Документ взят из кэша поисковой машины. Адрес оригинального документа : http://www.abitu.ru/en2002/closed/viewwork.html?thesises=149 Дата изменения: Fri May 5 15:24:49 2006 Дата индексирования: Tue Oct 2 03:25:59 2012 Кодировка: koi8-r Поисковые слова: transit

Применение модулярной арифметики для ускорения нейрообработки

Криворучко Георгий, 11 класс


Сахнюк Павел Анатольевич, кандидат технических наук

Россия, г. Ставрополь, Государственное образовательное учреждение
дополнительного образования детей «Центр творческого развития и
гуманитарного образования для одаренных детей «Поиск»»
Доступность и возросшие вычислительные возможности современных
компьютеров привели к широкому распространению программ, использующих
принципы нейросетевой обработки данных.
Нейронная сеть представляет собой совокупность нейроподобных
элементов, определенным образом соединенных друг с другом и внешней средой
с помощью связей, определяемых весовыми коэффициентами. НС является
специфической параллельной вычислительной структурой и характеризуется
большим числом связей, идущих к каждому процессорному элементу (нейрону). В
НС все нейроны работают конкурентно, а на вычисление непосредственно
влияет знание, зашифрованное в соединениях сети. Нейронная сеть
представляет собой высокопараллельную динамическую систему с топологией
направленного графа, которая может получать выходную информацию посредством
реакции ее состояний на входные воздействия. Узлами в нейронной сети
называются процессорные элементы и направленные каналы. Нейронные сети по
сути дела являются формальным аппаратом описания основной части алгоритма
решения задачи на ЭВМ. Это ограничение позволяет разрабатывать
высокопараллельные алгоритмы решения различных задач. В настоящее время
считается, что нейронные сети являются универсальными структурами,
позволяющими реализовать любой вычислительный алгоритм.
Для проектирования нейрокомпьютеров, работающих в режиме реального
масштаба времени, одной из основных задач является максимально ускорить
процесс обучения нейронных сетей, что позволит увеличить применение
нейрокомпьютеров в современной жизни. Однако, программная эмуляция
нейросетевых алгоритмов на вычислительных средствах, реализованных на
элементной базе, не имеющей отношения к нейросетевому логическому базису,
неэффективна и представляет собой временное явление. Для реализации
нейросетевых алгоритмов целесообразно создавать специальную элементную
базу. При этом главной целью использования нейрокомпьютеров является
ускорения нейрообработки.
Повысить быстродействие НК можно увеличением тактовой частоты,
уменьшением времени обращения к памяти, применением различных форм
распараллеливанием вычислительного процесса, применением нетрадиционных
систем счисления и другими мерами. Тактовая частота работы вычислительной
системы (ВС) определяется технологией производства элементной базы и в
настоящее время близка к предельно достижимой для существующего уровня
технологии производства, т.е. существующие методы повышения
производительности ВС не решают кардинальным образом задачу организации
высокопараллельной переработки информации. Главный же путь увеличения
производительности - повышение уровня совмещения операций в ВС или
распараллеливание вычислительного процесса.
Поиски новых путей повышения эффективности выполнения арифметических
операций привели исследователей к заключению, что в рамках обычной
позиционной системе значительного ускорения выполнения операций добиться
почти невозможно. В этом аспекте обращает на себя внимание непозиционная
система счисления, в которой информация представлена в модулярном коде.
Выполнение арифметических операций в модулярном коде производится
независимо по каждому из модулей, что и указывает на параллелизм данной
системы. Это обстоятельство определяет возможность независимой их
обработки, то есть поразрядного выполнения операций, что избавляет от
необходимости "занимать" или "переносить" единицу старшего разряда, и
приводит к появлению кодов с параллельной структурой, которые позволяют
распараллелить основные арифметические операции, выполняемые в нейронной
сети (сложение и умножение).
Таким образом, перспективной и многообещающей, является реализация
нейровычислений при помощи нетрадиционных методов кодирования информации и
соответствующей компьютерной арифметики и, в первую очередь, с помощью
модулярной арифметики, обладающей максимальным уровнем внутреннего
параллелизма. Модулярная арифметика является альтернативным подходом к
построению ВС, в настоящее время базирующихся исключительно на
использовании двоичной арифметики.
Применение модулярной арифметики позволяет повысить быстродействие
нейропроцессора за счет перехода к обработке малоразрядных данных и
использования параллелизма на уровне выполнения элементарных арифметических
операций. Сочетание достоинств модулярной арифметики и положительных
свойств нейронных сетей позволит проектировать специализированные
нейропроцессоры принципиально нового класса, которые по сравнению с
традиционными обеспечивают более высокое быстродействие.