Документ взят из кэша поисковой машины. Адрес оригинального документа : http://www.abitu.ru/en2002/closed/viewwork.html?thesises=151 Дата изменения: Fri May 5 15:24:50 2006 Дата индексирования: Tue Oct 2 03:49:27 2012 Кодировка: koi8-r Поисковые слова: п п п п п п п п п п п п п п п п п п п

Тезисы
«Разработка модулярных нейрокомпьютеров.»

Тема данной работы актуальна и своевременна, потому что в последнее
время возрастают требования к вычислительной мощности или быстродействию
вычислительных систем. Главный путь увеличения производительности -
повышение уровня параллелизма. Один из возможных способов решения этой
проблемы - внедрение в производство нейросетевых технологий.
Нейронная сеть является специфической параллельной вычислительной
структурой. Характеризуется она наличием большого числа связей между каждым
процессорным элементом, т.е. нейроном. Нейронная сеть представляет собой
выскопараллельную динамическую систему с топологией направленного графа.
Такая сеть получает входной сигнал, реагирует на него и выводит конечную
информацию. А особенность нейронной сети состоит в том, что порядок
обработки информации заложен именно в степени прочности связей между
нейронами. Нейронные сети по сути дела являются формальным аппаратом
описания только основной части алгоритма решения задачи на ЭВМ. Это
ограничение позволяет разрабатывать высокопараллельные алгоритмы решения
различных задач.
Таким образом, если алгоритм обработки информации задан, но не хватает
вычислительных мощностей, то после представления алгоритма в нейросетевом
логическом базисе, становится возможным использование мощных аппаратных
средств с массовым параллелизмом. В качестве подобного аппаратного средства
в данной работе предложены программируемые логические блоки, которые
разработаны и выпускаются фирмами Intel, Xilinx и др.
Ускорение операций сложения и умножения, которые являются основными в
нейросетевом логическом базисе, осуществляется за счет внедрения
непозиционной системы счисления. Одним из нетрадиционных методов вычисления
является применение системы счисления в остаточных классах.
В работе показано, что применение нейронных технологий позволяет
распараллелить вычисления на уровне алгоритма решения задачи, а применение
модулярной арифметики дает возможность повысить быстродействие
нейропроцессора за счет перехода к обработке малоразрядных данных и
использования параллелизма на уровне выполнение элементарных арифметических
операций. Сочетание достоинств модулярной арифметики и положительных
свойств нейронных сетей позволит проектировать и создавать процессоры
обработки данных принципиально нового класса. Это позволит строить мощные
высокопроизводительные устройства обработки данных.
Е.Румянцева