.002 ko'p protsessorli tezlashtiruvchi platalar ishlab chiqildi. Ulardan birinchisi 4 mikroprosessori TMS320C40 ning 50 MGts soat tezligi va 275 MIPSNING eng yuqori ko'rsatkichiga ega. Har bir protsessor 1 Mb hajmdagi mahalliy statik xotiraga ega. 2 ta protsessorga har biri 16 Mb hajmidagi 2 ta dinamik xotira birligi qo'shimcha ravishda ulangan. Protsessorlardan biriga kompyuter bilan ma'lumot almashish uchun ishlatiladigan 1 Mb hajmdagi statik xotira ham ulangan. Protsessorlar har biri 20 Mb/s tarmoqli kengligi bilan maxsus yuqori tezlikli kanallar bilan bir-biriga ulangan. Kengashlarni qurish va komplekslash ISA avtobuslari yordamida kompyuter anakartida amalga oshiriladi. Mc5.002 tezlashtirish kartasi 6 TMS320C40 protsessorlarini o'z ichiga oladi va VME konstruktsiyasida ishlab chiqariladi, bu esa samolyotlarda joylashgan samolyotda foydalanish imkonini beradi. 14.Neyroprosessor Neyroprosessor odatda ikkita asosiy blokdan iborat: skalar, universal hisoblash qurilmasi va vektor-matritsali operatsiyalarni bajarishga qaratilgan vektor. Skalar qurilmasi xotira va aloqa portlari bilan interfeyslarni ta'minlaydi, bu esa protsessorlarni turli xil konfiguratsiyalarda hisoblash tarmoqlariga ulash imkonini beradi. Skalar qurilmasining asosiy maqsadi protsessorning vektor qismi uchun ma'lumotlarni tayyorlashdir. Buning uchun bir nechta manzil usullari, xotira interfeysi, arifmetik va mantiqiy operatsiyalar to'plamlari, ro'yxatga olish juftlari bilan ishlash qobiliyati mavjud. Neyroprotsessorning Markaziy qismi turli o'lchamdagi ma'lumotlarni qayta ishlash qobiliyatiga ega bo'lgan tamsayı vektorli qurilma. N-bitli so'zlar bilan ishlaydi. Shunday qilib, protsessor katta hajmdagi integer ma'lumotlarni yuqori samarali ishlash uchun mo'ljallangan. Misol uchun, NTC "modul" da ishlab chiqilgan mahalliy neyroprotsessor : skalar qurilmasi xotira va 2 aloqa portlari bilan interfeyslarni ta'minlaydi. Skalar qurilmasida manzillar registrlari va 32 bit bitli bitli umumiy maqsadli registrlar mavjud. Neyroprotsessorning Markaziy qismi turli o'lchamdagi ma'lumotlarni qayta ishlash qobiliyatiga ega bo'lgan tamsayı vektorli qurilma. 64-bitli so'zlar bilan ishlaydi, ular 1 dan 64 bitgacha bo'lgan deyarli o'zboshimchalik bilan bo'shliqning tamsayı qismlariga bo'linishi mumkin. Vektorli protsessorning har bir ko'rsatmasi 1 dan 32 soatgacha davom etadi. Shu bilan birga, bir vaqtning o'zida 32 64-bitli so'zlarga ishlov beriladi. Vektorli protsessorning operatsion qurilmasiga (OU) uzluksiz ma'lumotlarni etkazib berishni tashkil qilish uchun vektor yozuvlari deb nomlangan ichki xotira bloklari qo'llaniladi. Ular operand tampon, tarozi matritsasini saqlash uchun tampon, natijalar navbati sifatida xizmat qiladi. Operatsion qurilmada buyruqlar bajarilganda, operandlar o'z navbatida ichki buferdan chiqariladi va OU kirishidan biriga beriladi. OU ichida hisob-kitoblar amalga oshiriladi va ularning natijalari natijalar tamponiga kiritiladi. Vektorli ko'rsatmalar, bir nechta protsessor vaqtini olgan bo'lsa-da, skalar protsessorining ko'rsatmalariga parallel ravishda amalga oshirilishi mumkin. Shunday qilib, protsessor katta hajmdagi integer ma'lumotlarni yuqori samarali ishlash uchun mo'ljallangan. Uning soat tezligi 33 MGts. Maxsus vektor-matritsali operatsiyalarda TMS320C40 protsessoriga nisbatan o'n barobar ko'proq ishlash imkonini beradi. TMS320C40 portlariga o'xshash interfeys bilan aloqa portlari mavjudligi tufayli neyroprotsessor heterojen ko'p protsessorli tizimga qo'shilishi mumkin. Neyroprotsessor uchun to'liq dasturiy ta'minot to'plami, shu jumladan ramziy disk raskadrovka va bir qator amaliy kutubxonalar, xususan, vektor-matritsali hisoblash kutubxonasi ishlab chiqildi. 15.Neyroimaging apparatini qo'llab-quvvatlash uchun dasturlash xususiyatlari
Bu erda parallel ma'lumotlarni qayta ishlash usullari oldinga chiqadi. Bundan tashqari, "parallel ishlov berish" so'zlari parallel ishlaydigan protsessorlarda ishlash va bir protsessorda bir nechta ma'lumotlar elementlarini bir vaqtning o'zida qayta ishlash sifatida tushunilishi mumkin. Zamonaviy protsessor bir vaqtning o'zida bir nechta ko'rsatmalarni bajarishga imkon beradi, bu esa dasturchini hisob-kitoblarni tashkil qilish usullari va ma'lumotlarni tayyorlash usullari haqida o'ylashga majbur qiladi, shuning uchun parallel ravishda amalga oshiriladigan jarayonlar bir-birini to'sib qo'ymaydi. Ko'p protsessorli tizimlarni dasturlashda yuzaga keladigan qiyinchiliklar yaxshi ma'lum: parallel jarayonlarni sinxronlashtirish, ma'lumotlar almashish mexanizmlari, bir nechta jarayonlar bir xil resurslardan foydalangan holda "muhim saytlar" muammolari. Zamonaviy protsessorlarning yana bir muhim xususiyati-bu 64 bit kabi operandlarning yuqori miqdori, bu ularga bir nechta kam sonli ma'lumotlar elementlarini joylashtirish va ularni parallel ravishda qayta ishlash imkonini beradi. Zamonaviy protsessorlarning belgilangan xususiyatlaridan samarali foydalanishga misol MMX texnologiyasi bo'lib, u erda 64-bitli ro'yxatga olish 8 mustaqil baytga yoki parallel ravishda qayta ishlangan 4 16-bit so'zlarga bo'linadi. Elementlarning mustaqilligi, qo'shni elementlardan bitlarni almashtirish yoki olib tashlash bilan bog'liq emas. 16. Neyrokompyuterlarning afzalliklari. Oddiy kompyuterlar bilan taqqoslaganda, neyrokompyuterlar bir qator afzalliklarga ega. Birinchidan, neyroinformatika algoritmlarining yuqori darajadagi parallelligiga ega bo'lish bilan bog'liq yuqori tezlik. Ikkinchidan, neyrotizimlar shovqin va halokatga juda chidamli. Uchinchidan, barqaror va ishonchli neyrotizimlar sezilarli parametrlarga ega ishonchsiz elementlardan yaratilishi mumkin. 17. Neyrokompyuterlarning kamchiliklari. Yuqorida sanab o'tilgan afzalliklarga qaramay, ushbu qurilmalar bir qator kamchiliklarga ega: 1. Ular chiziqli bo'lmagan mantiq va o'z-o'zini tashkil etish nazariyasi bilan bog'liq muayyan muammolarni hal qilish uchun maxsus yaratilgan. Oddiy kompyuterlarda bunday muammolarni hal qilish faqat raqamli usullar bilan amalga oshirilishi mumkin. 2. Uning o'ziga xosligi tufayli ushbu qurilmalar juda qimmat. 18. Neyrokompyuterlardan amaliy foydalanish. Kamchiliklarga qaramasdan, neyrokompyuterlar milliy iqtisodiyotning turli sohalarida muvaffaqiyatli ishlatilishi mumkin. — Real vaqtda nazorat qilish: samolyotlar, raketalar va uzluksiz ishlab chiqarish jarayonlari (metallurgiya, kimyo va boshqalar).); - Tasvirlarni tanib olish: inson yuzlari, harflari va ierogliflari, radar va sonar signallari, sud tibbiyotida barmoq izlari, simptomlar (tibbiyotda) va minerallarni qidiradigan joylar (geologiya, bilvosita belgilar); - Prognozlar: ob-havo, aktsiyalar kursi( va boshqa moliyaviy ko'rsatkichlar), davolash natijalari ,siyosiy voqealar( xususan, saylov natijalari), harbiy mojarolarda va iqtisodiy raqobatda muxoliflarning xatti-harakati; - Eng yaxshi variantlarni optimallashtirish va qidirish: texnik qurilmalarni loyihalashda, iqtisodiy strategiyani tanlashda va bemorni davolashda. Ushbu ro'yxatni davom ettirish mumkin, ammo neyrokompyuterlar zamonaviy jamiyatda munosib o'rin egallashi mumkinligini tushunish uchun etarli. Neyrokompyuter nima? Neyrokompyuterlar ikki turga kiradi: 1. Ko'p sonli neyrochiplarda qurilgan katta universal kompyuterlar. Neyronlarning ishini taqlid qiluvchi oddiy kompyuterlar uchun dastur bo'lgan 2 Neyroimitatorlari. Bunday dasturning asosi neyrochipning muayyan ichki aloqalar bilan ishlash algoritmini o'z ichiga oladi. U ishlaydigan" qora quti " kabi bir narsa. Bunday dasturni kiritish uchun dastlabki ma'lumotlar taqdim etiladi va miya printsipi bilan bog'liq naqshlar asosida olingan natijalarning qonuniyligi to'g'risida xulosalar chiqariladi. 19. Neyrokompyuterlarning ayrim modellari. Bugungi kunda ko'pchilik; neyrokompyuterlar; faqat shaxsiy kompyuter yoki qo'shimcha neyroplatni o'z ichiga olgan ish stantsiyasidir. Ular orasida, masalan, Fujitsu FMR seriyali kompyuterlar mavjud. Bunday tizimlar mavjud bo'lish huquqiga ega, chunki ularning imkoniyatlari yangi algoritmlarni ishlab chiqish va neyromatologiya usullari bilan ko'plab amaliy muammolarni hal qilish uchun etarli. Biroq, eng katta qiziqish ixtisoslashgan; NS tamoyillarini bevosita amalga oshiradigan neyrokompyuterlar. Bunday tizimlarning odatda vakillari TRW Mark oilasining kompyuterlari (rosenblat tomonidan ishlab chiqilgan perceptronning birinchi tadbiri Mark I deb ataladi). TRW Mark III modeli Motorola 68000 oilasining 15 protsessorlarini o'z ichiga olgan ish stantsiyasidir. Barcha protsessorlar VME avtobuslari bilan birlashtirilgan. 65 000 virtual protsessor elementlarini 1 milliondan ortiq maxsus ulanishlar bilan qo'llab-quvvatlaydigan tizim arxitekturasi 450 ming interkontinent/s ga qadar ishlov berish imkonini beradi. Mark IV-konveyer me'morchiligi bilan bitta protsessorli superkompyuter. 236 mingga yaqin virtual protsessor elementlarini qo'llab-quvvatlaydi, bu esa 5 million Interkontinental/s ga qadar ishlov berish imkonini beradi. Mark oilasining kompyuterlari modellarning dasturiy muvofiqligini ta'minlaydigan umumiy Anse (Artificial Neural SYSTEM Environment) dasturiy qobig'iga ega. Ushbu modellarga qo'shimcha ravishda, TRW shuningdek, Mark II - NS dasturiy emulyatorini taqdim etadi. Yana bir qiziqarli model-Kembrij universitetining rivojlanishiga asoslangan Texas Instruments kompaniyasi tomonidan yaratilgan netsim neyrokompyuteridir. Uning topologiyasi 80188 protsessorlariga asoslangan standart hisoblash tugunlarining uch o'lchamli panjarasi. Netsim kompyuteri Xopfild - Kohonen tarmog'i va teskari tarqatish NS kabi NS modellarini modellashtirish uchun ishlatiladi. Uning ishlashi 450 million interconnection/s ga etadi. Computer Recognitiion Systems (CRS) video tasvirlarni qayta ishlash uchun mo'ljallangan WIZARD/CRS 1000 neurokompyuterlari seriyasini sotadi. Kirish tasvir hajmi 512 x 512 piksel. CRS 1000 modeli allaqachon sanoat avtomatik nazorat tizimlarida ishlatilgan. 20.Xulosa Neyrokompyuterlar bir vaqtning o'zida bir nechta fanlarning tadqiqot mavzusi bo'lib, neyrokompyuterning yagona ta'rifi faqat fanning turli yo'nalishlariga mos keladigan turli nuqtai nazarlarni hisobga olgan holda berilishi mumkin. Matematik statistika. Neyrokompyuterlar-bu tasodifiy jarayonlarning tavsiflarini va umumiy qabul qilingan, murakkab, ko'pincha multimodal yoki umuman noma'lum tarqatish funktsiyalariga ega bo'lgan tasodifiy jarayonlarning to'plamini yaratishga imkon beruvchi tizimlardir. Matematik mantiq va avtomatika nazariyasi. Neyrokompyuterlar muammoni hal qilish algoritmi xususiy turdagi elementlarning mantiqiy tarmog'i bilan ifodalangan tizimlardir-nöronlarning turi va, yoki, yo'q. Natijada, alohida e'tibor mavzusi bo'lgan elementlar o'rtasida muayyan aloqalar joriy etildi. Boshqaruv nazariyasi. Nazorat ob'ekti sifatida maxsus ish tanlanadi, yaxshi rasmiylashtirilgan ob'ekt - ko'p qatlamli neyron tarmoq va uni sozlashning dinamik jarayoni muammoni hal qilish jarayonidir. Shu bilan birga, adaptiv boshqaruv tizimlarining deyarli barcha sintez apparati neyron tarmoqqa xususiy nazorat ob'ekti sifatida o'tkaziladi. Hisoblash matematikasi. Muammolarni hal qilishning klassik usullaridan farqli o'laroq, neyrokompyuterlar neyron tarmoqlar shaklida taqdim etilgan muammolarni hal qilish uchun algoritmlarni amalga oshiradilar. Ushbu cheklov algoritmlarni boshqa jismoniy mashqlardan ko'ra parallel ravishda ishlab chiqishga imkon beradi. Muammoni hal qilish uchun ko'plab neyroset algoritmlari hisoblash matematikasining yangi istiqbolli qismidir, shartli ravishda neyromatologiya deb ataladi. Hisoblash texnikasi. Neurokompyuter MSIMD me'morchiligi bilan hisoblash tizimi bo'lib, unda ikkita asosiy texnik echim amalga oshiriladi: bir hil strukturaning protsessor elementi neyron darajasiga soddalashtirildi va elementlar o'rtasidagi aloqalar keskin murakkablashdi; hisoblash strukturasining dasturlash interduprocessor elementlari tomonidan og'irlik munosabatlarining o'zgarishiga o'tkaziladi. Tibbiyot (neyrobiologik yondashuv). Neyrokompyuter-sinaptik ligamentlar (sinapslar) bilan bog'liq bo'lgan hujayra yadrosi, akson va dendridlarning o'zaro ta'sirining hisoblash tizimi (ya'ni, asab to'qimalarida sodir bo'lgan biokimyoviy jarayonlarning modeli). Neyrokompyuterning umumiy ta'rifi quyidagi shaklda taqdim etilishi mumkin. Neyrokompyuter-apparat va dasturiy ta'minot arxitekturasi bilan hisoblash tizimi, neyro-tarmoq mantiqiy bazasida taqdim etilgan algoritmlarni etarli darajada bajarish. 21. Foydalanilgan manbalar. 1.http://www.osp.ru 2.http://www.bmstu.ru 3.http://neurnews.iu4.bmstu.ru 4.http://www.module.ru. Download 74.63 Kb. Do'stlaringiz bilan baham: 
|