E-Book Overview
Кн. 5: Информационная технология в проектировании нейронных сетей и процессов распознавания образов в кластерных системах обработки информации. М.: Издательство ГНУ НИИ ПМТ, 2011. - 234 с.
Рассмотрены основные вопросы создания системы поддержки принятия рациональных решений при проектировании нейронных сетей и процессов распознавания образов в кластерных системах обработки информации, имеющей существенное значение для автоматизации проектирования устройств и систем микро- и наноэлектро-ники, электронного машино- и приборостроения. Предложенный подход позволяет принимать научно обоснованные, технически целесообразные, технологически и экономически выгодные решения с целью последующего совершенствования известных и создания новых нейронных сетей и систем распознавания образов.Книга предназначена для инженерно-технических и научных работников, занимающихся информационными технологиями в проектировании объектов электронного машино- и приборостроения, в том числе проектированием нейронных сетей на основе твёрдотельных объектов и процессов распознавания образов в кластерных системах обработки информации и может быть рекомендована аспирантам вузов и студентам, обучающимся по специальности 210107 - «Электронное машиностроение» и направлению 210100 - «Электроника и наноэлектроника».
E-Book Content
ВВЕДЕНИЕ В современных системах автоматизированного проектирования широко применяются методы математического моделирования, позволяющие на основе достаточно точных математических моделей проводить исследование свойств технических объектов, проводить их полный расчёт и оптимизацию. Процесс автоматизированного проектирования, начиная с ранних стадий разработки, позволяет накапливать информацию, уточнять модель и в результате разрабатывать проект изделия с заданными потребительскими свойствами. Технология нейронных вычислительных сетей показала свою эффективность при решении задач распознавания образов, кластеризации данных, ассоциативного поиска информации в базах данных и в ряде других применений. Традиционно нейронные сети реализуются в форме программ на универсальных компьютерах, или в форме электронных схем, выполненных на микропроцессорах или на специализированных нейронных процессорах (нейрочипах). Нейроны (нейрочипы) сети выполняют операцию умножения входного сигнала на число (вес входа), складывают сигналы и вычисляют выходной сигнал, на основе заложенной в нейрон функции активации. Промышленность выпускает цифровые, аналоговые и гибридные нейрочипы, которые работают соответственно с цифровыми, аналоговыми или одновременно аналоговыми и цифровыми сигналами. Нейрочип – специализированный микропроцессор, оптимизированный для массового выполнения нейронных операций: скалярного умножения и нелинейного преобразования сигналов, изготовленный по технологии микроэлектроники. Для создания реально работающих нейронных сетей на основе существующих нейрочипов необходимы десятки и сотни 3 микросхем, что делает проекты достаточно дорогими и поэтому не находящими широкого спроса. Работы по исследованию и разработке нейронных сетей проводятся с середины прошлого века. Теоретически показано, что наиболее универсальны многослойные нейронные сети с пространственной организацией, в которой входы и выходы каждого нейрочипа могут быть подключены к входам и выходам любого другого нейрочипа в сети. Аппаратная реализация таких сетей на кристалле в рамках традиционной планарной технологии микроэлектроники очень сложна, что не позволило до настоящего времени создать дешевые нейронные сети. Нейронная сеть содержит большое количество одинаковых элементов – нейронов, и относится к классу вычислительных сетей с распределенными ресурсами. Повысить производительность нейронной сети можно, или уменьшая число каналов обмена информацией между нейронами, или увеличивая степень интеграции элементов в нейрочипе. Наиболее перспективным направ