Теория нейронных сетей - Галушкин А.И.
ISBN 5-93108-05-8
Скачать (прямая ссылка):
Конкретные примеры разработок показывают, что стремление к увеличению производительности нейронных ЭВМ с учетом реальных конструктивных характеристик требует наличия в них транспьютерного или транспьютероподобного ядра для организации асинхронного процесса передачи информации между отдельными нейронными образованиями как при подготовке решения задачи, так и в процессе ее решения. Структура такого транспьютерного или транспьютероподобного ядра может быть различной, причем при достаточно большом числе асинхронно работающих узлов (несколько сот или тысяч) возможно потребуется переход от структуры ядра типа «решетка» или «тор» к структуре типа «гиперкуб» с целью увеличения эквивалентного трафика передачи информации в ядре.
В отличие от вычислительных машин с архитектурой МКМД (см. рис. В-2) производительность нейронных машин некритична к производительности узловых ЭВМ асинхронно работающего ядра, и нет потребности доказывать необходимость увеличения производительности обязательным ужесточением технологических норм.
Необходимо отметить характеристики асинхронного ядра нейронных ЭВМ. При построении такого ядра на базе транспьютеров сохраняется аппаратная и программная совместимость нейронных ЭВМ с транспьютерами или другими трнспьютеро-подобными элементами. При этом нейронные ЭВМ (см. рис. В~1) не являются чем-то экзотическим, как они воспринимались в
60-е годы, а являются закономерным следствием эволюционного развития архитектуры мелкозернистых ЭВМ.
Так же, как и транспьютерные системы, нейронные ЭВМ могут применяться на различных уровнях реализации:
- встроенные в ПЭВМ платы;
- блоки из нескольких плат при ПЭВМ;
- стойки с управляющими ПЭВМ;
- совокупность стоек с управляющими ПЭВМ (уровень суперЭВМ).
Подобно транспьютерным системам, основной целью построения нейронных ЭВМ является уровень суперЭВМ и супервычислений. Именно поэтому к построению различных нейроплат к ПЭВМ в настоящее время нужно относиться как к чисто технологическому, инструментальному этапу или этапу реализации некоторых социально-незначительных задач, а главной стратегической задачей считать разработку нейронных суперЭВМ, как это наблюдается в линии развития нейронных ЭВМ фирмы TRW (MARK I,II,III,IV,V и т.д.).
Асинхронное ядро в нейронных ЭВМ будет в основном выполнять две функции:
- подготовка, передача исходных данных и прием результатов расчетов из отдельных нейронных образований при каждом узле асинхронного ядра до начала решения задачи;
- передача сообщений в процессе решения задачи, недостаточно корректно подготовленной для решения на нейронной ЭВМ, причем необходимо стремиться к тому, чтобы степень такой некорректности была минимальной и трафик передачи сообщений в асинхронном ядре был бы также минимальным.
5. Класс задач, адекватных нейронным ЭВМ
Задачи, решаемые на вычислительных системах, можно условно разделить на три класса:
1) формализуемые;
2) трудноформализуемые;
3) неформализуемые.
К формализуемым задачам относятся задачи с ясно очерченным алгоритмом решения, из которого прямо следует, какому классу ЭВМ он соответствует и на каких классах
машин (ОКОД, ОКМД, МКМД или других) задача с данным алгоритмом лучше всего решается.
К трудноформализуемым задачам относятся задачи, для которых алгоритм решения либо не является единственным, либо он таков, что трудно оценить качество решения задачи или достижимость решения. К данному классу задач можно отнести задачи большой размерности, в которых из-за так называемого «проклятия размерности» вводятся для их решения итерационные процедуры, сходимость и точность достижения результата у которых оценить трудно. К итерационным процедурам, адекватным трудноформализуемым задачам, стали прибегать даже для формализуемых задач в том случае, когда формальный алгоритм становился трудоемким (например, для решения системы линейных уравнений при достаточно большой размерности).
К неформализуемым задачам относятся задачи, в которых в алгоритме решения задачи присутствуют параметры или функции, заданные неявно в виде описания некоторого класса входных сигналов. Это задачи распознавания образов, кластеризации или самообучения, нахождения информативных признаков и т.п.
Отметим, что в принципе есть связь между представленными выше классами задач и типом архитектуры ЭВМ, но она не прямая. Конечно формализуемые задачи, для которых алгоритм является существенно последовательным, адекватны архитектуре ОКОД. Однако среди хорошо формализуемых есть много задач, в которых специальными приемами распараллеливания можно добиться повышения эффективности их решения. И это достаточно большой раздел современной математики, связанный с разработкой параллельных алгоритмов. Причем, как правило, поиск параллельного алгоритма для формализуемых задач проводится под конкретную архитектуру ЭВМ (ОКМД, МКМД или другую). Трудноформализуемые задачи, отмеченные выше, можно конечно решать и на последовательных машинах, но они более адекватны ЭВМ с архитектурой ОКМД и МКМД, более того, они послужили в какой-то мере причиной появления этих машин.
