CC BY
36
Секция вычислительной техники
PC в качестве хост-ЭВМ и дополнительного процессорного узла, что позволяет расширить функциональность и одновременно повысить производительность всей системы для некоторого класса задач.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Гузик В.Ф., Чернухин Ю.В. и др. Принципы построения универсального транслятора продукционного типа // Методы кибернетики и информационные технологии. Саратов. 1999. №3. С.20-28.
2. Guzik V.Ph., Zolotovsky V.E., Chemukhin Y. V., Tretyakov S. V., Muntyan O.A. Structural modeling for simulation of power electronic systems//COMPEL 2000-The 7th workshop on computers in power electronics, IEEE Inc., 2000.
УДК 007.52
Ю.В. Чернухин АКСИОМАТИКА ЦИФРОВЫХ НЕЙРОПРОЦЕССОРОВ
Первая формально-логическая модель естественного нейрона была предложена Мак-Каллоком и Питсом в 1943 году [1]. При создании этой модели ее авторы постулировали лишь статическую составляющую нервных процессов и аксо-дендритные взаимодействия нервных клеток при передаче и восприятии ими нервных импульсов. Аксиоматика более совершенных динамических и разностных моделей нейрона учитывает не только динамическую составляющую информационных процессов в нервных клетках, но и тот факт, что передаваемая между ними информация кодируется интенсивностью импульсных потоков. Несмотря на простоту, сети искусственных формально-логических и динамических нейронов (нейроэлементов) позволяют решать довольно сложные проблемы из области распознавания образов. Однако до сих пор неясно, как на их основе создавать адаптивные, самооптимизирующиеся и эволюционирующие нейроподобные ансамбли и сети моделирующего, вычислительного и управляющего типа.
В докладе показано, что отмеченная проблема решается путем перехода от нейроэлементов к таким нейропроцессорам и нейропроцессорным сетям [2], аксиоматический базис которых допускает изменение всех параметров реализуемой цифровой модели, постулирует различные типы взаимодействия нервных клеток друг с другом и имеет следующий вид:
1. Цифровой нейропроцессор строится на базе динамической модели информационных процессов в нервной клетке, разностная аппроксимация которой осуществляется путем использования простейшей формулы численного интегрирования - формулы Эйлера, а реализующий ее нейропроцессор работает в квазиста-ционарном режиме [2];
2. В процессе функционирования нейропроцессора допускаются изменения не только его синаптических весов и порога, но также коэффициента инерционности, шага разностной схемы и остальных параметров реализуемой информационной модели;
3. Операционный базис нейропроцессора включает такие нейрооперации, как формальный нейрон, суммирующий нейрон, динамический нейрон и т.п. Смена нейроопераций осуществляется в моменты достижения переменными параметрами и, прежде всего, параметром инерционности и шагом разностной схемы, соответствующих критических значений [3];
Известия ТРТУ
Специальный выпуск
4. Помимо дендритных входов и одного аксонного выхода, позволяющего имитировать аксодендритные взаимодействия нейронов, нейропроцессор содержит дополнительные выходы, позволяющие воспроизводить дендродендритные, сомасоматические и аксоаксонные контакты нервных клеток;
5. Дополнительные выходы являются также выходами соответствующих крупных математических операций вида: скалярное произведение двух векторов (выход пространственной суммы), цифровое дифференцирование (выход приращений функции возбуждения), цифровое интегрирование (выход интеграла функции возбуждения).
В заключение показано, что если все входы и выходы нейропроцессоров согласованы энергетически и информационно, то имеется возможность синтеза на их основе адаптивных, самооптимизирующихся и эволюционирующих нейропроцессор-ных ансамблей и сетей моделирующего, вычислительного и управляющего типа.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Мак-Каллок У., Питтс В. Логическое исчисление идей, относящихся к нервной активности //Автоматы. М.: Изд-во иностр. лит., 1956. С.362-384.
2. Чернухин Ю.В. Нейропроцессорные сети: Монография. Таганрог: Изд-во ТРТУ, 1999. 439с.
3. Чернухин Ю.В. Базовое пространство нейронных алгоритмов // Известия ТРТУ. Таганрог. 2003. № 1(30). С.54-59.
УДК 519.87
В.Е. Золотовский
СТРУКТУРНОЕ МОДЕЛИРОВАНИЕ ЭЛЕКТРОМЕХАНИЧЕСКИХ СИСТЕМ, СОДЕРЖАЩИХ ЭЛЕКТРИЧЕСКИЕ ЦЕПИ
Моделирование объектов физической природы, описываемых множеством нелинейных дифференциальных уравнений высокого порядка, требует высокого быстродействия, достижимого только на многопроцессорных вычислительных системах (МВС). Однако традиционное программирование МВС в данном случае весьма затруднительно. Преодоление этой трудности можно видеть в использовании идей и методов структурного моделирования. Суть такого моделирования заключается в том, что каждому объекту моделируемой физической системы ставится в соответствие некоторое количество ресурсов вычислительной среды. Каждый объект функционирует как самостоятельная формальная процедура, а взаимодействие между объектами реализуется на уровне передачи данных. Это позволяет выполнять отдельные процедуры параллельно либо на выделенных аппаратных средствах МВС, либо на последовательной системе с разделением времени, что с одной стороны существенно уменьшает время моделирования, а с другой - упрощает процесс программирования.
Структурное моделирование удобно для анализа и исследования энергетических сетей, так как позволяет рассматривать сеть как совокупность независимых объектов. Во многих случаях довольно сложно программировать всю энергосеть из-за большого количества объектов, входящих в ее состав, и, как следствие, из-за сложности создания математических моделей. С целью преодоления данной трудности целесообразно использовать декомпозицию, т.е. разбиение сложной системы на части, включающие от одного до нескольких объектов. Однако в этом слу-
