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

Краткое описание

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
ВІННИЦЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ

На правах рукопису

МАРТИНЮК ТЕТЯНА БОРИСІВНА

УДК 004.272:004.93`1

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

Спеціальність 05.13.05 – комп'ютерні системи та компоненти

Дисертація на здобуття наукового ступеня
доктора технічних наук

Науковий консультант
Кожем'яко Володимир Прокопович,
доктор технічних наук, професор

Вінниця – 2013

ЗМІСТ

ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ …………………………... 8
ВСТУП ……………………………………………………………. 10
РОЗДІЛ 1 АНАЛІЗ ТЕОРЕТИЧНИХ ТА РЕАЛІЗАЦІЙНИХ МОДЕЛЕЙ ПОБУДОВИ ОБЧИСЛЮВАЛЬНИХ ЗАСОБІВ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ ………………………......

22
1.1 Тенденції сучасних комп’ютерних систем ………………... 22
1.2 Концепція обчислювальних засобів інтелектуальних систем … 27
1.2.1 Інтелектуальна пам’ять ………………………………... 32
1.2.2 Око-процесор як модель обчислювального засобу інтелектуальних систем ……………………………………...
34
1.2.3 Методи та засоби реалізації око-процесорного оброблення даних …………………………………………………………..
38
1.2.4 Обгрунтування базових обчислювальних операцій для інтелектуальних систем ……………………………………...
44
1.3 Особливості застосування нейротехнологій в інтелектуальних системах …………………………………………………………..
49
1.3.1 Інтелектуальні системи керування в робототехниці .. 50
1.3.2 Інтелектуальні системи захисту інформації ………… 53
1.3.3 Нейромережні засоби у медичній діагностиці ……… 54
1.3.4 Апаратне моделювання нервових процесів у біомедичних дослідженнях ………………………………………………..
61
1.3.5 Обгрунтування базових операційних вузлів для обчислюваних засобів інтелектуальних систем …………..
64
1.3.6 Обгрунтування базової моделі нейроподібного елемента .. 66
1.4 Аналіз методів лінійного перетворення інформації як базису мультиоброблення даних ………………………………………….
74
1.5 Система алгоритмичних алгебр В.М. Глушкова як базис для формального опису алгоритмів мультиоброблення даних …
80
1.6 Аналіз формалізованих методів синтезу регулярних структур... 83
1.7 Оцінювання ефективності паралельних методів та засобів оброблення масивів даних ………………………………………...
88
1.7.1 Узгодження алгоритмічних і структурних показників для обчислювальних засобів ……………………………………
89
1.7.2 Особливості оцінювання ефективності параллельно-конвеєрного процессу в обчислювальних засобах ………
92
1.8 Висновки, визначення проблеми та постановка задач дослідження ………………………………………………………..
95
РОЗДІЛ 2 ТЕОРЕТИЧНІ ОСНОВИ ЛІНІЙНОГО ДИСКРЕТНОГО ПЕРЕТВОРЕННЯ НА БАЗІ РІЗНИЦЕВИХ ЗРІЗІВ ………………..
2.1 Пряме перетворення ……………………………………………….
98
98
2.1.1 Особливості різницевих зрізів ……………………………... 104
2.1.2 Визначення екстремальних елементів векторних масивів
2.2 Оберенене перетворення …………………………………………. 107
111
2.2.1 Відновлення елементів векторних масивів ……………….. 113
2.3 Основні положення лінійного дискретного перетворення векторного масиву даних за різницевими зрізами ………………
114
2.4 Порівняльний аналіз способів паралельного оброблення векторних масивів …………………………………………………
124
2.5 Висновки до другого розділу …………………………………… 132
РОЗДІЛ 3 МАТЕМАТИЧНІ ТА АЛГОРИТМІЧНІ МОДЕЛІ ОБРОБЛЕННЯ ЗА РІЗНИЦЕВИМИ ЗРІЗАМИ ВЕКТОРНИХ МАСИВІВ ДАНИХ ……………………………………………………

135
3.1 Згортка елементів векторного масиву …………………………. 135
3.2 Сортування і вибірка екстремальних елементів векторного масиву ………………………………………………………………
142
3.3 Відновлення елементів векторного масиву ……………………. 147
3.4 Порогове оброблення векторних масивів ……………………….. 150
3.5 Аналіз способів порогового оброблення векторних масивів ….
3.6 Визначення локального порогу оброблення векторних масивів 163
166
3.7 Опис алгоритмів різницево-зрізового оброблення на мові САА В.М. Глушкова ……………………………………………………
3.8 Класифікація способів паралельного оброблення за різницевими зрізами ……………………………………………...
169

174
3.9 Висновки до третього розділу ………………………………….. 180
РОЗДІЛ 4 АЛГОРИТМІЧНІ ТА РЕАЛІЗАЦІЙНІ МОДЕЛІ РІЗНИЦЕВО-ЗРІЗОВОГО ОБРОБЛЕННЯ ДВОВИМІРНИХ МАСИВІВ ДАНИХ …………………………………………………..
4.1 Основні положення різницево-зрізового оброблення двовимірних масивів даних при класифікації образів …………
4.2 Реалізаційні моделі оброблення елементів дискримінантних функцій за різницевими зрізами …………………………………
4.2.1 Ранжування значень дискримінантних функцій …………
4.2.2 Урахування порогу оброблення дискримінантних функцій ..
4.2.3 Особливості структури блока класифікації у складі класифікатора ………………………………………………
4.3 Порівняльний аналіз способів класифікації за дискримінантними функціями …………………………………..
4.4 Висновки до четвертого розділу ………………………………...
РОЗДІЛ 5 РЕГУЛЯРНІ СТРУКТУРИ ДЛЯ ОБРОБЛЕННЯ ДАНИХ ЗА РІЗНИЦЕВИМИ ЗРІЗАМИ ………………………………………..

5.1 Адаптований метод синтезу систолічних структур …………… 211
5.1.1 Перетворення рекурсивних алгоритмів у графи залежностей 211
5.1.2 Відображення графів залежностей на масиви графу
потоку сигналів ……………………………………………..
217
5.2 Систолічна структура багатофункціонального паралельного суматора …………………………………………………………...
5.3 Систолічна структура паралельного суматора з пороговим обробленням ………………………………………………………
5.4 Матрична структура обчислювача для класифікатора …….......
5.5 Часові діаграми процесів оброблення за різницевими зрізами ...

5.6 Висновки до п’ятого розділу …………………………………….. 242
РОЗДІЛ 6 МОДЕЛЮВАННЯ ПРОЦЕСІВ ОБРОБЛЕННЯ МАСИВІВ ДАНИХ ЗА РІЗНИЦЕВИМИ ЗРІЗАМИ ……………….
6.1 Моделювання багатооперандного оброблення за різницевими зрізами ……………………………………………………………..
6.2 Моделювання процесу оброблення за різницевими зрізами двовимірного масиву даних ……………………………………...
6.2.1 Імітаційна модель процесу ………………………………...
6.2.2 Часові залежності оброблення за різницевими зрізами елементів матриць ……………………………………………

6.2.3 Аналіз та інтерпретація результатів моделювання ………
6.3 Моделювання процесу ранжування значень дискримінантних функцій ……………………………………………………………
6.4 Висновки до шостого розділу ……………………………………. 259

РОЗДІЛ 7 АСПЕКТИ РЕАЛІЗАЦІЇ РЕГУЛЯРНИХ СТРУКТУР З РІЗНИЦЕВО-ЗРІЗОВИМ ОБРОБЛЕННЯМ ДАНИХ ……………...
7.1 Моделювання регулярних структур на ПЛІС …………………..
7.1.1 Аналіз результатів імітаційного моделювання ……………

7.2 Ефективність конвеєрних процесорів з різницево-зрізовим обробленням даних ……………………………………………….
7.3 Основні напрямки використання методів і моделей з різницево-зрізовим обробленням даних ………………………...
7.3.1 Багатовхідний адаптивний суматор у складі нейроприскорювача ………………………………………..
7.3.2 Матричний процесор ранжування ДФ у складі класифікатора сигналів ……………………………………..
7.3.3 Рекомендації щодо використання оптоелектронних ІС в інтелектуальних системах …………………………………..
7.4 Класифікація регулярних структур з обробленням даних за різницевими зрізами ……………………………………………...
7.5 Висновки до сьомого розділу ……………………………………
ВИСНОВКИ …………………………………………………………..
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ …………………………….
ДОДАТКИ …………………………………………………………….
Додаток А. Цифрові нейрочипи ……………………………………..
Додаток Б. Класифікація моделей нейронів ………………………...
Додаток В. Основні операції, що входять у сигнатуру CAA-M …...
Додаток Д. Процес класифікації з ранжуванням …………………...
Додаток Е. Процес класифікації з урахуванням порогу оброблення…
Додаток Ж. Програма паралельного підсумовування ……………..
Додаток И. Блок-схема алгоритму підрахунку кількості ітерацій процесу класифікації …………………………………………………
Додаток К. Блок-схема алгоритму підрахунку середньої кількості ітерацій процесу класифікації ……………………………………….
Додаток Л. Програмна реалізація імітаційної моделі (функція для підрахунку кількості ітерацій) ……………………………………….
Додаток М. Програмна реалізація імітаційної моделі (функції для заповнення матриць) …………………………………………………
Додаток Н. Результати імітаційних експериментів для нормального закону розподілу ………………………………………
Додаток П. Результати імітаційних експериментів для рівномірного закону розподілу ………………………………………
Додаток Р. Середні значення кількості ітерацій процесу класифікації для нормального розподілу вхідних даних …………..
Додаток С. Програма моделювання процессу ранжування ………..
Додаток Т. Схема базової комірки …………………………………..
Додаток У. Базова комірка …………………………………………...
Додаток Ф. Схема додаткової комірки ……………………………...
Додаток Х. Додаткова комірка ………………………………………
Додаток Ц. Схема комірки матричного процесора ………………..
Додаток Ш. Комірка матричного процесора ……………………….
Додаток Щ. Фрагмент файла звіту …………………………………..
Додаток Ю. Акти впровадження …………………………………….

ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ

АОП – алгоритм одиночних присвоювань
АП – асоціативний процесор
АС – аналізатор спектра
БЕС – біоелектричний сигнал
ГЗ – граф залежностей
ГПС – граф потоку сигналів
ДАП – двонапрямлена асоціативна пам’ять
ДЗ – дискретизоване зображення
ДФ – дискримінантна функція
ЕОМ – електронна обчислювальна машина
ЗП – запам’ятовувальний пристрій
ІМС – інтегральна мікросхема
ІТ – інформаційна технологія
КП – контурний препарат
ЛДП – лінійне дискретне перетворення
ЛЧ – логіко-часовий
ЛЧК – логіко-часовий код
ЛЧФ – логіко-часова функція
МКМД – множинний потік команд, множинний потік даних
МКФ – модульно-кореляційна функція
МРЗ – метод різницевих зрізів
НВІС – надвелика інтегральна схема
НМ – нейромережа
ОГП – оператор групового підсумовування
ОЗП – оперативний запам’ятовувальний пристрій
ОК – образний комп’ютер
ОКМД – одиночний потік команд, множинний потік даних
ОЕІС – оптоелектронна інтегральна схема
ОП – око-процесор
ПЕ – процесорний елемент
ПЕОМ – паралельна електронна обчислювальна машина
ПІ – паралельно-ієрархічний
ПК – персональний комп’ютер
ПЛІС – програмована логічна інтегральна схема
РГФ – решітчастий функціональний граф
РЗ – різницевий зріз
РІА – регулярний ітераційний алгоритм
РІМ – регулярна ітераційна матриця
РОС – реконфігурована обчислювальна система
РС – регулярна схема
САА – система алгоритмічних алгебр
САА-М – система алгоритмічних алгебр модифікована
СУБД – система управління базою даних
УКП – узагальнений контурний препарат
УПЗП – узагальнене просторово-зв’язане препарування
ФН – формальний нейрон
ЦОС – цифрова обробка сигналів
ЦСП – цифровий сигнальний процесор
ЦФ – цифровий фільтр
ШНМ – штучна нейронна мережа
FCM – нечітка класифікація фрагментів (Fuzzy C-means)
MAXNET – нейромережа визначення максимуму

ВСТУП

На сьогоднішній день значні досягнення в області інформаційних технологій, які пов’язані, в першу чергу, з використанням нейротехнологій, теорії нечітких множин та їх симбіозу, нанотехнологій та інтегральної оптоелектроніки, а також розроблених засад штучного (машинного) інтелекту дозволили впритул підійти до підвищення рівня інтелектуалізації та збільшення продуктивності комп’ютерних систем, тобто до надання їм властивостей мислення і сприйняття, що характерні для людини [1, 2].
При цьому ефективне використання штучних нейромереж для розв’язання складних практичних задач обумовило їх статус як одного з базових архітектурних принципів побудови комп’ютерних систем нового покоління [3-5] з метою створення адаптивних еволюціонуючих систем, зорієнтованих на вирішення задач інтелектуального рівня. Повноцінними прикладами таких систем на сьогоднішній час можна вважати інтелектуальні системи, області застосування яких охоплюють всі сфери діяльності людини [1-5]: медицину, освіту, фінансову діяльність, наукові і космічні дослідження, виробництво, побут тощо. Серед важливих прикладних задач, що вирішуються інтелектуальними системами, варто відзначити ефективне керування дистанційними об’єктами, розпізнавання зорових та мовленнєвих образів, інтелектуалізацію систем ідентифікації, підвищення ефективності систем захисту інформації в комп’ютерних та телекомунікаційних мережах, медичне експрес-діагностування.
У зв’язку з цим актуальним є створення комп’ютерних систем з нетрадиційною архітектурою, здатних обробляти, аналізувати та розпізнавати символьну інформацію, що властиве для систем штучного інтелекту, з продуктивністю не менше, ніж у сучасних комп’ютерних систем.
Отже, для побудови ефективних архітектур обчислювальних засобів для інтелектуальних систем необхідною умовою є використання таких базових принципів, як паралелізм оброблення, локальна зв’язаність обчислень, програмованість та регулярність структури, які відповідають задачі адекватного відображення просторово-часової алгоритмічної структури паралельних обчислювальних процесів на архітектуру паралельних обчислювачів. Такий підхід забезпечується поєднанням принципів конвеєризації, векторної та матричної програмно-апаратної та апаратної організації обчислень на базі новітніх розробок в області нанотехнологій та інтегральної оптоелектроніки.
Актуальність теми. Важливими напрямками сучасного розвитку комп’ютерних систем спеціального призначення є інтелектуалізація, висока продуктивність та реальний час спрацювання при вирішенні широкого класу сучасних прикладних задач з необхідністю оброблення великих об’ємів інформації, яка відрізняється за формою та способом подання (візуальна, аудіо- і телеінформація, біосигнали тощо). При цьому, концептуальною базою для інтелектуалізації комп’ютерних систем є методи штучного (машинного) інтелекту з використанням нейроінформаційних технологій.
Потреба в інтелектуальних системах різного призначення в останні роки різко зростає, про що свідчать розробки в області створення інтелектуальних телекомунікаційних систем, систем ідентифікації та керування мобільними роботами, систем захисту інформації та керування трафіком у комп’ютерних мережах тощо. Серед методів підвищення продуктивності обчислювальних засобів у складі інтелектуальних систем першочерговими є: створення адаптивних та паралельних методів оброблення великих масивів даних; апаратна підтримка паралельних локально зв’язаних обчислювальних процесів на регулярних структурах; широке застосування новітніх технологій в області елементної бази (ПЛІС, фотонні кристали, оптоелектронні ІС на матрицях смарт-пікселів). При цьому на перший план виходить необхідність програмно-апаратної та апаратної реалізації паралельних алгоритмів, що обумовлено особливістю прикладних застосувань інтелектуальних систем і потребує спрацювання в реальному часі і багатофункціональності при реалізації процедур аналізу та розпізнавання, компактності та надійності апаратури, спеціальних режимів експлуатації, захисту від несанкціонованого доступу.
Разом з тим, існуючі алгоритмічні та структурні методи організації обчислювальних процесів в деяких прикладних областях (медичне експрес-діагностування, робототехніка, біомедичні дослідження) використовуються неефективно, оскільки в цих випадках задіяно не всі потенціальні можливості розпаралелювання та збільшення багатофункціональності при апаратній реалізації обчислювального процесу. Один з ефективних і визнаних шляхів до зменшення обчислювальних витрат – це створення нових методів паралельного оброблення інформації, зокрема, глобально-паралельного і конвеєрного оброблення, які дозволяють: реалізувати потокову організацію обчислень; одночасно отримати декілька результатів; частину процедур зробити скороченими, тобто отримати їх прискорення; реалізувати базові операції (процедури) апаратно у вигляді прискорювачів та нейроприскорювачів.
Таким чином, науково-прикладною проблемою є необхідність забезпечення у комплексі високого рівня паралелізму та багатофункціональності процесів оброблення одно- та двовимірних масивів даних та їх адекватного відображення у паралельні архітектури обчислювальних засобів для інтелектуальних систем.
Методологічний аспект проблеми полягає в тому, що недостатньо розвинуто принципи паралельного оброблення даних, а саме різницево-зрізового оброблення одно- та двовимірних масивів даних та їх адекватного відображення на регулярні структури у вигляді систолічних масивів, що дозволить забезпечити ефективність такого підходу при реалізації обчислювальних засобів інтелектуальних систем на апаратній основі ПЛІС. Теоретичний аспект проблеми полягає в тому, що недостатньо обґрунтовано математичні моделі паралельного оброблення за різницевими зрізами масивів даних, що дозволить підтвердити високий рівень паралелізму, багатофункціональність, локальну зв’язаність і структурну регулярність та програмованість при його апаратній реалізації, зокрема на систолічних масивах. Інженерно-технічний аспект полягає у тому, що недостатньо розвинуто принципи побудови, реалізації на новітніх технологіях та оцінювання ефективності конвеєрних та матричних процесорів систолічного типу з обробленням за різницевими зрізами, що дозволить підвищити формалізацію процесу проектування обчислювальних засобів інтелектуальних систем.
Потенційні можливості вирішення вказаної проблеми і комплексу пов’язаних з нею задач надає запропонована і розвинута в даній роботі в теоретичному та прикладному аспектах концепція паралельного різницево-зрізового оброблення одно- та двовимірних масивів даних. Отже, необхідно вирішити визначену науково-прикладну проблему шляхом розроблення концептуальних засад і науково-обгрунтованих паралельних методів оброблення на базі різницевих зрізів для побудови високоефективних обчислювальних засобів для інтелектуальних систем з відповідним математичним, алгоритмічним та схемотехнічним забезпеченням.
Зв’язок роботи з науковими програмами, планами, темами. Проблема, вирішенню якої присвячена дисертація, пов’язана з одним з напрямків Державної науково-технічної програми на 2004-2010 рр. (другий етап) зі створення образного комп’ютера (Постанова №1652 Кабінету Міністрів України від 8.11.2000 р.). Дисертаційне дослідження проводилось протягом 1991-2013 рр. згідно з напрямком досліджень Вінницького національного технічного університету та Міністерства освіти і науки України за держбюджетними темами: "Разработка теории и принципов создания параллельных оптоэлектронных процессоров, их архитектур и элементной базы" (№ держ. реєстрації 0193U027463); "Видео-компьютеры глаз-процессорного типа с нетрадиционными способами кодирования" (№ держ. реєстрації 0193U007161); "Принципы организации и структуры оптоэлектронных компьютеров на однородных логико-временных средах" (№ держ. реєстрації 0196U01523); "Лазерні та оптико-електронні технології в діагностиці, терапії та прогнозуванні стану серцево-судинної системи" (№ держ. реєстрації 0102U002272); "Образний відео-комп’ютер око-процесорного типу" (№ держ. реєстрації 0102U002261); "Оптико-електронний квантово-розмірний образний комп'ютер око-процесорного типу: концепції, методологія, база знань" (№ держ. реєстрації 0105U002434); "Оптико-електронні паралельні логіко-часові інформаційно-енергетичні середовища на базі образних комп’ютерів" (№ держ. реєстрації 0108U000662).
Мета і задачі дослідження. Мета дослідження полягає у підвищенні ефективності обчислювальних засобів інтелектуальних систем шляхом розвитку теоретичних положень різницево-зрізового оброблення масивів даних і створення на цій базі нових математичних, алгоритмічних і структурних моделей, зорієнтованих на апаратну реалізацію паралельних обчислювальних структур з розширеними функціональними можливостями.
Досягнення мети здійснено шляхом розв’язання таких основних задач:
1) аналіз теоретичних та реалізаційних моделей побудови обчислювальних засобів інтелектуальних систем; обґрунтування вибору концепції око-процесорного оброблення інформації в цьому контексті;
2) порівняльний аналіз основних характеристик і властивостей лінійних методів перетворення інформації як базису мультиоброблення даних, дослідження основних способів паралельного оброблення масивів даних, їх подання у базисі САА В.М. Глушкова та відображення на регулярні (систолічні) масиви;
3) розроблення основних теоретичних положень, математичних і алгоритмічних моделей процесів лінійного перетворення масивів даних на базі паралельного оброблення за різницевими зрізами (РЗ);
4) розроблення структурних моделей систолічного типу для реалізації оброблення одно- та двовимірних масивів даних за РЗ;
5) розроблення принципів побудови багатофункціональних паралельних суматорів як базових структур для реалізації нейрообчислень та матричного процесора з розширеними функціональними можливостями для класифікатора сигналів з обробленням даних за РЗ;
6) дослідження архітектури обчислювальних засобів з різницево-зрізовим обробленням даних у вигляді прискорювачів та нейроприскорювачів для таких застосувань, як класифікація біомедичних сигналів, керування промисловими роботами, моделювання аналогів біологічних нейронів;
7) імітаційне моделювання процесів різницево-зрізового оброблення масивів даних з наочним відображенням їх часових залежностей;
8) дослідження ефективності розроблених схемотехнічних рішень щодо реалізації прискорювачів та нейроприскорювачів на перспективній елементній базі.
Об’єкт дослідження – процеси паралельного оброблення числових одно- та двовимірних масивів даних за РЗ для реалізації нейрообчислень та класифікації образів.
Предмет дослідження –математичні, алгоритмічні та структурні моделі, архітектура обчислювальних засобів на базі паралельного оброблення масивів даних за РЗ.
Методами дослідження є загальні положення теорії математичної логіки, лінійної алгебри, теорії дискретних перетворень інформації – для побудови математичної моделі SM-перетворення; методи математичного аналізу, теорії алгоритмів, апарат САА В.М. Глушкова – для розроблення та аналізу алгоритмічних моделей паралельного оброблення одновимірних масивів даних за РЗ; методи теорії цифрового оброблення та аналізу сигналів і зображень, теорії розпізнавання образів – для розроблення методу оброблення двовимірних масивів даних за РЗ для класифікації образів; методи теорії аналізу та синтезу обчислювальних систем, теорії нейрообчислень і штучних нейромереж, методика відображення ітераційних алгоритмів на регулярні структури – для побудови регулярних структур для реалізації нейрообчислень на базі оброблення даних за РЗ; методи математичного та імітаційного моделювання – для моделювання процесів паралельного оброблення одно- та двовимірних масивів даних за РЗ.
Наукова новизна одержаних результатів:
1. Вперше розроблено теоретичні основи лінійного перетворення векторних масивів даних на базі формування різницевих зрізів (SM-перетворення), яке відрізняється від відомих характером формування лінійних операторів в процесі прямого і оберненого перетворення. Це дозволяє побудувати математичну модель SM-перетворення, в якому використовуються дві матриці бінарних масок F, G і МN-матриця, яка відображає розкладання на сімейство базисних прямокутних функцій. Це, у свою чергу, дозволяє обґрунтувати багатофункціональність SM-перетворення для реалізації базових обчислювальних та асоціативних операцій для процесів оброблення, аналізу та розпізнавання сигналів і зображень.
2. Розвинуто теорію око-процесорного оброблення масивів даних за рахунок введення і обґрунтування основних положень методу РЗ, доведення ряду тверджень стосовно базових операцій: паралельного підсумовування, сортування та відновлення елементів векторних масивів даних. Це дозволяє організовувати метод паралельно-послідовного оброблення масиву даних з розширеними функціональними можливостями за рахунок суміщення процесу оброблення векторного масиву даних з виділенням ознак у вигляді матриць бінарних масок F i G як базисних функцій для SM-перетворення.
3. Вперше розроблено метод оброблення за РЗ елементів дискримінантних функцій (ДФ) у вигляді матриці розмірністю m×n в процесі класифікації образів. Цей метод відрізняється від відомих відмовою від "накопичення" значень m ДФ з появою можливості визначення місцезнаходження максимальної ДФ в процесі оброблення елементів матриці за РЗ. Це забезпечує максимальний рівень розпаралелювання процесу оброблення за РЗ по стовпцях матриці O(n), локальну зв’язаність обчислень, а також розширення функціональних можливостей методу за рахунок врахування зовнішнього порогу оброблення та можливості ранжування результатів класифікації з виявленням найближчих ДФ за значенням до максимальної ДФ.
4. Вперше запропоновано формальний опис математичних моделей паралельного оброблення масиву чисел за РЗ з використанням апарату САА В.М. Глушкова. Для врахування особливостей оброблення за РЗ доповнено перелік базисних операторів і предикатів, а також введено декомпозицію вигляду (А+В) для операцій паралельного використання операторів А і В. Це дозволяє застосувати отримані в рамках САА математичні моделі у вигляді регулярних (структурованих) схем для апаратної реалізації паралельних обчислювачів, а також для синтезу, класифікації та порівняльного аналізу нових ефективних способів паралельного оброблення масиву чисел за РЗ.
5. Дістав подальшого розвитку синтез регулярних структур з розробленням адаптованого методу відображення ітераційних алгоритмів на систолічні масиви з урахуванням особливостей оброблення за РЗ, що дозволяє синтезувати одновимірні систолічні масиви для реалізації базових операцій з різницево-зрізовим обробленням даних. Це забезпечує формалізацію процесу проектування обчислювальних засобів та вибір оптимального результату проектування.
6. Запропоновано і досліджено архітектуру конвеєрних та матричного процесорів з розширеними функціональними можливостями на базі систолічних одно- та двовимірних масивів, які забезпечують реалізацію паралельно-конвеєрного оброблення масивів даних за РЗ. Архітектурні рішення мають регулярну структуру і організацію оброблення масивів даних за принципом близькодії, що забезпечує простоту керування, використання швидкої регістрової пам’яті, можливість модульного розширення і переналаштування модулів обчислювальних засобів з різницево-зрізовим обробленням даних для інтелектуальних систем.
Практичне значення отриманих результатів.
Практична цінність результатів роботи полягає в тому, що на основі розроблених методології, теоретичних засад, математичних моделей створено нові алгоритмічні засоби паралельного оброблення за РЗ та схемотехнічні рішення, які можуть бути використані при побудові інтелектуальних комп’ютерних систем.
1. Запропоновано алгоритмічні засоби паралельного оброблення за РЗ, які за рахунок суміщення операцій і виділення ознак вхідного векторного масиву даних як при попередньому обробленні та аналізі (одночасна реалізація згортки, сортування, відновлення елементів векторного масиву), так і при розпізнаванні образів (одночасна реалізація класифікації та ранжування ДФ) дозволяють розширити функціональні можливості та сферу прикладного застосування запропонованих обчислювальних засобів.
2. Розроблено схемотехнічні рішення щодо реалізації двох типів конвеєрних процесорів на ПЛІС у вигляді мікросхеми паралельного n-вхідного суматора з розширеними функціональними можливостями як нейроприскорювача для використання у складі нейроподібних мереж для керування промисловими роботами та апаратного моделювання штучних нейронів у біомедичних дослідженнях.
3. Розроблено схемотехнічні рішення щодо реалізації на ПЛІС матричного процесора (співпроцесора) з розширеними функціональними можливостями як прискорювача у складі класифікатора в засобах медичного діагностування та системах ідентифікації.
4. Запропоновано адаптований метод розрахунку показників ефективності конвеєрних процесорів, який відрізняється тим, що враховує особливості різницево-зрізового оброблення масивів даних. Це дозволяє оцінити за відомими коефіцієнтами ефективності конвеєрні процесори на базі одновимірних систолічних масивів з паралельно-конвеєрним принципом оброблення векторних масивів даних і визначити подальші шляхи вдосконалення їх структурної організації.
5. Розроблено програми імітаційного моделювання процесів паралельного оброблення одно- та двовимірних масивів даних на базі РЗ з визначенням часових показників, що дозволяє визначати максимальні часові витрати при реалізації розроблених способів оброблення за РЗ на конкретній апаратній базі.
Проведені автором дослідження та розробки використовувались як математично-алгоритмічна та програмно-апаратна база високопродуктивних обчислювачів для моделей прототипу образного комп’ютера як інтелектуальної системи, що розроблялись у рамках держбюджетних тем ВНТУ (ВДТУ).
Окремі розробки дисертаційної роботи впроваджено на базі таких закладів, як: Федеральне державне унітарне підприємство "НПО Астрофизика" (РФ, м. Москва); Закрите акціонерне товариство "Космические информационные аналитические системы" (РФ, м. Москва); Центр оптоелектронних технологій НДІ мікроприладів НАН України (м. Київ); ВАТ "Інфракон" (м. Вінниця); Вінницький національний медичний університет ім. М.І. Пирогова (курс "Клінічна вертебрологія").
На базі проведеного дослідження автором розроблено методичний комплекс з навчальних дисциплін "Нові інформаційні технології обробки, аналізу та розпізнавання зображень", "Оптоелектронні інтелектуальні системи", "Архітектура і структурна організація нейрокомп’ютерів", "Системотехніка оптоелектронних та лазерних систем" для студентів старших курсів на кафедрі лазерної та оптико-електронної техніки Вінницького національного технічного університету. Результати дослідження також використовуються при виконанні дипломних проектів, бакалаврських та магістерських робіт, для наукових досліджень аспірантів і відображені у п’яти навчальних посібниках.
Особистий внесок здобувача. Всі основні результати дисертаційної роботи отримано автором особисто. В публікаціях, які написані у співавторстві, здобувачеві належить: постановка задачі [7, 9, 10, 21-23, 29, 46, 47, 66, 67, 75, 77]; структурна організація аналізатора [8, 35]; математична модель оператора групового підсумовування [11, 51]; застосування методу багатооперандного оброблення даних [12, 16, 17, 50, 52, 53, 65]; модель паралельного оброблення даних на базі РЗ [13, 18, 24, 56, 74]; організація систолічних обчислювачів [15, 30, 55, 57, 76]; моделювання алгоритмів мультиоброблення даних [25, 26, 34, 45]; адаптована методика відображення алгоритмів на систолічні структури [27, 41, 48]; структурна організація конвеєрних пристроїв [28, 36, 40, 58, 68-71]; аналіз можливостей застосування РЗ для сегментації зображень [31, 49]; моделювання способу класифікації сигналів [32, 61, 63]; математичні і структурні моделі штучного нейрона [37, 39, 42, 54, 63, 82, 83]; аналіз моделей створення прототипу ОК [38]; математична модель дискретного перетворення [43, 60]; структурна організація пристроїв для розпізнавання (класифікації) образів [44, 59, 62, 64, 72, 73, 79-81, 84]; модель порогового паралельного оброблення даних [62, 78].
Апробація результатів дисертації. Основні наукові і практичні результати роботи доповідались і обговорювались на щорічних науково-технічних конференціях професорсько-викладацького складу, співробітників та студентів ВДТУ (ВНТУ) (м. Вінниця, 1997-2013); Першій-Десятій Міжнародних науково-технічних конференціях "Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ)" (м. Київ, 1992-2010); III, IV, ІХ Міжнародних науково-технічних конференціях "Контроль і управління в технічних системах (КУТС)" (м. Вінниця, 1995, 1997, 2008); VII і VIII Міжнародних науково-технічних конференціях "Контроль і управління в складних системах (КУСС)" (м. Вінниця, 2003, 2005); 3-ій та 13-ій Міжнародних науково-технічних конференціях з автоматичного управління "Автоматика" (м. Севастополь, 1996; м. Вінниця, 2006); V, VI, VIII Міжнародних науково-технічних конференціях "Вимірювальна та обчислювальна техніка в технологічних процесах" (м. Хмельницький, 1998, 1999, 2001); 1-й – 6-й Міжнародних конференціях з оптоелектронних інформаційних технологій "ФОТОНІКА-ODS" (м. Вінниця, 2000, 2002, 2005, 2008, 2010, 2012); 6-th International Young Scientists Conference Problems of Optics and High Technology Material Science SPO-2005 (м. Київ, 2005); Міжнародній науково-методичній конференції "Комп’ютерне моделювання" (м. Дніпродзержинськ, 2000); Міжнародній науково-технічній конференції "Теорія і практика побудови економіки" (м. Черкаси, 2001); 3-й, 8-й Міжнародних конференціях "Інтернет-Освіта-Наука" (м. Вінниця, 2002, 2012); 9-й Всеукраїнській науковій конференції "Сучасні проблеми прикладної математики та інформатики" (м. Львів, 2002); Міжнародних науково-технічних конференціях "Приборостроение" (м. Судак, 1996; м. Сімферополь, 1998; м. Сімеїз, 2001; м. Ялта, 2004); VII Міжнародній науково-практичній конференції "Наука і освіта’2004" (м. Дніпропетровськ, 2004); III Міжнародній науково-практичній конференції "Динаміка наукових досліджень’2004" (м. Дніпропетровськ, 2004); II Міжнародній науково-практичній конференції "Сучасні наукові дослідження’2006" (м. Дніпропетровськ, 2006); I Міжнародній науково-практичній конференції "Наука и технологии: шаг в будущее’2006" (м. Бєлгород, 2006); 7-й, 9-й, 13-й Міжнародних науково-практичних конференціях "Современные информационные и электронные технологии" (м. Одеса, 2006, 2008, 2012); III-V Міжнародних науково-технічних конференціях "Сучасні проблеми радіоелектроніки, телекомунікацій та приладобудування" (м. Вінниця, 2007, 2009, 2011); першій – третій Міжнародних науково-практичних конференціях "Методи та засоби кодування, захисту й ущільнення інформації" (м. Вінниця, 2007, 2009, 2011); ХІ Міжнародній науково-технічній конференції "Системний аналіз та інформаційні технології" (м. Київ, 2009); І-ІІІ Міжнародних науково-практичних конференціях "Інформаційні технології та комп’ютерна інженерія" (м. Вінниця, 2010; м. Харків, 2011; м. Вінниця, 2012); Міжнародній науково-технічній конференції "Искусственный интеллект. Интеллектуальные системы" (Кацивелі, АР Крим, 2010, 2011); І Міжнародній науково-технічній конференції "Обчислювальний інтелект (результати, проблеми, перспективи)" (м. Черкаси, 2011); XV Всероссийской научно-технической конференции "Нейроинформатика-2013" (м. Москва, 2013).
Публікації. Основні результати дисертаційного дослідження опубліковано у 120 наукових працях, у тому числі 5 монографіях, 41 статті у наукових журналах, що входять до переліку фахових видань України, з них 5 одноосібних, 23 статтях і тезах у наукових збірниках та журналах, у 50 патентах на винаходи України та 1 патенті РФ. Перелік 79 публікацій наведено в авторефераті.
Обсяг та структура дисертації. Дисертація складається зі вступу, семи розділів, висновків до розділів, загальних висновків, використаних джерел з 480 найменувань, 22 додатків на 51 сторінці. Загальний обсяг дисертації становить 406 сторінок. Основний зміст роботи викладено на 283 сторінках друкованого тексту, містить 19 таблиць та 103 рисунка на 13 сторінках.

Список литературы

ВИСНОВКИ

У дисертаційній роботі розв’язано науково-прикладну проблему забезпечення у комплексі високого рівня паралелізму та багатофункціональності процесів оброблення багатовимірних масивів даних з адекватним відображенням їх у паралельні архітектури обчислювальних засобів шляхом застосування теоретичних положень SM-перетворення на базі різницево-зрізового оброблення даних та розроблення методів побудови регулярних структур систолічного типу з можливістю модульного розширення і переналаштовування обчислювальних модулів.
1. У процесі виконання запропонованого лінійного SM-перетворення векторного масиву даних у кожному j-му циклі (j = ) формуються різницеві зрізи на відміну від розрядних зрізів характерних для багатооперандного паралельного додавання Результатом такого підходу є можливість виконання не тільки багатооперандних арифметичних операцій якими є підсумовування і віднімання але й реалізація задач асоціативного пошуку інформації до яких відносяться процедури визначення екстремальних (максимального й мінімального) елементів та упорядкованої вибірки (сортування) елементів векторного масиву Аналіз математичної моделі дискретного SM-перетворення показав, що воно відноситься до класу лінійних, оскільки для прямого перетворення використовується MN-матриця, яка відображає розкладання на сімейство прямокутних базисних функцій, що характерно для перетворень Адамара і Хаара. Крім того, дискретне SM-перетворення є унітарним, оскільки доведено його оберненість.
2. Базисом оброблення векторних даних за різницевими зрізами (РЗ) є формування поточних РЗ аj і внутрішнього порогу оброблення qj, який при оберненому обробленні розглядається як вага відповідної базисної функції, в якості сукупності яких використовується одна з двох матриць бінарних масок (матриця F), сформованих в процесі прямого оброблення векторних масивів. Доведення ряду тверджень стосовно таких базових операцій, як паралельне підсумовування, сортування та відновлення елементів векторних масивів підтверджує багатофункціональність оброблення за РЗ. Крім того, особливістю оброблення за РЗ є залежний характер тривалості його прямого і оберненого процесів від структури (розподілу елементів) і розмірності вхідного векторного масиву а0, що фіксується при формуванні матриць бінарних масок F і G.
3. Спосіб підсумовування масиву даних за РЗ є альтернативним по відношенню до відомих паралельних способів підсумовування, а саме, до алгоритму логарифмічного підсумовування, оскільки його часткові суми в кожному циклі оброблення представляють загальну частину всіх n елементів поточного РЗ, а не є сукупністю їх попарних часткових сум. При цьому, багатофункціональність, яка характерна для паралельного підсумовування з використанням РЗ як базової операції прямого SM-перетворення, забезпечує значення коефіцієнта узгодженості пари "структура-алгоритм" в межах n від 4 до 28, що не перевищує показників, характерних для відомих паралельних алгоритмів логарифмічного і рекурсивного підсумовування без врахування для них апаратних і часових витрат на комутацію даних між процесорами. Останнє зауваження може збільшити обґрунтовано прийнятну розмірність n вхідного векторного масиву (n > 28) для підсумовування за РЗ.
4. Запропонований формальний опис математичних моделей паралельного оброблення векторного масиву даних за РЗ з використанням апарату САА В.М. Глушкова дозволяє застосувати отримані в рамках САА математичні моделі у вигляді регулярних (структурованих) схем для апаратної реалізації паралельних обчислювачів, зокрема, чотири варіанти для паралельного і порогового підсумовування за РЗ. Таке подання алгоритмів надає наочності та формалізації процесу синтезу, класифікації та порівняльного аналізу алгоритмів оброблення масиву даних за РЗ, а також посилює опис алгоритмів у вигляді інформаційних графів (ІГ) з наданням їм наочності та детальності.
5. Оброблення за РЗ паралельно в межах кожного стовпця двовимірного масиву (матриці m×n), яку складають елементи m дискримінантних функцій (ДФ) в процесі класифікації n-вимірних образів, забезпечує максимальний рівень розпаралелювання процесу О(n) та високу локальну зв’язаність обчислень (суміжний зв’язок), а також розширення функціональних можливостей за рахунок врахування зовнішнього порогу оброблення та можливості ранжування результатів класифікації з виявленням найближчих ДФ за значенням до максимальної ДФ.
6. Просторова і часова сумісність основних операцій, що використовуються при обробленні за РЗ, а також можливість подання цього процесу у вигляді операцій векторно-матричного множення, дозволяє розпаралелювати і конвеєризувати обчислювальний процес, тобто реалізувати його як рекурсивні ітераційні алгоритми на одно- та двовимірному систолічних масивах. При цьому для відображення ітераційних базових алгоритмів (виділення мінімального елемента у поточному РЗ, формування поточного РЗ і формування поточної часткової суми) використано адаптований метод відображення на систолічні масиви з урахуванням особливостей оброблення за РЗ, що дозволяє формалізувати процес синтезу оптимальних систолічних процесорів.
7. Запропоновані архітектури обчислювальних засобів з обробленням за РЗ забезпечують реалізацію розширених функціональних можливостей, а саме, для одновимірних масивів порогове оброблення в режимах з лінійною і пороговою функціями активації, для двовимірних масивів – оброблення елементів ДФ з ранжуванням за величиною ДФ. Архітектурні рішення мають регулярну структуру і організацію потоків даних за принципом близькодії, що забезпечує простоту керування, використання швидкої регістрової пам’яті, можливість модульного розширення і переналаштування модулів обчислювальних засобів. Це, в свою чергу, забезпечує, по-перше, розроблення мікросхеми, в якій реалізовано багатофункціональний паралельний суматор як нейроприскорювач для нейромережного моделювання, а по-друге, розроблення мікросхеми, в якій реалізовано у вигляді матричного процесора обчислювач блока класифікації як співпроцесор (прискорювач) для класифікатора образів.
8. Імітаційне моделювання процесу порогового оброблення за РЗ векторних масивів даних підтвердило не жорстко фіксований, а "плаваючий" його часовий характер, який залежить від величини зовнішнього порогу θ, розмірності n вхідного масиву і характеру розподілу елементів у масиві і не перевищує величини n. За рахунок як змінної кількості циклів, так і тривалості самих циклів оброблення досягається прискорення процесу формування вихідного сигналу на 12-47 %. Імітаційне моделювання процесу оброблення за РЗ елементів ДФ у вигляді матриці розмірністю m×n показало залежність часових характеристик у значній мірі від розмірності матриці у співвідношенні О(mn/2) і в незначній мірі від закону розподілу елементів у матриці (нормальний чи рівномірний).
9. Результати моделювання (імплементації) структур конвеєрних і матричного процесорів на ПЛІС показали, що доцільна їх реалізації як прискорювачів (співпроцесорів) у вигляді мікросхем, розташованих у кристалах ПЛІС з незначною завантаженістю їх внутрішніх ресурсів, що забезпечує нарощуваність модулів процесорів. При апаратній реалізації паралельних обчислювальних операцій за РЗ забезпечується високий рівень паралелізму О(n) і тим самим значно скорочується час оброблення (мілісекундний діапазон), що, в свою чергу забезпечує ефективне використання запропонованих структур для систем реального часу. Аналіз коефіцієнтів ефективності для конвеєрного процесора з різницево-зрізовим обробленням даних підтвердив характерний для всіх конвеєрних процесорів принцип, що зі збільшенням розмірності n вхідного масиву даних збільшується продуктивність роботи конвеєра, про що свідчить наближення відповідних коефіцієнтів ефективності до свого максимального значення.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

1. Галушкин А.И. Нейрокомпьютеры. Кн. 3: учеб. пособие для вузов / общ. ред. А.И. Галушкина. – М.: ИПРЖР, 2000. – 528 с. (Нейрокомпьютеры и их применение). – ISBN 5-93108-007-4.
2. Хайкин С. Нейронные сети: Полный курс / С. Хайкин; пер. с англ. – 2-е изд. – М.: ООО "И.Д. Вильямс", 2006. – 1104 с. – ISBN 5-8459-0890-6.
3. Комарцова Л.Г. Нейрокомпьютеры: учеб. пособие для вузов / Л.Г. Комарцова, А.В. Максимов. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. – 320 с. – ISBN 5-7038-1908-3.
4. Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. – 2-е изд. – М.: Горячая линия-Телеком, 2002. – 382 с. – ISBN 5-93517-031-0.
5. Осовский С. Нейронные сети для обработки информации / С. Осовский; пер. с польск. И.Д. Рудинского. – М.: Финансы и статистика, 2004. – 344 с. – ISBN 5-279-02567-4.
6. Мартинюк Т.Б. Рекурсивні алгоритми багатооперандної обробки інформації / Т.Б. Мартинюк. – Вінниця: УНІВЕРСУМ-Вінниця, 2000. – 216 с. – ISBN 966-7199-98-3.
7. Мартинюк Т.Б. Методи та засоби паралельних перетворень векторних масивів даних / Т.Б. Мартинюк, В.В. Хом’юк. – Вінниця: УНІВЕРСУМ-Вінниця, 2005. – 203 с. – ISBN 966-641-114-8.
8. Кожем’яко В.П. Квантові перетворювачі на оптоелектронних логіко-часових середовищах для око-процесорної обробки зображень / В.П. Кожем’яко, Т.Б. Мартинюк, О.І. Суприган, Д.І. Клімкіна. – Вінниця: УНІВЕРСУМ-Вінниця, 2007. – 126 с. – ISBN 978-966-641-219-8.
9. Мартинюк Т.Б. Систолічні структури для багатооперандної обробки векторних даних / Т.Б. Мартинюк, А.В. Кожем’яко. – Вінниця: УНІВЕРСУМ-Вінниця, 2008. – 116 с. – ISBN 978-966-641-270-9.
10. Васюра А.С. Методи та засоби нейроподібної обробки даних для систем керування / А.С. Васюра, Т.Б. Мартинюк, Л.М. Куперштейн. – Вінниця: УНІВЕРСУМ-Вінниця, 2008. – 175 с. – ISBN 978-966-641-279-2.
11. Мартинюк Т.Б. Оцінювання структурно-інформаційної складності паралельних алгоритмів додавання / Т.Б. Мартинюк, Н.І. Заболотна, В.В. Шолота // Вісник Вінницького політехнічного інституту. – 1996. – № 4. – С.21-26. – ISSN 1997-9266.
12. Мартинюк Т.Б. Можливості розпаралелювання алгоритму багатооперандного додавання / Т.Б. Мартинюк, В.В. Хом’юк, Г.В. Кухарчук // Вісник Вінницького політехнічного інституту. – 1997. – № 4. – С. 89-93. – ISSN 1997-9266.
13. Мартинюк Т.Б. Використання зрізів різниць для багатооперандного додавання числових величин / Т.Б. Мартинюк, В.В. Хом’юк, І.М. Савалюк, Д.В. Охрущак // Вісник Вінницького політехнічного інституту. – 1998. – № 2. – С. 63-68. – ISSN 1997-9266.
14. Мартинюк Т.Б. Порівняльний аналіз способів реалізації оператора групового підсумовування / Т.Б. Мартинюк // Вісник Вінницького політехнічного інституту. – 1998. – № 3. – С. 48-52. – ISSN 1997-9266.
15. Тимченко Л.И. Поход к организации многоуровневой схемы систолических вычислений / Л.И. Тимченко, Т.Б. Мартынюк, Л.В. Загоруйко // Электронное моделирование. – 1998. – Т. 20, № 5. – С. 33-42. – ISSN 0204-3572.
16. Timchenko L. Parallel Transformation / L. Timchenko, M. Grudin, T. Martynyuk, A. Kozhemyako // Управляющие системы и машины. – 1998. – № 5. – С. 93-95. – ISSN 0130-5395.
17. Мартинюк Т.Б. Дослідження особливостей багатооперандної обробки числової інформації / Т.Б. Мартинюк, В.В. Хом’юк, О.В. Мельничук // Вісник Вінницького політехнічного інституту. – 1999. – № 2. – С. 66-70. – ISSN 1997-9266.
18. Мартинюк Т.Б. Асоціативна обробка чисел з використанням зрізів різниць / Т.Б. Мартинюк, Г.В. Кухарчук, І.А. Вербицький // Вісник Вінницького політехнічного інституту. – 1999. – № 4. – С. 40-43. – ISSN 1997-9266.
19. Мартинюк Т.Б. Систолічні алгоритми багатооперандної обробки інформації / Т.Б. Мартинюк // Вісник Вінницького політехнічного інституту. – 1999. – № 6. – С. 50-52. – ISSN 1997-9266.
20. Мартинюк Т.Б. Аналіз багатооперандного оброблення з використанням рекурсивного представлення інформації / Т.Б. Мартинюк // Вісник Вінницького політехнічного інституту. – 2000. – № 6. – С. 56-59. – ISSN 1997-9266.
21. Мартинюк Т.Б. Організація аналізатора геометричних ознак зображень на базі ПЛІС / Т.Б. Мартинюк, В.І. Андрущенко, В.О. Богданов // Вісник Вінницького політехнічного інституту. – 2001. – № 3. – С. 71-76. – ISSN 1997-9266.
22. Мартынюк Т.Б. Цифровой оптоэлектронный процессор на основе поразрядных срезов / Т.Б. Мартынюк, Г.Л. Лысенко, В.А. Суприган // Электронное моделирование. – 2001. – Т. 23, № 4. – С. 42-51. – ISSN 0204-3572.
23. Мартинюк Т.Б. Багаторівневе накопичення двовимірних зображень в оптоелектронному цифровому процесорі / Т.Б. Мартинюк, Г.Л. Лисенко, В.В. Ковалевський, Ю.В. Васюра // Вісник Вінницького політехнічного інституту. – 2001. – № 5. – С. 64-67. – ISSN 1997-9266.
24. Мартинюк Т.Б. Реалізація концепції різницевих зрізів при обробленні зображень та розпізнаванні образів / Т.Б. Мартинюк, A.В. Кожем’яко // Оптико-електронні інформаційно-енергетичні технології. – 2001. – № 1. – С. 79-85. – ISSN 1681-7893.
25. Мартинюк Т.Б. Аналіз моделей паралельного підсумовування елементів числового масиву / Т.Б. Мартинюк, В.В. Хом’юк, Л.М. Куперштейн, Є.С. Матвєєв // Вісник Вінницького політехнічного інституту. – 2002. – № 6. – С. 65-70. – ISSN 1997-9266.
26. Мартинюк Т.Б. Особливості моделювання скалярної операції при багатооперандній обробці інформації / Т.Б. Мартинюк, В.В. Хом’юк, В.І. Козлова // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2001. – № 4. – С. 105-108.
27. Мартинюк Т.Б. Відображення процесу обчислення оператора групового підсумовування на систолічні структури / Т.Б. Мартинюк, А.С. Васюра, А.В. Кожем’яко, І.А. Вербицький // Вісник Вінницького політехнічного інституту. – 2003. – № 3. – С. 53-60. – ISSN 1997-9266.
28. Васюра А.С. Исследование процесса конвейерной обработки массива чисел / А.С. Васюра, Т.Б. Мартынюк, А.В. Кожемяко // Оптико-електронні інформаційно-енергетичні технології. – 2002. – № 1(3). – С. 85-94. – ISSN 1681-7893.
29. Мартинюк Т.Б. Особливості передачі цифрових зрізів зображення між оптичними інтегральними схемами / Т.Б. Мартинюк, С.Є. Тужанський, О.М. Шевчук // Вісник Вінницького політехнічного інституту. – 2003. – № 5. – С. 58-62. – ISSN 1997-9266.
30. Мартинюк Т.Б. Особливості реалізації ітераційних алгоритмів багатооперандної обробки на систолічних масивах / Т.Б. Мартинюк, А.В. Кожем’яко, Л.М. Куперштейн // Оптико-електронні інформаційно-енергетичні технології. – 2002. – № 2(4). – С. 123-132. – ISSN 1681-7893.
31. Мартинюк Т.Б. Особливості використання позрізової обробки для сегментації багатоградаційних зображень / Т.Б. Мартинюк, В.В. Хом’юк, Я.Г. Скорюкова // Вісник Вінницького політехнічного інституту. – 2004. – № 4. – С. 82-88. – ISSN 1997-9266.
32. Мартинюк Т.Б. Паралельний метод класифікації біоелектричних сигналів за принципом різницевих зрізів / Т.Б. Мартинюк, С.В. Павлов, Ж.О. Бітюкова, Н.В. Белік // Оптико-електронні інформаційно-енергетичні технології. – 2004. – № 2(8). – С. 102-112. – ISSN 1681-7893.
33. Мартынюк Т.Б. Модель порогового нейрона на основе параллельной обработки по разностным срезам / Т.Б. Мартынюк // Кибернетика и системный анализ. – 2005. – № 4. – С. 78-89. – ISSN 0023-1274.
34. Мартинюк Т.Б. Оцінювання ефективності алгоритмів мультиобробки масивів даних / Т.Б. Мартинюк, В.В. Хом’юк // Вісник Вінницького політехнічного інституту. – 2005. – № 5. – С. 76-82. – ISSN 1997-9266.
35. Кожем’яко В.П. Аналізатор інформації для око-процесорної обробки сигналів та зображень / В.П. Кожем’яко, Т.Б. Мартинюк, Д.І. Клімкіна, Мутасім Абу-Шабан // Оптико-електронні інформаційно-енергетичні технології. – 2005. – № 1(9). – С. 64-70. – ISSN 1681-7893.
36. Мартинюк Т.Б. Адаптивний суматор для систем керування роботом / Т.Б. Мартинюк, А.В. Кожем’яко, Н.В. Фофанова, О.М. Наконечний // Оптико-електронні інформаційно-енергетичні технології. – 2005. – № 2(10). – С. 96-101. – ISSN 1681-7893.
37. Мартинюк Т.Б. Особливості апаратного моделювання функцій нейрона / Т.Б. Мартинюк, А.В. Кожем’яко, Н.В. Фофанова // Вісник Вінницького політехнічного інституту. – 2010. – № 4. – С. 46-53. – ISSN 1997-9266.
38. Кожем’яко В.П. Класифікаційна модель створення прототипу образного комп’ютера / В.П. Кожем’яко, Т.Б. Мартинюк, А.В. Кожем’яко // Оптико-електронні інформаційно-енергетичні технології. – 2006. – № 2(12). – С. 129-141. – ISSN 1681-7893.
39. Кожемяко В.П. Модель "быстрого нейрона" с обработкой данных по принципу разностных срезов / В.П. Кожемяко, Т.Б. Мартынюк, Л.М. Куперштейн // Оптико-електронні інформаційно-енергетичні технології. – 2009. – № 2(18). – С. 87-98. – ISSN 1681-7893.
40. Мартинюк Т.Б. Ефективність конвеєрного процесора з різницево-зрізовим обробленням даних / Т.Б. Мартинюк, Л.М. Куперштейн // Вісник Вінницького політехнічного інституту. – 2008. – № 5. – С. 69-77. – ISSN 1997-9266.
41. Мартынюк Т.Б. Модели систолических массивов для обработки векторных данных по разностным срезам / Т.Б. Мартынюк, А.В. Кожемяко, В.В. Хомюк // Управляющие системы и машины. – 2009. – № 5. – С. 46-55. – ISSN 0130-5395.
42. Мартынюк Т.Б. Аппаратная реализация модели формального нейрона / Т.Б. Мартинюк, Л.И. Тимченко, Л.М. Куперштейн // Электронное моделирование. – 2010. – Т. 32, № 4. – С. 35-47. – ISSN 0204-3572.
43. Мартынюк Т.Б. Особенности математической модели дискретного SM-преобразования / Т.Б. Мартынюк, В.В. Хомюк // Математичні машини і системи. – 2010. – № 4. – С. 145-155. – ISSN 1028-9763.
44. Мартынюк Т.Б. Классификатор биомедицинских сигналов / Т.Б. Мартинюк, А.Г. Буда, В.В. Хомюк, А.В. Кожемяко, Л.М. Куперштейн // Искусственный интеллект. – 2010. – № 3. – С. 88-95. – ISSN 1561-5359.
45. Мартынюк Т.Б. Мультиобработка массивов данных по разностным срезам / Т.Б. Мартынюк, В.В. Хомюк // Кибернетика и системный анализ. – 2011. – № 6. – С. 132-137. – ISSN 0023-1274.
46. Мартинюк Т.Б. Схемотехнічні рішення базових блоків для класифікатора образів / Т.Б. Мартинюк, Г.Д. Дорощенков, О.М. Гуцол // Вісник Вінницького політехнічного інституту. – 2012. – № 3. – С. 132-141. – ISSN 1997-9266.
47. Мартинюк Т.Б. Моделювання процесу класифікації з обробленням даних за методом різницевих зрізів / Т.Б. Мартинюк, М.В. Дзісь, А.В. Медвідь // Вісник Вінницького політехнічного інституту. – 2012. – № 4. – С. 144-150. – ISSN 1997-9266.
48. Мартинюк Т.Б. Відображення алгоритмів багатооперандної обробки на структуру лінійних систолічних обчислювачів / Т.Б. Мартинюк, В.П. Кожем’яко // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’94): Друга Всеукр. міжнар. конф., 20-24 грудня 1994 р.: праці. – К., 1994. – С. 233-235. – ISBN 5-7702-0945-3.
49. Tymchenko L. Method Spatial-Connected Segmentation of Images / L. Tymchenko, J. Skorukova, J. Kutaev, S. Markov, T. Martyniuk, J. Halchenko // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’96): Третя Всеукр. міжнар. конф., 26-30 листопада 1996 р.: праці. – К., 1996. – С. 224-225. – ISBN 966-02-0306-3.
50. Мартинюк Т.Б. Математична модель систолічного алгоритму інтегральної операції / Т.Б. Мартинюк, А.Г. Буда, А.В. Кожем’яко // Контроль і управління в технічних системах (КУТС-97): 4-а Всеукр. міжнар. наук.-техн. конф., 21-23 жовтня 1997 р.: праці. – Вінниця: УНІВЕРСУМ-Вінниця, 1997. – Т. 1. – С. 129-133. – ISBN 966-7199-09-6.
51. Мартинюк Т.Б. Визначення оптимальної математичної моделі для оператора групового підсумовування / Т.Б. Мартинюк // Вимірювальна та обчислювальна техніка в технологічних процесах: V наук.-техн. конф., 16-19 червня 1998 р.: праці. – Хмельницький: НВП "Евріка" ТОВ, 1998. – Вип. 1. – С. 60-66. – ISBN 966-7472-00-0.
52. Kozhemiako V., Martyniuk T., Kozhemiako O. "Vector-matrix conversions for parallel information processing in logic-time base", In Selected Papers from the International Conference on Optoelectronic Information Technologies, Proceeding of SPIE, vol. 4425 (2001), p. 70-75.
53. Мартинюк Т. Модель алгоритму паралельного оброблення інформації з орієнтацією на систолічні структури / Т. Мартинюк, А. Буда, Л. Тимченко, В. Роптанов, О. Нікольський // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’98): Четверта Всеукр. міжнар. конф., 19-23 жовтня 1998 р.: праці. – К., 1998. – С. 181-184. – ISBN 966-02-0695-Х.
54. Мартинюк Т.Б. Математична модель нейрона на принципах паралельної порогової обробки інформації / Т.Б. Мартинюк, А.Г. Буда, А.В. Кожем’яко, Т.М. Васильєва, В.І. Козлова // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’2000): П’ята Всеукр. міжнар. конф., 27 листопада – 1 грудня 2000 р.: праці. – К., 2000. – С. 191-192. – ISBN 966-02-1800-1.
55. Мартынюк Т.Б. Систолические структуры для многооперандной обработки информации / Т.Б. Мартынюк, В.В. Хомюк, А.В. Кожемяко, Л.М. Куперштейн // Наука і освіта-2004: VII Міжнар. наук.-практ. конф., 10-25 лютого 2004 р.: матеріали. Т. 72. Сучасні інформаційні технології. – Дніпропетровськ: Наука і освіта, 2004. – С. 17-20. – ISBN 966-7191-86-9.
56. Мартинюк Т.Б. Особливості багатооперандної обробки векторного масиву даних за методом різницевих зрізів / Т.Б. Мартинюк, А.Г. Буда, Л.М. Куперштейн, К.А. Балашов // Динаміка наукових досліджень-2004: III Міжнар. наук.-практ. конф., 21-30 червня 2004 р.: матеріали. Т. 55. Сучасні інформаційні технології. – Дніпропетровськ: Наука і освіта, 2004. – С. 8-12. – ISBN 966-7191-86-9.
57. Мартинюк Т. Багатофункціональна регулярна структура для обробки векторних даних / Т. Мартинюк, А. Буда, В. Хом’юк, Л. Куперштейн // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’2004): Сьома Всеукр. міжнар. конф., 11-15 жовтня 2004 р.: праці. – К., 2004. – С. 33-36. – ISBN 966-02-3413-9.
58. Мартынюк Т.Б. Организация конвейерного процессора для порогового суммирования элементов векторного массива / Т.Б. Мартынюк, А.Г. Буда, Л.М. Куперштейн, Р.А. Расенко, Д.И. Климкина // Приборостроение-2004: междунар. науч.-техн. конф., 15-18 сентября 2004 г.: сб. трудов. – Винница-Ялта, 2004. – С. 40-44.
59. Мартинюк Т. Матричні структури для класифікації образів за методом різницевих зрізів / Т. Мартинюк, А. Буда, В. Хом’юк, А. Кожем’яко, Ж. Бітюкова // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’2006): Восьма Всеукр. міжнар. конф., 28-31 серпня 2006 р.: праці. – К., 2006. – С. 39-42. – ISBN 966-02-479-002-4.
60. Кожемяко В.П. Особенности SM-преобразования / В.П. Кожемяко, Т.Б. Мартынюк, В.В. Хомюк, А.В. Кожемяко, М.О. Юрченко // Современные информационные и электронные технологии (СИЭТ-2006): 7-я междунар. науч.-практ. конф., 22-26 мая 2006 г.: труды. – Одесса, 2006. – Т. 1. – С. 46.
61. Мартинюк Т.Б. Використання методу різницевих зрізів для розпізнавання біоелектричних сигналів / Т.Б. Мартинюк, М.В. Топчанюк, А.О. Луньов // Автоматика-2006: XIII міжнар. конф. з автоматичного управління, 25-27 вересня 2006 р.: матеріали. – Вінниця: УНІВЕРСУМ-Вінниця, 2007. – С. 418-424. – ISBN 978-966-641-210-5.
62. Мартинюк Т.Б. Різницево-зрізова обробка як одна з альтернатив нейроподібної обробки даних / Т.Б. Мартинюк, Л.М. Куперштейн // Оброблення сигналів і зображень та розпізнавання образів (УкрОБРАЗ’2008): Дев’ята Всеукр. міжнар. конф., 3-7 листопада 2008 р.: праці. – К., 2008. – С. 31-34. – ISBN 978-966-479-007-6.
63. Мартинюк Т.Б. Реалізаційна модель одношарового персептрона / Т.Б. Мартинюк, Л.М. Куперштейн, А.Г. Буда // Оброблення сигналів і зображень та розпізнавання образів (УкрОБРАЗ’2010): Десята Всеукр. міжнар. конф., 25-29 жовтня 2010 р.: праці. – К., 2010. – С. 181-184. – ISBN 978-966-479-032-8.
64. Мартынюк Т.Б. Новый подход к обработке дискриминантных функций в классификаторе биомедицинских сигналов / Т.Б. Мартынюк, Л.М. Куперштейн, А.Г. Буда, А.В. Кожемяко, В.В. Хомюк // Нейроинформатика-2013: XV Всерос. науч.-техн. конф., 21-25 января 2013 г.: сб. науч. тр. Ч. 1. – М.: НИЯУ МИФИ, 2013. – С. 92-98. – ISBN 978-5-7262-1773-4.
65. Пат. 2013805 Российская Федерация, МКИ5G 06 G 7/14. Способ параллельного сложения длительностей группы временных интервалов / В.П. Кожемяко (UA), Ю.Ф. Кутаев (RU), Т.Б. Мартынюк, Л.И. Тимченко, А.Г. Буда (UA); Винниц. политех. ин-т. – № 5004580/24; заявл. 22.07.91; опубл. 30.05.94, Бюл. № 10.
66. Пат. 14807 Україна, МПК6 G 06 F 15/66, G 06 Е 1/04. Цифровий оптоелектронний процесор багаторівневих зображень / В.П. Кожем’яко, Т.Б. Мартинюк, В.М. Дубчак, К.В. Кожем’яко; Вінниц. держ. техн. ун-т. – № 94010280; заявл. 16.04.93; опубл. 30.06.97, Бюл. № 3.
67. Пат. 33135 Україна, МПК6 G 06 F 7/06. Оптоелектронний асоціативний процесор / В.П. Кожем’яко, Т.Б. Мартинюк, Г.Л. Лисенко, Л.М. Каньоса, В.В. Ковалевський; Вінниц. держ. техн. ун-т. – № 98126525; заявл. 10.12.98; опубл. 15.02.2001, Бюл. № 1.
68. Пат. 46877 Україна, МПК7 G 06 G 7/14. Конвеєрний підсумовуючий пристрій / Т.Б. Мартинюк, В.П. Кожем’яко, А.В. Кожем’яко, І.А. Вербицький, С.А. Василецький; Вінниц. держ. техн. ун-т. – № 9906345; заявл. 18.06.99; опубл. 17.06.2002, Бюл. № 6.
69. Пат. 67004 Україна, МПК7 G 06 G 7/14. Конвеєрний пристрій / Т.Б. Мартинюк, А.С. Васюра, Л.М. Куперштейн, А.В. Кожем’яко, І.В. Мисловський; Вінниц. держ. техн. ун-т. – № 2003043663; заявл. 22.04.2003; опубл. 15.06.2004, Бюл. № 6.
70. Пат. 67652 Україна, МПК7 G 06 F 7/38. Конвеєрний пристрій / А.С. Васюра, В.Г. Лисогор, Т.Б. Мартинюк, Л.М. Куперштейн, М.В. Дзісь; Вінниц. нац. техн. ун-т. – № 2003119838; заявл. 03.11.2003; опубл. 15.06.2004, Бюл. № 6.
71. Пат. 5781 Україна, МПК7 G 06 F 7/50. Конвеєрний пристрій / Т.Б. Мартинюк, О.О. Андрухова, А.В. Кожем’яко, О.Е. Валторніста; Вінниц. нац. техн. ун-т. – № 20040807004; заявл. 21.08.2004; опубл. 15.03.2005, Бюл. № 3.
72. Пат. 24622 Україна, МПК8 G 06 К 9/00. Пристрій для класифікації образів / Т.Б. Мартинюк, Ж.О. Бітюкова, М.В. Топчанюк; Вінниц. нац. техн. ун-т. – № u200701228; заявл. 05.02.2007; опубл. 10.07.2007, Бюл. № 10.
73. Пат. 27664 Україна, МПК8 G 06 К 9/00. Пристрій для класифікації образів / Т.Б. Мартинюк, Ж.О. Бітюкова, О.М. Кравченко, М.В. Топчанюк; Вінниц. нац. техн. ун-т. – № u200707216; заявл. 26.06.2007; опубл. 12.11.2007.
74. Пат. 80562 Україна, МПК8 G 06 К 9/52, G 06 К 9/62. Спосіб класифікації образів / Т.Б. Мартинюк, Ж.О. Бітюкова, С.В. Костюк; Вінниц. нац. техн. ун-т. – № а200503825; заявл. 22.04.2005; опубл. 10.10.2007, Бюл. № 16.
75. Пат. 34466 Україна, МПК8 G 06 G 7/60. Пристрій для моделювання нейрона / В.П. Кожем’яко, Т.Б. Мартинюк, О.К. Колесницький, І.В. Мороз, О.І. Чечельницький; Вінниц. нац. техн. ун-т. – № u200803614; заявл. 21.03.2008; опубл. 11.08.2008, Бюл. № 15.
76. Пат. 36458 Україна, МПК8 G 06 F 7/00. Комірка однорідної структури / Т.Б. Мартинюк, М.В. Топчанюк, Д.Ю. Левандовський, О.В. Дроненко; Вінниц. нац. техн. ун-т. – № u200806868; заявл. 19.05.2008; опубл. 27.10.2008, Бюл. № 20.
77. Пат. 38491 Україна, МПК8 G 06 G 7/00. Пристрій для моделювання нейрона / Т.Б. Мартинюк, Л.М. Куперштейн, І.В. Мороз, О.І. Чечельницький; Вінниц. нац. техн. ун-т. – № u200810096; заявл. 04.08.2008; опубл. 12.01.2009, Бюл. № 1.
78. Пат. 38496 Україна, МПК8 G 06 G 7/00. Пристрій для порогового оброблення / В.П. Кожем’яко, В.І. Осінський, Т.Б. Мартинюк, О.О. Козлов, М.С. Оначенко; Вінниц. нац. техн. ун-т. – № u200810088; заявл. 04.08.2008; опубл. 12.01.2009, Бюл. № 1.
79. Пат. 38497 Україна, МПК8 G 06 К 9/00. Пристрій для розпізнавання образів / Т.Б. Мартинюк, Д.Ю. Левандовський, О.М. Гуцол; Вінниц. нац. техн. ун-т. – № u200810087; заявл. 04.08.2008; опубл. 12.01.2009, Бюл. № 1.
80. Пат. 38500 Україна, МПК8 G 06 К 9/00. Пристрій для формування ознак розпізнавання образів / В.П. Кожем’яко, В.І. Осінський, Т.Б. Мартинюк, О.І. Чечельницький, Р.І. Ботвин; Вінниц. нац. техн. ун-т. – № u200810084; заявл. 04.08.2008; опубл. 12.01.2009, Бюл. № 1.
81. Пат. 38907 Україна, МПК8 G 06 К 9/00. Пристрій для класифікації образів / Т.Б. Мартинюк, О.М. Гуцол, О.В. Гаврилюк, М.В. Васильська; Вінниц. нац. техн. ун-т. – № u200810062; заявл. 04.08.2008; опубл. 26.01.2009, Бюл. № 2.
82. Пат. 40452 Україна, МПК8 G 06 G 7/60. Пристрій для моделювання нейрона / Т.Б. Мартинюк, П.Ф. Колісник, Н.В. Фофанова, М.С. Оначенко; Вінниц. нац. техн. ун-т. – № u200812896; заявл. 05.11.2008; опубл. 10.04.2009, Бюл. № 7.
83. Пат. 43371 Україна, МПК8 G 06 G 7/60. Пристрій для моделювання нейрона / Т.Б. Мартинюк, П.Ф. Колісник, Л.І. Тимченко, М.С. Оначенко; Вінниц. нац. техн. ун-т. – № u200903247; заявл. 06.04.2009; опубл. 10.08.2009, Бюл. № 15.
84. Пат. 43744 Україна, МПК8 G 06 К 9/00. Класифікуючий пристрій / Т.Б. Мартинюк, А.В. Кожем’яко, М.М. Пінчак, О.П. Степчук, Ю.О. Панасюк; Вінниц. нац. техн. ун-т. – № u200903857; заявл. 21.04.2009; опубл. 25.08.2009, Бюл. № 16.
85. Мейтус В.Ю. Интеллектуальные компоненты в системах управления производством / В.Ю. Мейтус // Кибернетика и системный анализ. – 2003. – № 3. – С. 29-44. – ISSN 0023-1274.
86. Мейтус В.Ю. К проблеме создания образного компьютера / В.Ю. Мейтус // Кибернетика и системный анализ. – 2004. – № 6. – С. 29-44. – ISSN 0023-1274.
87. Кожем’яко В.П. Паралельно-ієрархічне перетворення як системна модель оптико-електронних засобів штучного інтелекту / В.П. Кожем’яко, Ю.Ф. Кутаєв, С.В. Свєчніков, Л.І. Тимченко, А.А. Яровий. – Вінниця: УНІВЕРСУМ-Вінниця, 2003. – 324 с.
88. Osinsky V.I. Information conception of image perceptron at solid-state lighting / V.I. Osinsky // Semiconductor Phisics, Quantum Electronics & Optoelectronics. – 2007. – V. 10, № 3. – Р. 30-43.
89. Шмойлов В.И. Пульсирующие информационные решётки с матричной коммутацией / В.И. Шмойлов, Б.П. Русын, М.Н. Кузьо // Оптико-електронні інформаційно-енергетичні технології. – 2003. – № 1-2(5-6). – С. 55-73. – ISSN 1681-7893.
90. Морозов В.І. Моделювання сигналів в нанопристроях з фрактальною структурою / В.І. Морозов, І.В. Морозов // Теорія та методи обробки сигналів: Друга міжнар. наук. конф., 20-22 травня 2008 р.: тези доп. – К., 2008. – С. 92-93.
91. Попов М.А. Нейротехническая модель системы для автоматической классификации объектов / М.А. Попов, В.В. Бескровный // Нейросетевые технологии и нейрокомпьютеры: сб. науч. тр. / НАН Украины. Институт кибернетики им. В.М. Глушкова. – К., 1994. – С. 71-78.
92. Фу К. Робототехника / К. Фу, Р. Гонсалес, К. Ли; пер. с англ. – М: Мир, 1989. – 624 с.
93. Попов М. Організація функціонального просторового середовища для вирішення завдань розпізнавання об’єктів / М. Попов, В. Безкровний // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’94): Друга Всеукр. міжнар. конф., 20-24 грудня 1994 р.: праці. – К., 1994. – С. 109-112.
94. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / Ф. Уоссермен; пер. с англ. – М.: Мир, 1992. – 240 с.
95. Хехт-Нильсен Р. Нейрокомпьютинг: история, состояние, перспективы / Р. Хехт-Нильсен // Открытые системы. – 1998. – № 4. – Режим доступу: http://www.osp.ru/os/2001/05-06/017.htm
96. Логовский А.С. Нейропакеты: что, где, зачем / А.С. Логовский, Д.Ж. Якушев // Зарубежная радиоэлектроника. – 1997. – № 2. – С. 11-18. – ISSN 0373-2428.
97. Галушкин А.И. Некоторые исторические аспекты развития элементной базы вычислительных систем с массовым параллелизмом (80- и 90-е годы) / А.И. Галушкин // Нейрокомпьютер. – 2000. – № 1. – С. 68-82.
98. Комашинский В.И. Нейронные сети и их применение в системах управления и связи / В.И. Комашинский, Д.А. Смирнов. – М.: Горячая линия-Телеком, 2003. – 94 с. – ISBN 5-93517-094-9.
99. Круглов В.В. Нечёткая логика и искусственные нейронные сети: учеб. пособие / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. – М.: Изд-во физ.-мат. лит-ры, 2001. – 224 с.
100. Усков А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечёткая логика / А.А. Усков, А.В. Кузьмин. – М.: Горячая линия-Телеком, 2001. – 143 с. – ISBN 5-93517-181-3.
101. Гольцев А.О. Нейронные сети с ансамблевой организацией / А.О. Гольцев. – К.: Наук. думка, 2005. – 200 с. – ISBN 966-00-0520-2.
102. Кожем’яко В.П. Погляд на природу штучного інтелекту / В.П. Кожем’яко // Вісник Вінницького політехнічного інституту. – 1997. – № 1. – C. 26-30. – ISSN 1997-9266.
103. Рабинович З.Л. О механизмах мышления и интеллектуальных ЭВМ / З.Л. Рабинович //Кибернетика и системный анализ – 1993. – № 3. – С. 69-78. – ISSN 0023-1274.
104. Рабинович З.Л. О концепции машинного интеллекта и её развитии / З.Л. Рабинович // Кибернетика и системный анализ. – 1995. – № 2. – С. 163-173. – ISSN 0023-1274.
105. Рабинович З.Л. О естественных механизмах мышления и интеллектуализации ЭВМ / З.Л. Рабинович // Кибернетика и системный анализ. – 2003. – № 5. – С. 82-88. – ISSN 0023-1274.
106. Капитонова Ю.В. О некоторых тенденциях развития и проблемах искусственного интеллекта / Ю.В. Капитонова, В.И. Скурихин // Кибернетика и системный анализ. – 1999. – № 1. – С. 43-55. – ISSN 0023-1274.
107. Кожем’яко В.П. Паралельно-ієрархічні мережі як структурно-функціональний базис для побудови спеціальних моделей образного комп’ютера / В.П. Кожем’яко, Л.І. Тимченко, А.А. Яровий. – Вінниця: УНІВЕРСУМ-Вінниця, 2005. – 161 с. – ISBN 966-641-142-3.
108. Кожем’яко В.П. Наукова концепція образного відео-комп’ютера око-процесорного типу в контексті сучасної методології штучного інтелекту / В.П. Кожем’яко, А.А. Яровий // Оптико-електронні інформаційно-енергетичні технології. – 2001. – № 2. – С. 84-89. – ISSN 1681-7893.
109. Куссуль Э.М. Ассоциативные нейроподобные структуры / Э.М. Куссуль. – К.: Наук. думка, 1992. – 144 с.
110. Хьюбел Д.Х. Глаз, мозг, зрение / Д.Х. Хьюбел; пер. с англ. – М.: Мир, 1990. – 239 с.
111. Нейрокомпьютеры и интеллектуальные роботы; под ред. Н.М. Амосова. – К.: Наук. думка, 1994. – 272 с.
112. Роуз А. Зрение человека и электронное зрение / А. Роуз; пер. с англ. А.А. Гиппиуса. – М.: Мир, 1977. – 261 с.
113. Ященко В.А. Компьютерные технологии в новом тысячелетии / В.А. Ященко // Математичні машини і системи. – 2000. – № 2, 3. – С. 3-15. – ISSN 1028-9763.
114. Палагин А.В. Системная интеграция средств компьютерной техники / А.В. Палагин, Ю.С. Яковлев. – Вінниця: УНІВЕРСУМ-Вінниця, 2005. – 680 с. – ISBN 966-641-140-7.
115. Настасенко В.А. Основы концепции определения предельного быстродействия компьютерных систем искусственного интеллекта / В.А. Настасенко, Е.В. Настасенко // Штучний інтелект. – 2008. – № 4. – С. 25-30. – ISSN 1561-5359.
116. Митропольский Ю.И. Суперкомпьютеры и микропроцессоры. Приоритеты исследований и разработок / Ю.И. Митропольский // Электроника: Наука. Технология. Бизнес. – 2000. – № 2. – С.18-21. – ISSN 1992-4178.
117. Воеводин В.В. Параллельные вычисления / В.В. Воеводин, Вл. В. Воеводин. – СПб.: БХВ-Петербург, 2004. – 608 с. – ISBN 5-94157-160-7.
118. Царев А.П. Алгоритмические модели и структуры высокопроизводительных процессоров цифровой обработки сигналов / А.П. Царев. – Szczecin, Informa, 2000. – 237 с. – ISBN 83-87362-34-4.
119. Поляков Г.А. Автоматизация проектирования сложных цифровых систем коммутации и управления / Г.А. Поляков, Ю.Д. Умрихин. – М.: Радио и связь, 1988. – 304 с. – ISBN 5-256-00108-6.
120. Цмоць І.Г. Інформаційні технології та спеціалізовані засоби обробки сигналів і зображень у реальному часі / І.Г. Цмоць. – Львів, 2005. – 228 с. – ISBN 966-322-024-4.
121. Боресков А.В. Основы работы с технологией CUDA / А.В. Боресков, А.А. Харламов. – М.: ДМК-Пресс, 2010. – 232 с.
122. Андон Ф.И. Программирование высокопроизводительных параллельных вычислений: формальные модели и графические ускорители / Ф.И. Андон, А.Е. Дорошенко, К.А. Жереб // Кибернетика и системный анализ. – 2011. – № 4. – С. 176-187. – ISSN 0023-1274.
123. Колбасин В.А. Использование технологии CUDA для ускорения обработки потока данных искусственными нейронными сетями / В.А. Колбасин // Обчислювальний інтелект (результати, проблеми, перспективи): І Міжнар. наук.-техн. конф., 10-13 травня 2011 р.: матеріали. – Черкаси: Маклаут, 2011. – С. 97. – ISBN 978-966-2200-11-9.
124. Бодянский Е.В. Обобщённый алгоритм обучения формального нейрона / Е.В. Бодянский, Н.Е. Кулишова, О.Г. Руденко // Кибернетика и системный анализ. – 2002. – № 5. – С. 176-182. – ISSN 0023-1274.
125. Гаврилов А.В. Архитектура гибридной интеллектуальной системы управления мобильного робота / А.В. Гаврилов, В.В. Губарев, К. Х. Джо, Х. Х. Ли // Вестник Новосибирского ГТУ. – 2004. – № 2. – С. 3-13.
126. Гильгурт С.Я. Программно-аппаратная защита данных в распределённых интеллектуальных системах / С. Я. Гильгурт, А.К. Гиранова // Искусственный интеллект. – 2010. – № 3. – С. 706-711. – ISSN 1561-5359.
127. Поліновський В.В. Використання нейроподібних зростаючих мереж для моделювання "нервової діяльності" в інтелектуальних системах / В.В. Поліновський, А.М. Короленко // Искусственный интеллект. Интеллектуальные системы (ИИ-2011): Междунар. науч.-техн. конф., 19-23 сентября 2011 г.: материалы. – Донецк: ИПИИ "Наука і освіта", 2011. – С. 306-310. – ISBN 978-966-78-29-49-0.
128. Скаковська А.М. Інтелектуальна система швидкої ідентифікації людини за зображенням ока / А.М. Скаковська, І.В. Маслова // Обчислювальний інтелект (результати, проблеми, перспективи): І Міжнар. наук.-техн. конф., 10-13 травня 2011 р.: матеріали. – Черкаси: Маклаут, 2011. – С. 24. – ISBN 978-966-2200-11-9.
129. Шелестов А.Ю. Геоінформаційна інтелектуальна система моніторингу стану сільськогосподарських культур / А.Ю. Шелестов, С.В. Скакун, О.М. Кравченко // Обчислювальний інтелект (результати, проблеми, перспективи): І Міжнар. наук.-техн. конф., 10-13 травня 2011 р.: матеріали. – Черкаси: Маклаут, 2011. – С. 263. – ISBN 978-966-2200-11-9.
130. Суранова А.А. Система інтелектуального управління трафіком у комп’ютерних мережах / А.А. Суранова, К.М. Любченко // Обчислювальний інтелект (результати, проблеми, перспективи): І Міжнар. наук.-техн. конф., 10-13 травня 2011 р.: матеріали. – Черкаси: Маклаут, 2011. – С. 380. – ISBN 978-966-2200-11-9.
131. Rutkowski L. Computational Intelligence. Methods and Techniques. – Berlin-Heidelberg: Springer-Verlag, 2008. – 514 p.
132. Омату С. Нейроуправление и его приложение / С. Омату, М. Халид; пер. с англ. – М.: ИПРЖР, 2000. – 272 с.
133. Буков А.А. Технические нервные системы. Обучаемые системы управления со зрением для промышленных роботов / А.А. Буков. – Липецк: Изд-во Липецк. гос. техн. ун-та, 2001. – 223 с.
134. Нейронные сети в медицине / А. Ежов, В. Чечёткин // Открытые системы. – 1997. – № 4. – С. 34-37 [Електронний ресурс] – Режим доступу:
http://www.icmm.ru/~masich/win/lexion/neyro/medicine.htm.
135. Вінцюк Т.К. Образний комп’ютер: концепції, методологія, підходи / Т.К. Вінцюк // Оптико-електронні інформаційно-енергетичні технології. – 2001. – № 1. – С. 125-138. – ISSN 1681-7893.
136. Вінцюк Т. Операційна система образного комп’ютера / Т.К. Вінцюк // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’2006): Восьма Всеукр. міжнар. конф., 28-31 серпня 2006 р.: праці. – К., 2006. – С. 7-10.
137. Вінцюк Т. Генеративна модель образного комп’ютера / Т.К. Вінцюк // Обробка сигналів і зображень та розпізнавання образів (УкрОБРАЗ’2002): Шоста Всеукр. міжнар. конф.: праці. – К., 2002. – С. 7-14.
138. Ивахненко А.Г. Структуры образного компьютера, основанного на принципе самоорганизации моделей, обладающих повышенным свойством обобщения / А.Г. Ивахненко // Управляющие системы и машины. – 2003. – № 4. – С. 22-25. – ISSN 0130-5395.
139. Кохонен Т. Ассоциативная память / Т. Кохонен; пер. с англ. – М.: Мир, 1980. – 240 с.
140. Кохонен Т. Ассоциативные запоминающие устройства / Т. Кохонен; пер. с англ. – М.: Мир, 1982. – 384 с.
141. Фостер К. Ассоциативные параллельные процессоры / К. Фостер; пер. с англ. – М.: Энергоиздат, 1981. – 240 с.
142. Тербер К. Дж. Архитектура высокопроизводительных вычислительных систем / К. Дж. Тербер; пер. с англ. – М.: Наука. Гл. ред. физ.-мат. лит-ры, 1985. – 272 с.
143. Однокристальный ассоциативный процессор САМ 2000 [Електронний ресурс] – Режим доступу:
http://data.mf.grsu.by/citforum /ht