Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Искусственные нейронные сети (ИНС) могут быть реализованы программным или аппаратным способом.
Вариантами аппаратной реализации являются нейрокомпьютеры (НК), нейроплаты и нейроБИС (большие интегральные схемы). Одна из самых простых и дешевых нейроБИС - модель MD 1220 фирмы Micro Devices, которая реализует сеть с 8 нейронами и 120
синапсами. Среди перспективных разработок можно выделить модели фирмы Adaptive Solutions (США) и Нitachi (Япония). Разрабатываемая фирмой Adaptive Solutions нейроБИС является одной из самых быстродействующих: объявленная скорость обработки составляет 1,2 млрд. межнейронных соединений в секунду (мнс/с). Схемы, производимые фирмой Hitachi, позволяют реализовывать ИНС, содержащие до 576 нейронов.
Большинство современных нейрокомпьютеров представляют собой персональный компьютер или рабочую станцию, в состав которых входит дополнительная нейроплата. К их числу относятся, например, компьютеры серии FMR фирмы Fиjitsи. Возможностей таких систем вполне хватает для решения большого числа прикладных задач методами нейроматематики, а также для разработки новых алгоритмов. Наибольший интерес представляют специализированные нейрокомпьютеры, в которых реализованы принципы архитектуры нейросетей. Типичными представителями таких систем являются компьютеры семейства Mark фирмы TRW (первая реализация перцептрона - электронное устройство, моделирующее нейронную сеть, разработанная Ф. Розенблатом, называлась Mark 1). Модель Mark 111 фирмы TRW представляет собой рабочую станцию, содержащую до 15 процессоров семейства Motorola 68000 с математическими сопроцессорами. Все процессоры объединены общей шиной. Архитектура системы, поддерживающая до 65 000 виртуальных процессорных элементов с более чем 1 млн настраиваемых соединений, позволяет обрабатывать до 450 тыс. мнс/с.
Другим примером является нейрокомпьютер NETSIM, созданный фирмой Texas Instmments на базе разработок Кембриджского университета. Его топология представляет собой трехмерную решетку стандартных вычислительных узлов на базе процессоров 80188. Компьютер NETSIM используется для моделирования сетей Хопфилда-Кохонена. Его производительность достигает 450 млн. мнс/с.
В тех случаях, когда разработка или внедрение аппаратных реализаций нейронных сетей обходятся слишком дорого, применяют более дешевые программные реализации-нейропакеты (НП). Нейропакетом называется программная система, эмулирующая среду НК на обычном компьютере.
В соответствии с классификация НПпредложенной Галушкиным А.И. НП делятся на семь основных классов.
1. НП для разработки других НП (инструментарий построения НП).
2. Универсальные НП. Под универсальностью понимается возможность моделиро-вания ИНС разной структуры и с разными алгоритмами обучения.
З. Специализированные НП, использующие нейроны сложной функциональности
и включающие специализированные средства для:
. обработки изображений;
. распознавания образов;
. распознавания рукописных и печатных символов;
. распознавания речи;
. управления динамическими системами;
. финансового анализа и др..
4. Нейронные ЭС.
5. Пакеты генетического обучения ИНС.
6. Пакеты нечеткой логики, использующие ИНС.
7. Интегрированные пакеты, использующие ИНС.
Примеры НП первого класса:
. OWL (разработчик - Hyper Logic Corp.);
. Neuro Windows (разработчик -Ward Systems Group);
. NNet+ (разработчик - NeuroMetric Vision System);
. Neural Network Toolbox for Matlab (разработчик - Math Works);
. Neuro Office (разработчик - ЗАО «АльфаСистем»).
Архитектура универсального НП представлена на рис. 5.
Процесс разработки модели ИНСсостоит из четырех этапов:
1) визуальное проектирование структуры и топологии ИНС;
2) определение синаптической карты и функций активации нейронов;
3) обучение построенной ИНС;
4) тестирование обученной ИНС (в том числе оценивание скорости
работы ИНС).
Укрупненные структуры подсистемы формирования ИНС и подсистемы проведения экспериментов с ИНС изображены на рис. 6 и рис. 7.
|
|
Рис. 5 Архитектура универсального нейропакета.
Рис. 6 Укрупнённая структура подсистемы формирования нейросети.
|
|
.
Рис. 7 Укрупнённая структура подсистемы проведения экспериментов с нейросетью.
Аппаратной базой для НП служат рабочие станции или персональные ЭВМ, обладающие высокой производительностью.
Главным показателем эффективности функционирования НП служит
скорость обучения ИНС. Поскольку во многих НП механизм обучения реализован на основе алгоритма «обратного распространения ошибки», данный показатель у них принимает близкие значения и для оценки НП выделяются 11 следующих дополнительных критериев:
1) простота формирования и обучения ИНС при использовании интуитивно понятного графического интерфейса НП;
2) простота подготовки обучающей выборки;
3) наглядность и полнота представления информации в процессе формирования и обучения ИНС;
4) состав поддерживаемых нейронных моделей, критериев и алгоритмов обучения;
5) возможность создания собственных (т. е. нетиповых) нейронных структур;
6) возможность использования собственных критериев оптимизации;
7) возможность использования собственных алгоритмов обучения ИНС;
8) простота обмена информацией между НП и другими приложениями;
9) открытая архитектура пакета (возможность его расширения за счет
внешних программных модулей);
10) наличие генератора исходного кода;
11) наличие макроязыка для ускорения работы с НП.
Названные критерии можно разделить на три класса:
· первые три критерия оценивают НП с точки зрения начинающих
пользователей;
· критерии с четвертого по восьмой оценивают НП с точки зрения
опытных пользователей;
· последние три критерия оценивают НП с точки зрения
профессиональных разработчиков НП.
Дата публикования: 2015-02-22; Прочитано: 663 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!