ТЕОРЕТИЧНІ ОСНОВИ ТА ОРГАНІЗАЦІЯ ВИСОКОЕФЕКТИВНИХ ОБЧИСЛЮВАЛЬНИХ ЗАСОБІВ З ПАРАЛЕЛЬНИМ РІЗНИЦЕВО-ЗРІЗОВИМ ОБРОБЛЕННЯМ ДАНИХ

summary

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність дисертаційної роботи для побудови високоефективних обчислювальних засобів з різницево-зрізовим обробленням даних для інтелектуальних систем, її зв’язок з науковими програмами та темами. Сформульовано мету і завдання досліджень, викладено наукову новизну та практичне значення отриманих результатів. Наведено дані про рівень апробації, про кількість публікацій за тематикою виконаних досліджень, відомості щодо особистого внеску автора та структури дисертації.

У першому розділі проаналізовано теоретичні та реалізаційні моделі побудови обчислювальних засобів інтелектуальних систем.

Тенденції сучасних комп’ютерних систем спеціального призначення пов’язані з необхідністю опрацювання великих об’ємів даних для вирішення широкого класу прикладних задач у реальному часі. Головними напрямками забезпечення цих вимог є інтелектуалізація та висока продуктивність комп’ютерних систем, що, у свою чергу, потребує розширення функціональних можливостей і забезпечення високого рівня паралелізму оброблення (алгоритмічно-структурний аспект) та високої граничної швидкодії (технологічний аспект).

Все це можливо забезпечити за таких умов, як використання гібридних та нейротехнологій, створення адаптивних та паралельних методів оброблення великих масивів даних, апаратної підтримки паралельних обчислювальних процесів на регулярних структурах та переходу на новітні технології в області елементної бази (ПЛІС, фотонні кристали, оптоелектронні ІС на базі матриць смарт-пікселів). Серед перспективних засобів програмно-апаратної та апаратної реалізації паралельних алгоритмів можна виділити використання графічних процесорів GPU та технології CUDA, а також нейроприскорювачів та прискорювачів у складі багатопроцесорних систем. Для перших необхідним є наявність моделі обчислень SIMD, а для останніх обов’язковим є обґрунтування базових обчислювальних операцій та базових операційних вузлів, що дозволить значно скоротити їх номенклатуру. При цьому в обох випадках базовими принципами побудови є паралелізм оброблення та локальна зв’язність обчислень, перепрограмованість та регулярність структур. Прикладом адаптивних комп’ютерних систем, зорієнтованих на вирішення інтелектуальних задач, є інтелектуальні системи, серед засобів застосування яких варто виділити інтелектуальні системи ідентифікації, гібридні інтелектуальні системи керування мобільними роботами, системи інформаційної безпеки у телекомунікаційних і комп’ютерних мережах, системи медичної діагностики, засоби нейромоделювання у біомедичній інженерії.

В роботі розглянуто два концептуальні приклади обчислювальних засобів для інтелектуальних систем, а саме інтелектуальна пам'ять та око-процесор як засіб реалізації око-процесорного (ОК) оброблення даних. Серед основних принципів ОК оброблення виділено такі: паралельне введення інформації, суміщене з її передобробленням; паралельне оброблення всіх елементів вхідного масиву даних; виділення сукупності ознак в процесі попереднього оброблення, тобто суміщення попереднього оброблення з первинним аналізом вхідного масиву даних; базові операції – виділення та вилучення загальної складової всіх елементів масиву даних та паралельне підсумовування (накопичення) поточних загальних складових на кожній ітерації оброблення; ітераційний та адаптивний характер процесу оброблення з використанням зворотних зв’язків; ієрархічна організація процесу аналізу та розпізнавання зображень.

Класифікація обчислювальних засобів з ОК обробленням (рис. 1) дозволяє показати серед відомих методів та засобів місце різницево-зрізового оброблення як різновиду ОК оброблення та засобів для його реалізації (окрема гілка праворуч). Крім того, аналіз концепції обчислювальних засобів для інтелектуальних систем дозволяє обґрунтувати базові обчислювальні операції, а саме векторно-матричне множення і нейрооперації (зважене підсумовування, нелінійне перетворення, механізм конкуренції). В свою чергу, огляд особливостей застосування нейротехнологій в інтелектуальних системах дозволяє визначити номенклатуру базових операційних вузлів у складі паралельного багатовхідного суматора, багатовхідного помножувача, багатовхідного сортувальника (детектора максимуму).

Аналіз методів оброблення та аналізу сигналів і зображень показав ефективність спектральних методів на базі ортогональних перетворень з переходом в область трансформант. Оскільки на практиці у більшості випадків використовують сигнали прямокутної форми, то інтерес представляють дискретні перетворення, а саме унітарні, які ефективно використовуються при ущільненні, кодуванні, фільтрації, архівації, передачі та розпізнаванні інформації. У свою чергу, особливості розпізнавання сигналів і зображень у медичній діагностиці свідчать про актуальність та перспективність подальшого розвитку та широкого використання медичних експертних систем на базі новітніх досягнень в області нейротехнологій та нечіткої логіки. Разом з тим специфіка процесу класифікації, наприклад, біоелектричних сигналів зумовлює переваги використання методу класифікації з обчисленням дискримінантних функцій за початковими даними з обмеженими статистичними описами. В цьому випадку при апаратній реалізації класифікатора інтерес представляє паралельна організація процесу оброблення двовимірних масивів даних.

Серед відомих методів мультиоброблення масивів чисел при їх апаратній реалізації перевагу слід віддавати паралельним методам багатооперандного оброблення, особливо тим, які мають регулярну і локально зв’язану організацію, а серед способів представлення процесу мультиоброблення – з використанням систем алгоритмічних алгебр (САА) В.М. Глушкова як універсального методу з широкими можливостями у сфері синтезу, класифікації і порівняльного аналізу нових ефективних алгоритмів.