Куперштейн Леонід Михайлович. Методи та засоби нейроподібної обробки даних для систем керування

Краткое описание

Куперштейн Леонід Михайлович. Методи та засоби нейроподібної обробки даних для систем керування : дис... канд. техн. наук: 05.13.05 / Вінницький національний технічний ун-т. — Вінниця, 2006. — 212арк. — Бібліогр.: арк. 155-172

Куперштейн Л. М. Методи та засоби нейроподібної обробки даних для систем керування. Рукопис.
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.05 Елементи та пристрої обчислювальної техніки та систем керування. Вінницький національний технічний університет, Вінниця 2007.
Дисертацію присвячено вдосконаленню та розширенню функціональних можливостей методів та засобів векторної обробки масивів даних у контексті порогової паралельної обробки інформації з орієнтацією на нейрообчислення та нейроструктури. Досліджено та доведено доцільність використання нейронних технологій для реалізації адаптивного керування динамічними системами у порівнянні з традиційними методами. Проаналізовано апаратні засоби реалізації нейронних мереж і показано, що найефективнішими серед усіх є саме ПЛІС. Досліджено особливості реалізації багатооперандної обробки у нейроструктурах на базі різницевих зрізів (РЗ), які дозволяють розширити функціональні можливості та зменшити часові затрати при нейрообробці. Досліджено способи порогового паралельного, паралельного алгебраїчного та порогового паралельного алгебраїчного підсумовування векторних масивів даних. Розроблено математичні моделі, які дозволяють створити модель формального нейрона на базі РЗ, в якій реалізоване розпаралелення процесу підсумовування та суміщення його з пороговою обробкою. Запропоновано структурну організацію конвеєрних процесорів для нейроподібної обробки векторних даних за РЗ, які реалізовані на базі ПЛІС, що дозволяє отримати нейрочип з фрагментом шару нейромережі. Модифіковано метод та оцінено за ним продуктивність нейрочипів на базі конвеєрних процесорів, результати чого свідчать про ефективність використання цих процесорів у системах обробки реального часу для розв’язання задач ідентифікації динамічних систем та адаптивного керування ними, класифікації та розпізнавання сигналів та зображень тощо.

У дисертаційній роботі теоретично обґрунтовано та практично реалізовано нові способи порогової паралельної обробки векторного масиву даних як моделі ФН для систем керування в задачах ідентифікації, класифікації та розпізнавання сигналів та зображень.
У результаті виконання дисертаційної роботи отримано такі наукові та практичні результати.

Вдосконалено метод паралельного підсумовування елементів векторного масиву даних за різницевими зрізами як базового у нейроподібній обробці векторних масивів. Метод відрізняється від відомого тим, що на кожному кроці обробки виконується не тільки формування поточної часткової суми або поточної часткової різниці, але й порівняння її з поточним порогом. Такий підхід забезпечує прискорення (в 1,1 1,9 рази) нейроподібної обробки через відсутність у необхідності формування кінцевої суми зважених елементів векторного масиву, а також дозволяє модифікувати модель формального нейрона на базі РЗ, яка відрізняється від відомої реалізацією розпаралелення операції підсумовування та суміщенням її з пороговою обробкою.
Досліджено способи паралельного алгебраїчного та порогового паралельного алгебраїчного підсумовування, які дозволяють вдосконалити модель ФН з латеральним гальмуванням на базі РЗ. Модель відрізняється способом формування суматорної та активаційної функцій, які виконують обробку як підсилюючих, так і гальмуючих зважених сигналів векторного масиву, що забезпечує їх ефективне використання у нейроподібних структурах типу АRT (Adaptive resonance theory), когнитрон, неокогнитрон, які за реакцією близькі до біологічних аналогів.
Проведено аналіз способів порогової паралельної обробки за РЗ, які є вдосконаленням методу паралельного підсумовування елементів векторного масиву. Аналіз показав їх ефективність порівняно з відомим. Наочно доведено, що тривалість кожного наступного циклу обробки, як і сам процес обробки, може носити як сталий, так і непостійний характер на відміну від класичної моделі, оскільки процес обробки може закінчитись у будь-якому циклі, починаючи з другого, що приводить до підвищення швидкодії при мінімальному та максимальному часі обробки на 12% та 47% відповідно.
Запропоновано дві структури конвеєрного процесора з накопиченням поточних часткових сум різницевих зрізів та відніманням поточних складових різницевих зрізів для порогової паралельної обробки векторних даних. Така структурна організація забезпечує розширення функціональних можливостей процесу паралельного підсумовування, які досягається за рахунок виконання у конвеєрному режимі одночасно паралельного підсумовування масиву n операндів і порівняння поточних результатів із зовнішнім порогом на кожному кроці обробки. Такий підхід забезпечує максимальний паралелізм обробки масиву чисел, оскільки в процесі задіяні одночасно всі операнди, а це, у свою чергу, приводить до прискорення процесу обробки, оскільки у випадку перевищення суми над порогом цей факт можна зафіксувати без формування остаточного значення суми всіх чисел масиву. Моделювання конвеєрного процесу порогової обробки векторного масиву даних обох конвеєрних процесорів показало ефективність використання часового та апаратного ресурсу.
Проведено моделювання процесу паралельного та порогового паралельного підсумовування елементів векторного масиву даних за різницевими зрізами. У результаті моделювання одержано графічні залежності середньої кількості циклів обробки від розмірності масиву та порогу обробки, аналіз яких експериментально довів доцільність та ефективність використання методу різницевих зрізів для паралельного та порогового паралельного підсумовування елементів великих масивів даних. Підвищення швидкості процесу порогової паралельної обробки складає в середньому 10-30%.
Виконано імплементацію двох варіантів нейрочипів з фрагментом шару мережі на базі ПЛІС XC95288XL-6-BG256, ресурси якої дозволяють реалізувати чотири порогових нейрона на 4 входи або один на 16. Результати імплементації довели можливість реалізації та ефективне використання багатошарових нейромереж чи їх фрагментів з багатовхідними пороговими нейронами, що працюють за методом РЗ, на базі ПЛІС Xilinx великої логічної ємності.
Модифіковано метод оцінювання продуктивності конвеєрних процесорів для нейроподібної обробки даних. Він відрізняється від відомих тим, що враховує особливості систолічної обробки у запропонованих конвеєрних процесорах, що дозволяє розраховувати продуктивність структур, алгоритм роботи яких базується на використанні різницевих зрізів. За цим методом оцінено продуктивність модельованих нейрочипів на базі запропонованих конвеєрних процесорів при обробці 16 операндів, яка складає до 500 млн.оп./с, що підтверджує можливість їх використання у системах обробки інформації для розв’язання задач ідентифікації динамічних систем та адаптивного керування ними, класифікації та розпізнавання зображень та сигналів у реальному часі.
Запропоновано використання промодельованих нейрочипів на базі конвеєрних процесорів у гібридній оптико-електронній нейронній системі на базі голографічного диска, що дозволяє отримати високу швидкість нейрообчислень порядку 1011перемикань зв’язків в секунду через розділене виконання операцій векторно-матричного перемноження та порогового підсумовування в оптичній та електронній частинах системи відповідно.