Azərbaycanca AzərbaycancaБеларускі БеларускіDansk DanskDeutsch DeutschEspañola EspañolaFrançais FrançaisIndonesia IndonesiaItaliana Italiana日本語 日本語Қазақ ҚазақLietuvos LietuvosNederlands NederlandsPortuguês PortuguêsРусский Русскийසිංහල සිංහලแบบไทย แบบไทยTürkçe TürkçeУкраїнська Українська中國人 中國人United State United StateAfrikaans Afrikaans
Підтримка
www.wikidata.uk-ua.nina.az

Нейрокомп ютер пристрій переробки інформації на основі принципів роботи природних нейронних систем Ці принципи були форм

Нейрокомп'ютер

Нейрокомп'ютер

Нейрокомп'ютер — пристрій переробки інформації на основі принципів роботи природних нейронних систем. Ці принципи були формалізовані, що дозволило говорити про теорії штучних нейронних мереж. Проблематика ж нейрокомп'ютерів полягає в побудові реальних фізичних пристроїв, що дозволить не просто моделювати штучні нейронні мережі на звичайному комп'ютері, але так змінити принципи роботи комп'ютера, що стане можливим говорити про те, що вони працюють відповідно до теорії штучних нейронних мереж.

Історія

Терміни нейрокібернетика, нейроінформатика, нейрокомп'ютери увійшли в науковий обіг нещодавно — в середині 1980-х років. Однак електронний і біологічний мозок постійно порівнювалися протягом всієї історії існування обчислювальної техніки. Знаменита книга Н. Вінера «Кібернетика» (1948) має підзаголовок «Управління і зв'язок в тварині і машині».

Першими нейрокомп'ютерами були перцептрони Розенблатта: Марк-1 (1958) і Тоберморі (1961—1967), а також Адалін, розроблений [en] і Хоффом (1960) на основі дельта-правила (формули Уідроу). Адалін (адаптивний суматор, який навчається за формулою Уідроу) є стандартним елементом багатьох систем обробки сигналів і зв'язку. У цьому ж ряду перших нейрокомп'ютерів знаходиться програма «Кора», розроблена в 1961 році під керівництвом М. М. Бонгарда.

Велику роль у розвитку нейрокомп'ютингу зіграла монографія Розенблатта (1958).

Ідея нейро-біоніки (створення технічних засобів на нейро-принципах) стала інтенсивно реалізовуватися на початку 1980-х рр. Імпульсом було наступне протиріччя: розміри елементарних деталей комп'ютерів зрівнялися з розмірами елементарних «перетворювачів інформації» в нервовій системі, було досягнуто швидкодію окремих електронних елементів в мільйони разів більше, ніж у біологічних систем, а ефективність вирішення завдань, особливо пов'язаних завдань орієнтування і прийняття рішень в природному середовищі, у живих систем наразі недосяжно вище.

Інший імпульс розвитку нейрокомп'ютерів дали теоретичні розробки 1980-х років на теорії нейронних мереж (мережі Хопфілда, мережі Кохонена, метод зворотного поширення помилки).

Основна ідея — конекціонізм

На відміну від цифрових систем, що представляють собою комбінації процесорних блоків і блоків пам'яті, нейропроцесори містять пам'ять, розподілену зв'язки між простими процесорами, які часто можуть бути описані як формальні нейрони або блоки з однотипних формальних нейронів. Тим самим основне навантаження на виконання конкретних функцій процесорами лягає на архітектуру системи, деталі якої в свою чергу визначаються міжнейронними зв'язками. Підхід, заснований на представленні як пам'яті даних, так і алгоритмів системою зв'язків (і їх вагами), називається конекціонізмом.

Три основних переваги нейрокомп'ютерів:

  1. Всі алгоритми нейроінформатики високопаралельни, а це вже запорука високої швидкодії.
  2. Нейросистеми можна легко зробити дуже стійкими до перешкод і руйнувань.
  3. Стійкі і надійні нейросистеми можуть створюватися і з ненадійних елементів, що мають значний розкид параметрів.

Розробники нейрокомп'ютерів прагнуть об'єднати стійкість, продуктивність і паралелізм АВМ — аналогових обчислювальних машин — з універсальністю сучасних комп'ютерів.

Проблема ефективного паралелізму

На роль центральної проблеми, розв'язуваної всією нейроінформатикою і нейрокомп'ютингом, А. Горбань запропонував проблему ефективного паралелізму. Давно відомо, що продуктивність комп'ютера зростає набагато повільніше, ніж число процесорів. М. Мінський сформулював гіпотезу: продуктивність паралельної системи зростає (приблизно) пропорційно логарифму числа процесорів — це набагато повільніше, ніж лінійна функція (Гіпотеза Мінського).

Для подолання цього обмеження застосовується наступний підхід: для різних класів задач будуються максимально паралельні алгоритми рішення, які використовують яку-небудь абстрактну архітектуру (парадигму) дрібнозернистого паралелізму, а для конкретних паралельних комп'ютерів створюються засоби реалізації паралельних процесів заданої абстрактної архітектури. В результаті з'являється ефективний апарат виробництва паралельних програм.

Нейроінформатика постачає універсальні дрібнозернисті паралельні архітектури для вирішення різних класів завдань. Для конкретних завдань будується абстрактна нейромережева реалізація алгоритму рішення, яка потім реалізується на конкретних паралельних обчислювальних пристроях. Таким чином нейромережі дозволяють ефективно використовувати паралелізм.

Сучасні нейрокомп'ютери

Багаторічні зусилля багатьох дослідницьких груп призвели до того, що до теперішнього часу накопичено велику кількість різних «правил навчання» і архітектур нейронних мереж, їх апаратних реалізацій та прийомів використання нейронних мереж для рішення прикладних задач.

Ці інтелектуальні винаходи існують у вигляді «зоопарку» нейронних мереж. Кожна мережа із зоопарку має свою архітектуру, правило навчання і вирішує конкретний набір завдань. В останнє десятиліття докладаються серйозні зусилля для стандартизації структурних елементів і перетворень цього «зоопарку» в «технопарк»: кожна нейронна мережа з зоопарку реалізована на ідеальному універсальному нейрокомп'ютерів, має задану структуру.

Основні правила виділення функціональних компонентів ідеального нейрокомп'ютера (за Міркесу):

  1. Відносна функціональна відособленість: кожен компонент має чіткий набір функцій. Його взаємодію з іншими компонентами може бути описано у вигляді невеликого числа запитів.
  2. Можливість взаємозаміни різних реалізацій будь-якого компонента без зміни інших компонентів.

Поступово складається ринок нейрокомп'ютерів. Широко поширені різні високопаралельні нейро-прискорювачі (співпроцесори) для різних завдань. Моделей універсальних нейрокомп'ютерів на ринку мало почасти тому, що більшість з них реалізовані для спецвикористання. Прикладами нейрокомп'ютерів є нейрокомп'ютер Synapse (Siemens, Німеччина), процесор NeuroMatrix. Видається спеціалізований науково-технічний журнал «Нейрокомп'ютери: розробка, застосування». Проводяться щорічні конференції з нейрокомп'ютерів. З технічної точки зору сьогоднішні нейрокомп'ютери — це обчислювальні системи з паралельними потоками однакових команд і множинним потоком даних (MSIMD-архітектура). Це одне з основних напрямків розвитку обчислювальних систем з масовим паралелізмом.

Штучна нейронна мережа може передаватися від (нейро)комп'ютера до (нейро)комп'ютера, так само як і комп'ютерна програма. Більше того, на її основі можуть бути створені спеціалізовані швидкодіючі аналогові пристрої. Виділяються кілька рівнів відчуження нейронної мережі від універсального (нейро)комп'ютера: від мережі, яка навчається на універсальному пристрої і використовує багаті можливості в маніпулюванні задачником, алгоритмами навчання і модифікації архітектури, до повного відчуження без можливостей навчання та модифікації, тільки функціонування навченої мережі.

Одним із способів підготовки нейронної мережі для передачі є її вербалізація: навчену нейронну мережу мінімізують із збереженням корисних навичок. Опис мінімізованої мережі компактніше і часто допускає зрозумілу інтерпретацію.

Новий поворот — «вологий продукт»

У нейрокомп'ютингу поступово дозріває новий напрямок, засноване на поєднанні біологічних нейронів з електронними елементами. За аналогією з Software (програмне забезпечення — «м'який товар») і Hardware (електронне апаратне забезпечення — «твердий продукт»), ці розробки отримали найменування Wetware ([en]) — «вологий продукт».

В даний час вже існує технологія з'єднання біологічних нейронів з надмініатюрними польовими транзисторами з допомогою нанодротин. У розробках використовується сучасна нанотехнологія. У тому числі, для створення з'єднань між нейронами і електронними пристроями використовуються вуглецеві нанотрубки.

Поширене також і інше визначення терміну «Wetware» — людський компонент у системах «людина-комп'ютер».

Застосування

  1. Управління в реальному часі, в тому числі:
    • літаками і ракетами,
    • технологічними процесами безперервного виробництва (в энергетиці, металургії тощо),
    • гибридним двигунам автомобіля,
    • пневмоциліндром,
    • зварювальним апаратом,
    • електропічкою,
    • турбогенератором.
  2. Розпізнавня образів:
    • зображень, облич, букв та ієрогліфів, відбитків пальців у криминалистиці, мові, сигналів радару і сонару,
    • елементарних часток і фізичних процесів, що х ними відбуваються (експерименти на прискорювачаї або спостереження за космічними променями),
    • захворювань за симптомами (в медицині),
    • місцевостей, де варто шукати корисні копалини (в геології),
    • ознак небезпеки в системах безпеки,
    • властивостей хімічних з'єжнань за структурою (в хемоінформатиці)
  3. Прогнозування у реальному часі:
    • погоди,
    • курсу акцій (та інших фінансових показників),
    • результатів лікування,
    • політичних подій (результатів выборів, міжднародних відносин тощо),
    • поведінка противника (реального або потенційного) у війні і в економічній конкуренції.
  4. Оптимізація  — пошук найкращих варіантів:
    • при конструюванні технічних приладів,
    • при виборі економічної стратегії,
    • при підборі команди (від співробітників до спортсменів і учасників полярних експедицій),
    • при лікуванні.
  5. Обробка сигналів при наявності великих шумів.
  6. Протезування («розумні протези») і посилення природних функцій, в тому числі — за рахунок прямого підключення нервової системи людини до комп'ютеру (Нейро-комп'ютерний інтерфейс).
  7. Психодіагностика
  8. Телекомуникаційне шахрайство, його знаходження і боротьба з допомогою нейромережевих технологій —  що є однією з найперспективніших технологій в області захисту інформації в телекомунікаційних мережах.
  9. Інформаційна безпека

Література

  • Neurocomputing, Elsevier ISSN 0925-2312
  • ISSN 1999-8554
  • Аляутдінов М. А., Галушкин А. В., Казанцев П. А., Остапенко Р. П. Нейрокомп'ютери: від програмної апаратної реалізації. — М.: Гаряча лінія — Телеком, 2008. — 152 с. — .
  • Горбань А. Н., Россиев Д. А., Нейронні мережі на персональному комп'ютері. — Новосибірськ: Наука, 1996. — 276 с. DOI: 10.13140/RG.2.1.4114.1600
  • Нейрокомп'ютерна парадигма і суспільство. / Під ред. Ю. Ю. Петруніна. — М.: Видавництво Московського університету, 2012. — 304 с. — .
  • Чечкин А. В., Савельєв А. В. Нейрокомп'ютери в 2012 році: нова парадигма

Примітки

  1. Дунин-Барковский В. Л., Нейрокибернетика, Нейроинформатика, Нейрокомпьютеры, В кн.: Нейроинформатика [ 7 червня 2009 у Wayback Machine.] / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с
  2. Винер Н., Кибернетика, или Управление и связь в животном и машине. / Пер. с англ. И. В. Соловьева и Г. Н. Поварова; Под ред. Г. Н. Поварова. — 2-е издание. — М.: Наука, 1983. — 344 с.
  3. Neural networks-then and now
  4. Королев Л.
  5. Уидроу Б., Стирнс С., Адаптивная обработка сигналов. — М.: Радио и связь, 1989. — 440 c.
  6. Бонгард М. М., Проблема узнавания М.: Физматгиз, 1967.
  7. Rosenblatt, F. The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain.
  8. Горбань А. Н. Нейрокомпьютер, или Аналоговый ренессанс, Мир ПК, 1994, № 10, 126—130.
  9. Горбань А. Н., Кто мы, куда мы идем, как путь наш измерить? [ 14 серпня 2009 у Wayback Machine.], Пленарный доклад на открытии конференции Нейроинформатика-99, МИФИ, 20 января 1999. Журнальный вариант: Горбань А. Н., Нейроинформатика: кто мы, куда мы идем, как путь наш измерить // Вычислительные технологии. — М.: Машиностроение. — 2000. — № 4. — С. 10-14.
  10. Савельев А. В., Нейрокомпьютеры в изобретениях // «Нейрокомпьютеры: разработка, применение». [ 11 вересня 2016 у Wayback Machine.], М. Радиотехника, 2004, № 2-3, с. 33-49.
  11. Миркес Е. М., Нейрокомпьютер. Проект стандарта. — Новосибирск: Наука, 1999. — 337 с Другие копии онлайн: [1] [ 3 липня 2009 у Wayback Machine.]
  12. Савельев А.
  13. Шахнов В., Власов А., Кузнецов А., Нейрокомпьютеры — архитектура и реализация. Часть 1.
  14. Процессор цифровой обработки сигналов Л1879ВМ1 (NM6403) [ 2016-10-12 у Wayback Machine.] НТЦ «Модуль»
  15. Журнал «Нейрокомпьютеры: разработка, применение». [ 11 вересня 2016 у Wayback Machine.]
  16. Савельев А.
  17. Горбань А. Н. Обучение нейронных сетей, изд. СССР-США СП «Параграф», 1990, 160 с.
  18. Patolsky F., Timko B.P., Yu G., Fang Y., Greytak A.B., Zheng G., and Lieber C.M. «Detection, Stimulation, and Inhibition of Neuronal Signals with High-Density Nanowire Transistor Arrays» : ( )[англ.] // Science. — 25 August 2006. — No. 313, № 5790. — С. 1100—1104. — DOI:10.1126/science.1128640.
  19. Mazzatenta A., Giugliano M., Campidelli S., Gambazzi L., Businaro L., Markram H., Prato M., and Ballerini L. «Interfacing Neurons with Carbon Nanotubes: Electrical Signal Transfer and Synaptic Stimulation in Cultured Brain Circuits» : ( )[англ.] // The Journal of Neuroscience. — 27 June 2007. — № 27. — С. 6931-6936. — DOI:10.1523/JNEUROSCI.1051-07.2007.
  20. Терехов В. А., Ефимов Д. В., Тюкин И. Ю. {{{Заголовок}}}. — .
  21. Тюкин И. Ю., Терехов В. А., Адаптация в нелинейных динамических системах, (Серия: Синергетика: от прошлого к будущему), Санкт-Петербург: ЛКИ, 2008. — 384 с.
  22. Применение нейрокомпьютеров в ракетно-космической технике. Сборник статей. Ефимов В. В. (ред). — М.: Радиотехника, 2006. — 144 C.
  23. Галушкин А. И. , М.: Научный центр нейрокомпьютеров, 1997.
  24. Danil V. Prokhorov.
  25. (PDF). Архів оригіналу (PDF) за 27 вересня 2016. Процитовано 25 вересня 2016.
  26. D'Emilia G., Marrab A., Natalea E. Use of neural networks for quick and accurate auto-tuning of PID controller // Robotics and Computer-Integrated Manufacturing. — 2007.
  27. Dias F.M., Mota A.M. Comparison between Different Control Strategies using Neural Networks // 9th Mediterranean Conference on Control and Automation.
  28. (PDF). Архів оригіналу (PDF) за 12 червня 2010. Процитовано 25 вересня 2016.
  29. Ruaro M.E., Bonifazi P., and Torre V., Toward the Neurocomputer: Image Processing and Pattern Recognition With Neuronal Cultures [ 6 травня 2006 у Wayback Machine.], IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 52, NO. 3, MARCH 2005, 371—383.
  30. Micheli-Tzanakou, E., Uyeda, E., Ray, R., Sharma, A., Ramanujan, R., Dong, J., Comparison of Neural Network Algorithms for Face Recognition, SIMULATION 65 (1995), 37-51
  31. Россиев Д. А., Медицинская нейроинформатика, В кн.: Нейроинформатика [ 7 червня 2009 у Wayback Machine.] / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с.
  32. И. И. Баскин, В. А. Палюлин, Н. С. Зефиров. Применение искусственных нейронных сетей для прогнозирования свойств химических соединений // Нейрокомпьютеры: разработка, применение.  — 2005.  — № 1 — 2.  — С. 98  — 101.
  33. Галушкин А.
  34. Миркес Е. М.,Логически прозрачные нейронные сети и производство явных знаний из данных, В кн.: Нейроинформатика / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др.  — Новосибирск: Наука. Сибирское предприятие РАН, 1998. — 296 с
  35. Borisyuk, R., Borisyuk, G., Rallings, C., and Thrasher, M. Forecasting the 2005 General Election: A Neural Network Approach.
  36. Терехов С. А., Нейросетевые информационные модели сложных инженерных систем, В кн.: Нейроинформатика [ 7 червня 2009 у Wayback Machine.] / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др.  — Новосибирск: Наука. Сибирское предприятие РАН, 1998.  — 296 с
  37. Morillas C., Romero S., Martinez A., Pelayo F., Reyneri L., Bongard M., Fernandez, E., A neuroengineering suite of computational tools for visual prostheses, Neurocomput., 70 (16-18) (2007), 2817—2827.
  38. Gorban A.N., Rossiyev D.A., Dorrer M.G., MultiNeuron — Neural Networks Simulator For Medical, Physiological, and Psychological Applications, Wcnn'95, Washington, D.C.: World Congress on Neural Networks 1995 International Neural Network Society Annual Meeting: Renaissance Hotel, Washington, D.C., USA, July 17-21, 1995.
  39. Dorrer M.G., Gorban A.N., Kopytov A.G., Zenkin V.I., Psychological Intuition of Neural Networks.
  40. Доррер М. Г., Психологическая интуиция искусственных нейронных сетей, Дисс. … 1998.
  41. Taniguchi M., Haft M., Hollm\'en J., Tresp V., Fraud detection in communications networks using neural and probabilistic methods, In Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP'98), volume II, pages 1241—1244, 1998.
  42. Червяков Н. И., Евдокимов А. А., Галушкин А. И., Лавриненко И. Н. и др.,Применение искусственных нейронных сетей и системы остаточных классов в криптографии, — М.: ФИЗМАТЛИТ, 2012. — 280 c.

Див. також


image Це незавершена стаття зі штучного інтелекту.
Ви можете проєкту, виправивши або дописавши її.

Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет

Nejrokomp yuter pristrij pererobki informaciyi na osnovi principiv roboti prirodnih nejronnih sistem Ci principi buli formalizovani sho dozvolilo govoriti pro teoriyi shtuchnih nejronnih merezh Problematika zh nejrokomp yuteriv polyagaye v pobudovi realnih fizichnih pristroyiv sho dozvolit ne prosto modelyuvati shtuchni nejronni merezhi na zvichajnomu komp yuteri ale tak zminiti principi roboti komp yutera sho stane mozhlivim govoriti pro te sho voni pracyuyut vidpovidno do teoriyi shtuchnih nejronnih merezh IstoriyaTermini nejrokibernetika nejroinformatika nejrokomp yuteri uvijshli v naukovij obig neshodavno v seredini 1980 h rokiv Odnak elektronnij i biologichnij mozok postijno porivnyuvalisya protyagom vsiyeyi istoriyi isnuvannya obchislyuvalnoyi tehniki Znamenita kniga N Vinera Kibernetika 1948 maye pidzagolovok Upravlinnya i zv yazok v tvarini i mashini Pershimi nejrokomp yuterami buli perceptroni Rozenblatta Mark 1 1958 i Tobermori 1961 1967 a takozh Adalin rozroblenij en i Hoffom 1960 na osnovi delta pravila formuli Uidrou Adalin adaptivnij sumator yakij navchayetsya za formuloyu Uidrou ye standartnim elementom bagatoh sistem obrobki signaliv i zv yazku U comu zh ryadu pershih nejrokomp yuteriv znahoditsya programa Kora rozroblena v 1961 roci pid kerivnictvom M M Bongarda Veliku rol u rozvitku nejrokomp yutingu zigrala monografiya Rozenblatta 1958 Ideya nejro bioniki stvorennya tehnichnih zasobiv na nejro principah stala intensivno realizovuvatisya na pochatku 1980 h rr Impulsom bulo nastupne protirichchya rozmiri elementarnih detalej komp yuteriv zrivnyalisya z rozmirami elementarnih peretvoryuvachiv informaciyi v nervovij sistemi bulo dosyagnuto shvidkodiyu okremih elektronnih elementiv v miljoni raziv bilshe nizh u biologichnih sistem a efektivnist virishennya zavdan osoblivo pov yazanih zavdan oriyentuvannya i prijnyattya rishen v prirodnomu seredovishi u zhivih sistem narazi nedosyazhno vishe Inshij impuls rozvitku nejrokomp yuteriv dali teoretichni rozrobki 1980 h rokiv na teoriyi nejronnih merezh merezhi Hopfilda merezhi Kohonena metod zvorotnogo poshirennya pomilki Osnovna ideya konekcionizmNa vidminu vid cifrovih sistem sho predstavlyayut soboyu kombinaciyi procesornih blokiv i blokiv pam yati nejroprocesori mistyat pam yat rozpodilenu zv yazki mizh prostimi procesorami yaki chasto mozhut buti opisani yak formalni nejroni abo bloki z odnotipnih formalnih nejroniv Tim samim osnovne navantazhennya na vikonannya konkretnih funkcij procesorami lyagaye na arhitekturu sistemi detali yakoyi v svoyu chergu viznachayutsya mizhnejronnimi zv yazkami Pidhid zasnovanij na predstavlenni yak pam yati danih tak i algoritmiv sistemoyu zv yazkiv i yih vagami nazivayetsya konekcionizmom Tri osnovnih perevagi nejrokomp yuteriv Vsi algoritmi nejroinformatiki visokoparalelni a ce vzhe zaporuka visokoyi shvidkodiyi Nejrosistemi mozhna legko zrobiti duzhe stijkimi do pereshkod i rujnuvan Stijki i nadijni nejrosistemi mozhut stvoryuvatisya i z nenadijnih elementiv sho mayut znachnij rozkid parametriv Rozrobniki nejrokomp yuteriv pragnut ob yednati stijkist produktivnist i paralelizm AVM analogovih obchislyuvalnih mashin z universalnistyu suchasnih komp yuteriv Problema efektivnogo paralelizmuNa rol centralnoyi problemi rozv yazuvanoyi vsiyeyu nejroinformatikoyu i nejrokomp yutingom A Gorban zaproponuvav problemu efektivnogo paralelizmu Davno vidomo sho produktivnist komp yutera zrostaye nabagato povilnishe nizh chislo procesoriv M Minskij sformulyuvav gipotezu produktivnist paralelnoyi sistemi zrostaye priblizno proporcijno logarifmu chisla procesoriv ce nabagato povilnishe nizh linijna funkciya Gipoteza Minskogo Dlya podolannya cogo obmezhennya zastosovuyetsya nastupnij pidhid dlya riznih klasiv zadach buduyutsya maksimalno paralelni algoritmi rishennya yaki vikoristovuyut yaku nebud abstraktnu arhitekturu paradigmu dribnozernistogo paralelizmu a dlya konkretnih paralelnih komp yuteriv stvoryuyutsya zasobi realizaciyi paralelnih procesiv zadanoyi abstraktnoyi arhitekturi V rezultati z yavlyayetsya efektivnij aparat virobnictva paralelnih program Nejroinformatika postachaye universalni dribnozernisti paralelni arhitekturi dlya virishennya riznih klasiv zavdan Dlya konkretnih zavdan buduyetsya abstraktna nejromerezheva realizaciya algoritmu rishennya yaka potim realizuyetsya na konkretnih paralelnih obchislyuvalnih pristroyah Takim chinom nejromerezhi dozvolyayut efektivno vikoristovuvati paralelizm Suchasni nejrokomp yuteriBagatorichni zusillya bagatoh doslidnickih grup prizveli do togo sho do teperishnogo chasu nakopicheno veliku kilkist riznih pravil navchannya i arhitektur nejronnih merezh yih aparatnih realizacij ta prijomiv vikoristannya nejronnih merezh dlya rishennya prikladnih zadach Ci intelektualni vinahodi isnuyut u viglyadi zooparku nejronnih merezh Kozhna merezha iz zooparku maye svoyu arhitekturu pravilo navchannya i virishuye konkretnij nabir zavdan V ostannye desyatilittya dokladayutsya serjozni zusillya dlya standartizaciyi strukturnih elementiv i peretvoren cogo zooparku v tehnopark kozhna nejronna merezha z zooparku realizovana na idealnomu universalnomu nejrokomp yuteriv maye zadanu strukturu Osnovni pravila vidilennya funkcionalnih komponentiv idealnogo nejrokomp yutera za Mirkesu Vidnosna funkcionalna vidosoblenist kozhen komponent maye chitkij nabir funkcij Jogo vzayemodiyu z inshimi komponentami mozhe buti opisano u viglyadi nevelikogo chisla zapitiv Mozhlivist vzayemozamini riznih realizacij bud yakogo komponenta bez zmini inshih komponentiv Postupovo skladayetsya rinok nejrokomp yuteriv Shiroko poshireni rizni visokoparalelni nejro priskoryuvachi spivprocesori dlya riznih zavdan Modelej universalnih nejrokomp yuteriv na rinku malo pochasti tomu sho bilshist z nih realizovani dlya specvikoristannya Prikladami nejrokomp yuteriv ye nejrokomp yuter Synapse Siemens Nimechchina procesor NeuroMatrix Vidayetsya specializovanij naukovo tehnichnij zhurnal Nejrokomp yuteri rozrobka zastosuvannya Provodyatsya shorichni konferenciyi z nejrokomp yuteriv Z tehnichnoyi tochki zoru sogodnishni nejrokomp yuteri ce obchislyuvalni sistemi z paralelnimi potokami odnakovih komand i mnozhinnim potokom danih MSIMD arhitektura Ce odne z osnovnih napryamkiv rozvitku obchislyuvalnih sistem z masovim paralelizmom Shtuchna nejronna merezha mozhe peredavatisya vid nejro komp yutera do nejro komp yutera tak samo yak i komp yuterna programa Bilshe togo na yiyi osnovi mozhut buti stvoreni specializovani shvidkodiyuchi analogovi pristroyi Vidilyayutsya kilka rivniv vidchuzhennya nejronnoyi merezhi vid universalnogo nejro komp yutera vid merezhi yaka navchayetsya na universalnomu pristroyi i vikoristovuye bagati mozhlivosti v manipulyuvanni zadachnikom algoritmami navchannya i modifikaciyi arhitekturi do povnogo vidchuzhennya bez mozhlivostej navchannya ta modifikaciyi tilki funkcionuvannya navchenoyi merezhi Odnim iz sposobiv pidgotovki nejronnoyi merezhi dlya peredachi ye yiyi verbalizaciya navchenu nejronnu merezhu minimizuyut iz zberezhennyam korisnih navichok Opis minimizovanoyi merezhi kompaktnishe i chasto dopuskaye zrozumilu interpretaciyu Novij povorot vologij produkt U nejrokomp yutingu postupovo dozrivaye novij napryamok zasnovane na poyednanni biologichnih nejroniv z elektronnimi elementami Za analogiyeyu z Software programne zabezpechennya m yakij tovar i Hardware elektronne aparatne zabezpechennya tverdij produkt ci rozrobki otrimali najmenuvannya Wetware en vologij produkt V danij chas vzhe isnuye tehnologiya z yednannya biologichnih nejroniv z nadminiatyurnimi polovimi tranzistorami z dopomogoyu nanodrotin U rozrobkah vikoristovuyetsya suchasna nanotehnologiya U tomu chisli dlya stvorennya z yednan mizh nejronami i elektronnimi pristroyami vikoristovuyutsya vuglecevi nanotrubki Poshirene takozh i inshe viznachennya terminu Wetware lyudskij komponent u sistemah lyudina komp yuter ZastosuvannyaUpravlinnya v realnomu chasi v tomu chisli litakami i raketami tehnologichnimi procesami bezperervnogo virobnictva v energetici metalurgiyi tosho gibridnim dvigunam avtomobilya pnevmocilindrom zvaryuvalnim aparatom elektropichkoyu turbogeneratorom Rozpiznavnya obraziv zobrazhen oblich bukv ta iyeroglifiv vidbitkiv palciv u kriminalistici movi signaliv radaru i sonaru elementarnih chastok i fizichnih procesiv sho h nimi vidbuvayutsya eksperimenti na priskoryuvachayi abo sposterezhennya za kosmichnimi promenyami zahvoryuvan za simptomami v medicini miscevostej de varto shukati korisni kopalini v geologiyi oznak nebezpeki v sistemah bezpeki vlastivostej himichnih z yezhnan za strukturoyu v hemoinformatici Prognozuvannya u realnomu chasi pogodi kursu akcij ta inshih finansovih pokaznikiv rezultativ likuvannya politichnih podij rezultativ vyboriv mizhdnarodnih vidnosin tosho povedinka protivnika realnogo abo potencijnogo u vijni i v ekonomichnij konkurenciyi Optimizaciya poshuk najkrashih variantiv pri konstruyuvanni tehnichnih priladiv pri vibori ekonomichnoyi strategiyi pri pidbori komandi vid spivrobitnikiv do sportsmeniv i uchasnikiv polyarnih ekspedicij pri likuvanni Obrobka signaliv pri nayavnosti velikih shumiv Protezuvannya rozumni protezi i posilennya prirodnih funkcij v tomu chisli za rahunok pryamogo pidklyuchennya nervovoyi sistemi lyudini do komp yuteru Nejro komp yuternij interfejs Psihodiagnostika Telekomunikacijne shahrajstvo jogo znahodzhennya i borotba z dopomogoyu nejromerezhevih tehnologij sho ye odniyeyu z najperspektivnishih tehnologij v oblasti zahistu informaciyi v telekomunikacijnih merezhah Informacijna bezpekaLiteraturaNeurocomputing Elsevier ISSN 0925 2312 ISSN 1999 8554 Alyautdinov M A Galushkin A V Kazancev P A Ostapenko R P Nejrokomp yuteri vid programnoyi aparatnoyi realizaciyi M Garyacha liniya Telekom 2008 152 s ISBN 978 5 9912 0044 8 Gorban A N Rossiev D A Nejronni merezhi na personalnomu komp yuteri Novosibirsk Nauka 1996 276 s DOI 10 13140 RG 2 1 4114 1600 Nejrokomp yuterna paradigma i suspilstvo Pid red Yu Yu Petrunina M Vidavnictvo Moskovskogo universitetu 2012 304 s ISBN 978 5 211 06375 4 Chechkin A V Savelyev A V Nejrokomp yuteri v 2012 roci nova paradigmaPrimitkiDunin Barkovskij V L Nejrokibernetika Nejroinformatika Nejrokompyutery V kn Nejroinformatika 7 chervnya 2009 u Wayback Machine A N Gorban V L Dunin Barkovskij A N Kirdin i dr Novosibirsk Nauka Sibirskoe predpriyatie RAN 1998 296 s ISBN 5 02 031410 2 Viner N Kibernetika ili Upravlenie i svyaz v zhivotnom i mashine Per s angl I V Soloveva i G N Povarova Pod red G N Povarova 2 e izdanie M Nauka 1983 344 s Neural networks then and now Korolev L Uidrou B Stirns S Adaptivnaya obrabotka signalov M Radio i svyaz 1989 440 c Bongard M M Problema uznavaniya M Fizmatgiz 1967 Rosenblatt F The Perceptron A Probabilistic Model for Information Storage and Organization in the Brain Gorban A N Nejrokompyuter ili Analogovyj renessans Mir PK 1994 10 126 130 Gorban A N Kto my kuda my idem kak put nash izmerit 14 serpnya 2009 u Wayback Machine Plenarnyj doklad na otkrytii konferencii Nejroinformatika 99 MIFI 20 yanvarya 1999 Zhurnalnyj variant Gorban A N Nejroinformatika kto my kuda my idem kak put nash izmerit Vychislitelnye tehnologii M Mashinostroenie 2000 4 S 10 14 Savelev A V Nejrokompyutery v izobreteniyah Nejrokompyutery razrabotka primenenie 11 veresnya 2016 u Wayback Machine M Radiotehnika 2004 2 3 s 33 49 Mirkes E M Nejrokompyuter Proekt standarta Novosibirsk Nauka 1999 337 s ISBN 5 02 031409 9 Drugie kopii onlajn 1 3 lipnya 2009 u Wayback Machine Savelev A Shahnov V Vlasov A Kuznecov A Nejrokompyutery arhitektura i realizaciya Chast 1 Processor cifrovoj obrabotki signalov L1879VM1 NM6403 2016 10 12 u Wayback Machine NTC Modul Zhurnal Nejrokompyutery razrabotka primenenie 11 veresnya 2016 u Wayback Machine Savelev A Gorban A N Obuchenie nejronnyh setej izd SSSR SShA SP Paragraf 1990 160 s Patolsky F Timko B P Yu G Fang Y Greytak A B Zheng G and Lieber C M Detection Stimulation and Inhibition of Neuronal Signals with High Density Nanowire Transistor Arrays angl Science 25 August 2006 No 313 5790 S 1100 1104 DOI 10 1126 science 1128640 Mazzatenta A Giugliano M Campidelli S Gambazzi L Businaro L Markram H Prato M and Ballerini L Interfacing Neurons with Carbon Nanotubes Electrical Signal Transfer and Synaptic Stimulation in Cultured Brain Circuits angl The Journal of Neuroscience 27 June 2007 27 S 6931 6936 DOI 10 1523 JNEUROSCI 1051 07 2007 Terehov V A Efimov D V Tyukin I Yu Zagolovok ISBN 5 06 004094 1 Tyukin I Yu Terehov V A Adaptaciya v nelinejnyh dinamicheskih sistemah Seriya Sinergetika ot proshlogo k budushemu Sankt Peterburg LKI 2008 384 s Primenenie nejrokompyuterov v raketno kosmicheskoj tehnike Sbornik statej Efimov V V red M Radiotehnika 2006 144 C Galushkin A I M Nauchnyj centr nejrokompyuterov 1997 Danil V Prokhorov PDF Arhiv originalu PDF za 27 veresnya 2016 Procitovano 25 veresnya 2016 D Emilia G Marrab A Natalea E Use of neural networks for quick and accurate auto tuning of PID controller Robotics and Computer Integrated Manufacturing 2007 Dias F M Mota A M Comparison between Different Control Strategies using Neural Networks 9th Mediterranean Conference on Control and Automation PDF Arhiv originalu PDF za 12 chervnya 2010 Procitovano 25 veresnya 2016 Ruaro M E Bonifazi P and Torre V Toward the Neurocomputer Image Processing and Pattern Recognition With Neuronal Cultures 6 travnya 2006 u Wayback Machine IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING VOL 52 NO 3 MARCH 2005 371 383 Micheli Tzanakou E Uyeda E Ray R Sharma A Ramanujan R Dong J Comparison of Neural Network Algorithms for Face Recognition SIMULATION 65 1995 37 51 Rossiev D A Medicinskaya nejroinformatika V kn Nejroinformatika 7 chervnya 2009 u Wayback Machine A N Gorban V L Dunin Barkovskij A N Kirdin i dr Novosibirsk Nauka Sibirskoe predpriyatie RAN 1998 296 s I I Baskin V A Palyulin N S Zefirov Primenenie iskusstvennyh nejronnyh setej dlya prognozirovaniya svojstv himicheskih soedinenij Nejrokompyutery razrabotka primenenie 2005 1 2 S 98 101 Galushkin A Mirkes E M Logicheski prozrachnye nejronnye seti i proizvodstvo yavnyh znanij iz dannyh V kn Nejroinformatika A N Gorban V L Dunin Barkovskij A N Kirdin i dr Novosibirsk Nauka Sibirskoe predpriyatie RAN 1998 296 s ISBN 5 02 031410 2 Borisyuk R Borisyuk G Rallings C and Thrasher M Forecasting the 2005 General Election A Neural Network Approach Terehov S A Nejrosetevye informacionnye modeli slozhnyh inzhenernyh sistem V kn Nejroinformatika 7 chervnya 2009 u Wayback Machine A N Gorban V L Dunin Barkovskij A N Kirdin i dr Novosibirsk Nauka Sibirskoe predpriyatie RAN 1998 296 s ISBN 5 02 031410 2 Morillas C Romero S Martinez A Pelayo F Reyneri L Bongard M Fernandez E A neuroengineering suite of computational tools for visual prostheses Neurocomput 70 16 18 2007 2817 2827 Gorban A N Rossiyev D A Dorrer M G MultiNeuron Neural Networks Simulator For Medical Physiological and Psychological Applications Wcnn 95 Washington D C World Congress on Neural Networks 1995 International Neural Network Society Annual Meeting Renaissance Hotel Washington D C USA July 17 21 1995 Dorrer M G Gorban A N Kopytov A G Zenkin V I Psychological Intuition of Neural Networks Dorrer M G Psihologicheskaya intuiciya iskusstvennyh nejronnyh setej Diss 1998 Taniguchi M Haft M Hollm en J Tresp V Fraud detection in communications networks using neural and probabilistic methods In Proceedings of the 1998 IEEE International Conference on Acoustics Speech and Signal Processing ICASSP 98 volume II pages 1241 1244 1998 Chervyakov N I Evdokimov A A Galushkin A I Lavrinenko I N i dr Primenenie iskusstvennyh nejronnyh setej i sistemy ostatochnyh klassov v kriptografii M FIZMATLIT 2012 280 c Div takozhNejromorfni komp yuteri Ce nezavershena stattya zi shtuchnogo intelektu Vi mozhete dopomogti proyektu vipravivshi abo dopisavshi yiyi

Дата публікації:
Топ