Особенности ЦПС как элементной базы нейрокомпьютеров

Цифровые сигнальные процессоры (ЦПС – DSP-Digital Signal Processor) появились в конце 70-х годов.

Важным преимуществом ЦПС как элементной базы нейровычислителей перед универсальными микропроцессорами является возможность работы на максимальных частотах, а также возможность выполнять операции алгоритма НС на аппаратном уровне. Это обеспечивает высокую производительность нейровычислителей. ЦПС имеют ряд архитектурных особенностей. Например реализована операция умножения с накоплением МАС(D:=A*B+D)/ Эта команда соответствует операции взвешенного суммирования в адаптивном сумматоре нейрона. Большинство ЦПС построено по Гарвардской архитектуре, которая предполагает наличие двух физически разделенных шин: шины команд и шины данных.

Расширенная Гарвардская архитектура с кэш-памятью называется расширенной Гарвардской архитектурой.

Перспективным является построение нейровычислителей по новой архитектуре TrigerSHARC, сочетающей в себе высокую степень конвейеризации и программируемость RISC –процессоров. Архитектура TrigerSHARC предполагает 3 независимых блока памяти, каждый из которых имеет 128-разрядную шину данных. Адрес доступа к данным может состоять из одного, двух, трех и четырех слов, что позволяет пользователю отказаться от сегментации памяти на память программ и память данных.

Для оценки производительности нейровычислителей используются следующие показатели:

· CUPS- число изменений значений весов в секунду (оценка скорости обучения);

· CPS- число соединений в секунду;

· CPSPW=CPS/Nw –число соединений на один синапс (Nw –число синапсов в нейроне);

· CPPS – число соединений примитивов в секунду; CPPS=CPU*Bw*Bs (Bw – разрядность весов,B-разрядность синапсовs);

· MMAC- миллион умножений с накоплением в секунду.

Цифровые сигнальные процессоры (ЦПС – DSP-Digital Signal Processor) появились в конце 70-х годов.

Важным преимуществом ЦПС как элементной базы нейровычислителей перед универсальными микропроцессорами является возможность работы на максимальных частотах, а также возможность выполнять операции алгоритма НС на аппаратном уровне. Это обеспечивает высокую производительность нейровычислителей. ЦПС имеют ряд архитектурных особенностей. Например реализована операция умножения с накоплением МАС(D:=A*B+D)/ Эта команда соответствует операции взвешенного суммирования в адаптивном сумматоре нейрона. Большинство ЦПС построено по Гарвардской архитектуре, которая предполагает наличие двух физически разделенных шин: шины команд и шины данных.

Расширенная Гарвардская архитектура с кэш-памятью называется расширенной Гарвардской архитектурой.

Перспективным является построение нейровычислителей по новой архитектуре TrigerSHARC, сочетающей в себе высокую степень конвейеризации и программируемость RISC –процессоров. Архитектура TrigerSHARC предполагает 3 независимых блока памяти, каждый из которых имеет 128-разрядную шину данных. Адрес доступа к данным может состоять из одного, двух, трех и четырех слов, что позволяет пользователю отказаться от сегментации памяти на память программ и память данных.

Для оценки производительности нейровычислителей используются следующие показатели:

· CUPS- число изменений значений весов в секунду (оценка скорости обучения);

· CPS- число соединений в секунду;

· CPSPW=CPS/Nw –число соединений на один синапс (Nw –число синапсов в нейроне);

· CPPS – число соединений примитивов в секунду; CPPS=CPU*Bw*Bs (Bw – разрядность весов,B-разрядность синапсовs);

· MMAC- миллион умножений с накоплением в секунду.