Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Моделирование нейронных сетей на основе твердотельных объектов Пак Марк Маркович

Моделирование нейронных сетей на основе твердотельных объектов
<
Моделирование нейронных сетей на основе твердотельных объектов Моделирование нейронных сетей на основе твердотельных объектов Моделирование нейронных сетей на основе твердотельных объектов Моделирование нейронных сетей на основе твердотельных объектов Моделирование нейронных сетей на основе твердотельных объектов
>

Диссертация, - 480 руб., доставка 1-3 часа, с 10-19 (Московское время), кроме воскресенья

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Пак Марк Маркович. Моделирование нейронных сетей на основе твердотельных объектов : диссертация ... кандидата технических наук : 05.13.12, 05.13.05.- Москва, 2007.- 179 с.: ил. РГБ ОД, 61 07-5/3164

Введение к работе

Актуальпость работы

В современных системах автоматизированного проектирования широко применяются методы математического моделирования, позволяющие на основе достаточно точных математических моделей проводить исследование свойств технических объектов, проводить их полный расчет и оптимизацию Процесс моделирования, начиная с ранних стадий разработки, позволяет накапливать информацию, уточнять модель и в результате разрабатывать проект изделия с заданными потребительскими свойствами

Технология нейронных вычислительных сетей показала свою эффективность при решении задач распознавания образов, кластеризации данных, ассоциативного поиска информации в базах данных и в ряде других применений

Традиционно нейронные сети реализуются в форме программ на универсальных компьютерах, или в форме электронных схем, выполненных на микропроцессорах или на специализированных нейронных процессорах (нейрочипах)

Нейроны (нейрочшты) сети выполняют операцию умножения входного сигнала на число (на вес входа), складывают сигналы и вычисляют выходной сигнал, на основе заложенной в нейрон функции активации Промышленность выпускает цифровые, аналоговые и гибридные нейро-чипы, которые работают соответственно с цифровыми, аналоговыми или одновременно аналоговыми и цифровыми сигналами

Нейрочип — специализированный микропроцессор, оптимизированный для массового выполнения нейронных операций- скалярного умножения и нелинейного преобразования сигналов, изготовленный по технологии микроэлектроники Для создания реально работающих нейронных сетей на основе существующих нейрочипов необходимы десятки и сотни

микросхем, что делает проекты достаточно дорогими и поэтому не находящими широкого спроса

Работы по исследованию и разработке нейронных сетей проводятся с середины прошлого века Теоретически показано, что наиболее универсальны многослойные нейронные сети с пространственной организацией, в которой входы и выходы каждого нейрочипа могут быть подключены к входам и выходам любого другого нейрочипа в сети. Аппаратная реализация таких сетей на кристалле в рамках традиционной планарной технологии микроэлектроники очень сложна, что не позволило до настоящего времени создать дешевые нейронные сети

Нейронная сеть содержит большое количество одинаковых элементов - нейронов, и относится к классу вычислительных сетей с распределенными ресурсами Повысить производительность нейронной сети можно, или уменьшая число каналов обмена информацией между нейронами, или увеличивая степень интеграции элементов в нейрочипе Наиболее перспективным направлением реализации нейрочипов для нейронных сетей следует признать развитие КМОП технологии, применяемой для изготовления современных программируемых логических интегральных микросхем (ПЛИС), например фирм Xilinx и Altera Архитектура ПЛИС содержит блоки элементов памяти и конфигурируемые логические блоки (КЛБ) Локальная связь между этими элементами осуществляется при помощи проводников трассировочных матриц, подключаемых при помощи двунаправленных транзисторных программируемых переключателей Связь с внешней платой осуществляется при помощи двунаправленных программируемых блоков ввода-вывода

Нейронная сеть может быть аппаратно реализована на системе ПЛИС Однако по своим функциональным возможностям и цене ПЛИС слишком сложны и дороги и плохо согласуются с алгоритмами работы нейронной сети.

Развитие КМОП технологии привело к созданию элементов энергонезависимой памяти на базе нанокристаллов Si, Ge, в пленке S1O2 (проект NEON, реализуемый совместно странами Евросоюза) Такой нанокристалл совместно с подведенными к нему электродами образует элемент, близкий по свойствам к униполярному МОП транзистору с плавающим затвором Комплементарные пары таких транзисторов служат элементной базой при создании гигабайтных микросхем «флэш-памяти»

Эти два технологических направления открывают перспективы создания гигабайтных нейронных сетей на одном кристалле Группа элементов памяти и логических элементов, созданных на базе нанокристаллов Si, Ge, образуют нейроны нейронной сети. Связь между нейронами осуществляется при помощи проводников трассировочных матриц В отличие от ПЛИС, структура нейронной сети достаточно проста и регулярна, что приводит к резкому уменьшению числа программируемых переключателей и объема предназначенной для управления ими теневой памяти

В результате на одном кристалле в рамках стандартной технологии можно разместить значительно больше нейронов, чем в ПЛИС Это технологическое направление перспективно для создания массовых и дешевых гигабайтных нейрочипов, позволяющих аппаратно реализовывать сложные нейронные сети

Проблемам моделирования и функционирования нейронных сетей на основе твердотельных объектов посвящены работы многих российских, советских и зарубежных ученых

Развитие технологии производства интегральных микросхем ставит задачу изучения алгоритмов обработки информации в нейронных сетях, оптимизации структуры нейронной сети и структуры нейрона, соответствующих возможностям технологии Это делает задачу разработки элементов информационной технологии моделирования и проектирования нейронных сетей актуальной и своевременной

Дель работы

Целью диссертационной работы является разработка элементной базы и алгоритмов работы нейронных сетей на основе твердотельных объектов Целью работы также является основ проектирования твердотельных нейрочипов на основе перспективных элементов и технологий Оптимизация архитектуры сети позволяет разрабатывать эффективные проекты ги-габайтных нейрочипов, позволяющих реализовать дешевые нейронные сети, работающие в реальном масштабе времени.

В соответствии с поставленной целью на защиту выносится-1. Архитектура и алгоритм функционирования нейронной сети, выполненной на базе твердотельных объектов,

  1. Модель обучения нейронной сети решению ряда практических задач;

  2. Модель твердотельного нейрона, предназначенного для реализации нейронной сети;

  3. Структура и основные элементы системы автоматизированного проектирования и моделирования элементов нейронной сети

Основными методами исследования являются применение математических методов и моделей нейронных сетей, основанных на вычислении реакции сети на внешние воздействия, методов и алгоритмов обучения нейронных сетей решению поставленных задач Компьютерное моделирование выполнено на основе пакетов Matlab, Micro-Cap и оригинальных программ, разработанных автором диссертации

Достоверность полученных результатов обеспечивается строгим использованием адекватного математического аппарата, проверкой разработанных методов путем решения модельных задач, обширным численным экспериментом и сопоставлением полученных результатов с экспериментом и результатами работ других авторов.

Научная новизна заключается в следующих положениях, выносимых на защиту

  1. Разработка двухслойной архитектуры плоской нейронной сети с регулярными связями между нейронами, согласованной с возможностями полупроводниковой технологии,

  2. Разработка перспективной структуры нейрочипа на основе на-нокристаллов Si, Ge в пленке Si02 и моделирование работы элементов нейрочипа методами схемотехнического моделирования,

  3. Разработка алгоритма и модели обучения нейронной сети,

  4. Разработка структуры и алгоритма работы системы автоматизированного проектирования нейронной сети.

Практическая ценность состоит в разработке архитектуры и элементов нейронной сети, перспективной для реализации в виде гигабайтной интегральной микросхемы. Это открывает перспективу создания дешевых нейронных сетей, работающих в реальном масштабе времени

Реализация работы использованы при проведении научно-исследовательских работ в НИИ систем управления, волновых процессов и технологий Министерства образования и науки РФ (г Красноярск) и НИИ Микроэлектроники и информационно-измерительной техники (Москва), а также в учебном процессе в МГИЭМ

Апробация работы.

Основные результаты работы докладывались и обсуждались на научно-технической конференции «Датчики и преобразователи информации систем измерения, контроля и управления»; научно-технической конференции «Вакуумные технологии и нанотехнологии », IV Российском философском конгрессе «Философия и будущее цивилизации», Всероссийской междисциплинарной конференции «Философия искусственного интеллекта», научно-технической конференции «Нанотехнологии - 2005», научно-технической конференции «Прогрессивные машиностроительные

технологии», а также на конференциях МГИЭМ (ТУ) для молодых ученых и специалистов в 2004,2005,2006 гг

Публикации.

По теме диссертации опубликованы 24 печатные работы, в том числе получено 6 патентов РФ на полезные модели, написано 4 депонированных статьи, сделано 13 докладов на Всероссийских конференциях

Объем диссертации.

Диссертация состоит из введения, пяти глав, общих выводов, заключения, списка литературы и приложения

Работа изложена на 164 страницах, включая акты внедрения и приложение

Похожие диссертации на Моделирование нейронных сетей на основе твердотельных объектов