WWW.KN.LIB-I.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Различные ресурсы
 


«Содержание 1 История 2 Основная идея — коннекционизм 3 Проблема эффективного параллелизма 4 Современные нейрокомпьютеры 5 Новый поворот — «влажный продукт» 6 Применения 7 См. также 8 Примечания ...»

Нейрокомпьютер

Материал из Википедии — свободной энциклопедии

Нейрокомпьютер — устройство переработки информации на основе принципов работы

естественных нейронных систем.[1] Эти принципы были формализованы, что позволило

говорить о теории искусственных нейронных сетей. Проблематика же нейрокомпьютеров

заключается в построении реальных физических устройств, что позволит не просто

моделировать искусственные нейронные сети на обычном компьютере, но так изменить

принципы работы компьютера, что станет возможным говорить о том, что они работают в соответствии с теорией искусственных нейронных сетей.

Содержание 1 История 2 Основная идея — коннекционизм 3 Проблема эффективного параллелизма 4 Современные нейрокомпьютеры 5 Новый поворот — «влажный продукт»

6 Применения 7 См. также 8 Примечания История Термины нейрокибернетика, нейроинформатика, нейрокомпьютеры вошли в научный обиход недавно — в середине 80-х годов XX века. Однако электронный и биологический мозг постоянно сравнивались на протяжении всей истории существования вычислительной техники. Знаменитая книга Н. Винера «Кибернетика» (1948)[2] имеет подзаголовок «Управление и связь в животном и машине».

Первыми нейрокомпьютерами были перцептроны Розенблатта Марк-1 (1958) и Тобермори (1964), а также Адалин, разработанный Уидроу (Widrow) и Хоффом (1960) на основе дельта-правила (формулы Уидроу)[3]. В настоящее время Адалин (адаптивный сумматор, обучающийся по формуле Уидроу) является стандартным элементом многих систем обработки сигналов и связи.[4] В этом же ряду первых нейрокомпьютеров находится программа «Кора», разработанная в 1961 году под руководством М. М. Бонгарда[5].

Большую роль в развитии нейрокомпьютинга сыграла монография Розенблатта (1958)[6].

Идея нейро-бионики (создания технических средств на нейро-принципах) стала интенсивно реализовываться в начале 1980-х гг. Импульсом было следующее противоречие: размеры элементарных деталей компьютеров сравнялись с размерами элементарных «преобразователей информации» в нервной системе, было достигнуто быстродействие отдельных электронных элементов в миллионы раз большее, чем у биологических систем, а эффективность решения задач, особенно связанных задач ориентировки и принятия решений в естественной среде, у живых систем пока недостижимо выше.

Другой импульс развитию нейрокомпьютеров дали теоретические разработки 1980-х годов по теории нейронных сетей (сети Хопфилда, сети Кохонена, метод обратного распространения ошибки).

Основная идея — коннекционизм В отличие от цифровых систем, представляющих собой комбинации процессорных и запоминающих блоков, нейропроцессоры содержат память, распределнную в связях между очень простыми процессорами, которые часто могут быть описаны как формальные нейроны или блоки из однотипных формальных нейронов. Тем самым основная нагрузка на выполнение конкретных функций процессорами ложится на архитектуру системы, детали которой в свою очередь определяются межнейронными связями. Подход, основанный на представлении как памяти данных, так и алгоритмов системой связей (и их весами), называется коннекционизмом.

Три основных преимущества нейрокомпьютеров:

1. Все алгоритмы нейроинформатики высокопараллельны, а это уже залог высокого быстродействия.

2. Нейросистемы можно легко сделать очень устойчивыми к помехам и разрушениям.

3. Устойчивые и наджные нейросистемы могут создаваться и из ненаджных элементов, имеющих значительный разброс параметров.





Разработчики нейрокомпьютеров стремятся объединить устойчивость, быстродействие и параллелизм АВМ — аналоговых вычислительных машин — с универсальностью современных компьютеров.[7] Проблема эффективного параллелизма На роль центральной проблемы, решаемой всей нейроинформатикой и нейрокомпьютингом, А. Горбань[8] предложил проблему эффективного параллелизма.

Давно известно, что производительность компьютера возрастает намного медленнее, чем число процессоров. М. Минский сформулировал гипотезу: производительность параллельной системы растт (примерно) пропорционально логарифму числа процессоров — это намного медленнее, чем линейная функция (Гипотеза Минского).

Для преодоления этого ограничения применяется следующий подход: для различных классов задач строятся максимально параллельные алгоритмы решения, использующие какую-либо абстрактную архитектуру (парадигму) мелкозернистого параллелизма, а для конкретных параллельных компьютеров создаются средства реализации параллельных процессов заданной абстрактной архитектуры. В результате появляется эффективный аппарат производства параллельных программ.

Нейроинформатика поставляет универсальные мелкозернистые параллельные архитектуры для решения различных классов задач. Для конкретных задач строится абстрактная нейросетевая реализация алгоритма решения, которая затем реализуется на конкретных параллельных вычислительных устройствах. Таким образом нейросети позволяют эффективно использовать параллелизм.

Современные нейрокомпьютеры Многолетние усилия многих исследовательских групп привели к тому, что к настоящему моменту накоплено большое число различных «правил обучения» и архитектур нейронных сетей, их аппаратных реализаций и примов использования нейронных сетей для решения прикладных задач.

Эти интеллектуальные изобретения существуют в виде «зоопарка» нейронных сетей.

Каждая сеть из зоопарка имеет свою архитектуру, правило обучения и решает конкретный набор задач. В последнее десятилетие прилагаются серьзные усилия для стандартизации структурных элементов и превращений этого «зоопарка» в «технопарк»[9]: каждая нейронная сеть из зоопарка реализована на идеальном универсальном нейрокомпьютере, имеющем заданную структуру.

Основные правила выделения функциональных компонентов идеального нейрокомпьютера (по Миркесу):

1. Относительная функциональная обособленность: каждый компонент имеет чткий набор функций. Его взаимодействие с другими компонентами может быть описано в виде небольшого числа запросов.

2. Возможность взаимозамены различных реализаций любого компонента без изменения других компонентов.

Постепенно складывается рынок нейрокомпьютеров. В настоящее время широко распространены различные высокопараллельные нейро-ускорители (сопроцессоры) для различных задач. Моделей универсальных нейрокомпьютеров на рынке мало отчасти потому, что большинство из них реализованы для спецприменений.

Примерами нейрокомпьютеров являются нейрокомпьютер Synapse (Siemens, Германия), нейрокомпьютер «Кремниевый мозг» (созданный в США по программе «Электронный мозг», предназначен для обработки аэрокосмических изображений, производительность 80 Пфлоп ( операций в секунду, объм равен объму мозга человека, потребляемая мощность — 20 Вт),[10] процессор NeuroMatrix[11]. Издатся специализированный научно-технический журнал «Нейрокомпьютеры: разработка, применение»[12] С технической точки зрения сегодняшние нейрокомпьютеры — это вычислительные системы с параллельными потоками одинаковых команд и множественным потоком данных (MSIMD-архитектура). Это одно из основных направлений развития вычислительных систем с массовым параллелизмом.

Новый поворот — «влажный продукт»

В нейрокомпьютинге постепенно созревает новое направление, основанное на соединении биологических нейронов с электронными элементами. По аналогии с Software (программное обеспечение — «мягкий продукт») и Hardware (электронное аппаратное обеспечение — «тврдый продукт»), эти разработки получили наименование Wetware «влажный продукт».

В настоящее время уже существует технология соединения биологических нейронов со сверхминиатюрными полевыми транзисторами с помощью нановолокон (Nanowire).[13] В разработках используется современная нанотехнология. В том числе, для создания соединений между нейронами и электронными устройствами используются углеродные нанотрубки. [14] (Распространено также и другое определение термина «Wetware» — человеческий компонент в системах «человек-компьютер».)

–  –  –

См. также Оптические нейронные сети Биомолекулярная электроника Бактериородопсин-содержащие пленки Примечания

1. Дунин-Барковский В. Л., Нейрокибернетика, Нейроинформатика, Нейрокомпьютеры, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с ISBN 5020314102

2. Винер Н., Кибернетика, или Управление и связь в животном и машине. / Пер. с англ.

И. В. Соловьева и Г. Н. Поварова; Под ред. Г. Н. Поварова. — 2-е издание. — М.: Наука, 1983. — 344 с.

3. Королев Л. Н. Нейрокомпьютинг, нейросети и нейрокомпьютеры

4. Уидроу Б., Стирнс С., Адаптивная обработка сигналов. — М.: Радио и связь, 1989. — 440 c.

5. Бонгард М.М., Проблема узнавания М.: Физматгиз, 1967. Другая копия онлайн: [1]

6. Rosenblatt, F. The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain. In, Psychological Review, Vol. 65, No. 6, pp. 386—408, November, 1958.

Lancaster, PA and Washington, DC: American Psychological Association, 1958. Розенблатт Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга — М.: Мир, 1965.

7. Горбань А. Н. Нейрокомпьютер, или Аналоговый ренессанс, Мир ПК, 1994, № 10, 126— 130.

8. Горбань А. Н., Кто мы, куда мы идем, как путь наш измерить?, Пленарный доклад на открытии конференции Нейроинформатика-99, МИФИ, 20 января 1999. Журнальный вариант: Горбань А. Н., Нейроинформатика: кто мы, куда мы идем, как путь наш измерить // Вычислительные технологии. — М.: Машиностроение. — 2000. — № 4. — С. 10-14. = Gorban A.N., Neuroinformatics: What are us, where are we going, how to measure our way? The Lecture at the USA-NIS Neurocomputing Opportunities Workshop, Washington DC, July 1999 (Associated with IJCNN’99)

9. Миркес Е. М., Нейрокомпьютер. Проект стандарта. — Новосибирск: Наука, 1999. — 337 с ISBN 5-02-031409-9 Другие копии онлайн: [2], [3]

10. Шахнов В., Власов А., Кузнецов А., Нейрокомпьютеры — архитектура и реализация.

Часть 1. ChipNews, 2000, N 5; Часть 2.

Элементная база нейровычислителей. ChipNews, 2000, N 6; Часть 3.Аппаратная реализация нейровычислителей. ChipNews, 2001, 1.

11. Процессор цифровой обработки сигналов Л1879ВМ1 (NM6403) НТЦ «Модуль»

12. Журнал «Нейрокомпьютеры: разработка, применение».

13. Patolsky F., Timko B.P., Yu G., Fang Y., Greytak A.B., Zheng G., and Lieber C.M., Detection, Stimulation, and Inhibition of Neuronal Signals with High-Density Nanowire Transistor Arrays, Science, 25 August 2006, Vol. 313. no. 5790, 1100—1104.

14. Mazzatenta A., Giugliano M., Campidelli S., Gambazzi L., Businaro L., Markram H., Prato M., and Ballerini L., Interfacing Neurons with Carbon Nanotubes: Electrical Signal Transfer and Synaptic Stimulation in Cultured Brain Circuits, J. Neurosci. 27 (2007), 6931-6936.

15. Терехов В. А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. — М.:

Высшая школа, 2002. — С. 184. — ISBN 5-06-004094-1

16. Тюкин И.Ю., Терехов В.А., Адаптация в нелинейных динамических системах, (Серия:

Синергетика: от прошлого к будущему), Санкт-Петербург: ЛКИ, 2008. - 384 с. ISBN 978-5Применение нейрокомпьютеров в ракетно-космической технике. Сборник статей.

Ефимов В. В. (ред). — М.: Радиотехника, 2006. 144 с

18. Галушкин А. И. Применение нейрокомпьютеров в энергетических системах, М.: Научный центр нейрокомпьютеров, 1997.

19. Россиев Д. А., Медицинская нейроинформатика, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука.

Сибирское предприятие РАН, 1998. — 296 с.

20. Галушкин А. И., Применения нейрокомпьютеров в финансовой деятельности.

21. Миркес Е. М.,Логически прозрачные нейронные сети и производство явных знаний из данных, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с ISBN 5020314102

22. Терехов С. А., Нейросетевые информационные модели сложных инженерных систем, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с ISBN 5020314102

23. Gorban A.N., Rossiyev D.A., Dorrer M.G., MultiNeuron — Neural Networks Simulator For Medical, Physiological, and Psychological Applications, Wcnn’95, Washington, D.C.: World

Congress on Neural Networks 1995 International Neural Network Society Annual Meeting :

Renaissance Hotel, Washington, D.C., USA, July 17-21, 1995.

24. Dorrer M.G., Gorban A.N., Kopytov A.G., Zenkin V.I., Psychological Intuition of Neural Networks. Proceedings of the 1995 World Congress On Neural Networks, A Volume in the INNS Series of Texts, Monographs, and Proceedings, Vol. 1, 1995, 193—196.

25. Доррер М. Г., Психологическая интуиция искусственных нейронных сетей, Дисс. …

1998. Другие копии онлайн: [4]

26. Taniguchi M., Haft M., Hollm\'en J., Tresp V., Fraud detection in communications networks using neural and probabilistic methods, In Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP'98), volume II, pages 1241– 1244, 1998.

Источник — «http://ru.wikipedia.org/wiki/%D0%9D%D0%B5%D0%B9%D1%80%D0%BE%D0%BA%D0 %BE%D0%BC%D0%BF%D1%8C%D1%8E%D1%82%D0%B5%D1%80»




Похожие работы:

«Ф Е Д Е Р А Л Ь Н О Е АГЕНТСТВО ПО ТЕ Х Н И Ч Е С К О М У РЕГ УЛ ИР ОВ А Н ИЮ И МЕТР ОЛ ОГ ИИ СВИДЕТЕЛЬСТВО об у т в е р ж д е н и и т и п а с р е д с т в и з м е р е н и й R U.E.2 9.0 06.A № 45470 Срок действия бессрочный НАИМЕНОВАНИЕ ТИПА СРЕДСТВ ИЗМЕРЕНИЙ Расходомер UFM 3030 ЗАВОДСКОЙ НОМЕР...»

«Российская национальная инициатива Лесного попечительского совета РОССИЙСКИЙ НАЦИОНАЛЬНЫЙ СТАНДАРТ ДОБРОВОЛЬНОЙ ЛЕСНОЙ СЕРТИФИКАЦИИ ПО СХЕМЕ ЛЕСНОГО ПОПЕЧИТЕЛЬСКОГО СОВЕТА Код издания ЛПС: FSC-STD-RUS-01 2008-11 Russian national st...»

«Гай Валерий Катулл Избранные переводы "Издательские решения" Гай Валерий Катулл Избранные переводы / Гай Валерий Катулл — "Издательские решения", 2015 ISBN 978-5-457-85142-9 В сборник вошли избранные переводы трех великих античных поэтов – Марка Валерия Марциала, Гая Валерия Катулла и Сапфо, чаще всего писавших о любви, которая и служила им и...»

«7. Норенков, И.П. Эвристики и их комбинации в генетических методах дискретной оптимизации [Текст] / И.П. Норенков // Информационные технологии. – 1999. – №1.8. Беломойцев, Д.Е. Разработка методики автоматизиро...»

«КОМПРЕССЕТ КОМПРЕСС-КРЕМ ОТ ШЕСТИ ВЕЧНЫХ ПРОБЛЕМ! КОМПРЕССЕТ ОБЪЕДИНЯЕТ ОБЕЗБОЛИВАЮЩИЕ СВОЙСВА КОМПРЕССОВ И ЛЕЧЕБНЫЕ СВОЙСТВА АПТЕЧНЫХ КРЕМОВ КОМПРЕССЕТ ЭФФЕКТИВЕН И УДОБЕН В ПРИМЕНЕНИИ Эффективен как компресс: • глубоко проникает в поврежденные ткан...»

«"УТВЕРЖДАЮ" Директор НПФ "КонтрАвт" Костерин А. Г. “ “ 2008 г. Модуль ввода-вывода дискретных сигналов MDS DIO-16BD/SR Руководство по эксплуатации ПИМФ.426439.001-01 РЭ "СОГЛАСОВАНО" Гл. инженер НПФ "КонтрАвт" Громов Д.В. “ “ 2008 г. : +7(77172)727-132, (844)278-03-48, (473)204-51-73, (343)384-55-89, (843)206-01-...»

«ІНСТРУКЦІЯ З ЕКСПЛУАТАЦІЇ ЕЛЕКТРИЧНОГО ЧАЙНИКА ORION Модель: ORK-0338 (українською мовою) Шановні покупці! Дуже ВДЯЧНІ Вам за придбання електричного чайника Orion ! Ми щиро віримо у те, що протягом багатьох років Ви будете отримувати...»

«1 Содержание Стр.1. Общие положения 3 1.1.Определение 3 1.2.Нормативные документы 3 1.3. Общая характеристика основной образовательной программы 3 2. Характеристика профессиональной деятельности...»

«Н. БЕРДЯЕВ О творчес ой свободе и о фабри ации человечес их д ш Оружье свободных людей — Свободное слово. Константин Аксаков Так, как думал в своем известном стихотворении о свободе слова Константин Аксаков, думали все русские писатели, со здавшие великую русскую л...»

«"Рассмотрено" "Согласовано" "Утверждаю" Руководитель МО Заместитель директора по УВР Директор школы Салихов И.Ш. Гилмуллина Ч.З. _ А.Х.Магданов Протокол № _ от Приказ № от "_"2015 г. "_"_2015 г. "" _2015 г. Муниципальное бюджетное образовательн...»








 
2017 www.kn.lib-i.ru - «Бесплатная электронная библиотека - различные ресурсы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.