Введение к работе
Актуальность темы Неиросетевые технологии на сегодняшний день зарекомендовали себя как эффективное средство решения многих инженерных и производственных задач Неиросетевые решения успешно применяются в системах безопасности, системах динамического управления сложными объектами, проектах интеллектуальных зданий, медицинской технике, системах контроля качества на производстве, системах энергосбережения, и многих других
Одной из причин успешного применения нейросетевых технологий является то, что в настоящее время расчет сложных производственных и инженерных задач требует больших вычислительных мощностей Характерной особенностью некоторых современных практических задач является то, что далее кластерные конфигурации с числом процессоров до нескольких сотен, не позволяют получать требуемое время счета Выигрыш по производительности нейросетевых систем обуславливается принципиально отличной от классическігх алгоритмизацией этих систем
Реализация сверхвысоких вычислений для ресурсоемких вычислительных задач все чаще осуществляется на основе использования нейроматематики - новом разделе математики, интенсивно развивающемся в настоящее время как у нас в стране, так и за рубежом Использование методов нейроматематики позволяет изначально определить параллельный алгоритм -нейросетевой алгоритм решаемой задачи и, в зависимости от требований производительности и других ограничений, использовать для его реализации соответствующие вычислительные мощности, специально ориентированные на параллельные вычисления, включая кластеры
Помимо алгоритмической эффективности, нейросетевой подход обладает существенным уровнем универсализации Он позволяет обеспечить эффективное решение не только сложных прикладных задач, реализация которых представляет трудность по критерию отношения производительности к стоимости для вычислительных средств с традиционной многопроцессорной архитектурой, но и задач среднего класса сложности, решение которых целесообразно выполнять на кластерных конфигурациях с небольшим числом узлов (до нескольких десятков) Кроме того, для относительно небольших задач возможно использование традиционных ПЭВМ с применением нейроускорителей
Как отмечалось выше, в настоящее время известно множество применений нейросетевых технологий, как у нас в стране, так и за рубежом, однако, попытки построения единой методологии разработки нейросетевых приложений, в тч с аппаратной поддержкой, практически отсутствуют Это вызвано, в первую очередь тем, что неиросетевые приложения носят, по своей сути, специализированный характер
Разработка единой методологии проектирования нейросетевых приложений позволит повысить эффективность разрабатываемых решений, снизить время разработки, а также обеспечит единый базис для сравнения различных нейросетевых решений
Цель работы состоит в исследовании и разработке маршрута проектирования неиросетевых приложений с аппаратной поддержкой и решении трех практических задач
гидроакустики с учетом рельефа дна,
сингеза микрополосковых антенн,
распознавание гранулометрического состава набора шарообразных тел применительно к горнорудному производству,
Задачи исследования. Конкретными задачами, решенными в данной работе, являются
1) разработка основ единого маршрута проектирования неиросетевых
приложений,
2) решение практических задач
гидроакустики с учетом рельефа дна,
синтеза полосковых антенн,
распознавание гранулометрического состава набора шарообразных тел применительно к горнорудном}' производству,
3) классификация средств аппаратной поддержки неиросетевых приложений,
Методы исследования. В процессе работы были использованы методы теории
нейронных сетей, теории вычислительных машин и систем, моделирование на
ЭВМ
Научная новизна работы. В результате выполнения работы бьш получен ряд новых научных результатов, позволяющих более эффективно решать сложные инженерные задачи в нейросетевом логическом базисе, а также
1) предложен маршрут проектирования неиросетевых приложений,
2) предложена классификация средств аппаратной поддержки
неиросетевых приложений,
3) проведена апробация разработанного маршрута проектирования при
решении конкретных задач
гидроакустики с учетом рельефа дна,
синтеза полосковых антенн,
распознавания гранулометрического состава набора шарообразных тел применительно к горнорудному производству
Практическая ценность диссертации Предложенный маршрут проектирования неиросетевых приложений использовался при создании программного комплекса «Нейроматематика», предназначенного для решения сложных инженерных задач, в том числе задач гидроакустики и синтеза микрополосковых антенн Программный комплекс «.(Нейроматематика» является конечным результатом опытно-конструкторских работ по теме ИТ-13.3/001 «Разработка прикладных технологий для инженерных задач с плотными системами уравнений и сверхбольшим числом неизвестных» по заказу Федерального агенте гва по науке и инновациям Разработанные нейросетевые алгоритмы решения задач гидроакустики с учетом рельефа дна, синтеза микрополосковых антенн и оценки гранулометрического состава шарообразных тел применительно к горнорудному производству используются
в разработках систем, проводящихся различными организациями Российской Федерации, о чем свидетельствуют соответствующие Акты внедрения Научные положения, выносимые на защиту
маршрут проектирования нейросетевых приложений,
классификация средств аппаратной поддержки нейросетевых приложений,
3) экспериментальные результаты применения нейросетевых алгоритмов в
решении задач гидроакустики с учетом рельефа дна, синтеза микрополосковых
антенн, распознавания гранулометрического состава набора шарообразных тел
применительно к горнорудному производству,
Апробация работы Основные положения диссертационной работы докладывались и обсуждались на научно-техническом совете МФТИ при защите эскизного и технического проектов ОКР по теме ИТ-13.3/001 «Разработка прикладных технологий для инженерных задач с плотными системами уравнений и сверхбольшим числом неизвестных» (Москва 2006г ), на научной конференции «Развитие вычислительной техники в России и странах бывшего СНГ история и перспективы» (г Петрозаводск 2006), на международном конгрессе по интеллектуальным вычислениям IEEE WCCI'2006 (г Ванкувер, 2006), на научной конференции «Нейроинформатика» (г Москва, 2006), на научной конференции «Нейросетевые технологии и их применение» (г Краматорск, 2006), на Международной научно-технической конференции «Интеллектуштьные машины и системы» (г Дивноморск, 2006), в международном научном журнале Applied and Computational Mathematics (2003 г), в научно-техническом журнале «Нейрокомпьютеры и их применение» (Москва, 2005г), в отчете по НИР «Разработка системы нейроуправления чашевыми окомкователями» (Научный центр нейрокомпьютеров, Москва, 2004г), в отчете по НИР по гранту РФФИ № 03-07 90159 (Москва, 2005г), на научных конференциях Московского физико-технического института (Москва, 2003-2005гг), на международной конференции «International Conference on Pattern Recogmtion and Image Analysis» (Санкт-Петербург, 2004г), на международной научно-технической конференции «DSPA-2004» (Москва 2004г), в отчете по НИР по проекту «Нанонейроэлементы» программы «Научные исследования высшей школы по приоритетным направлениям науки и техники» (подпрограмма «Электроника», раздел «Микро- и ианосистемная техника», Москва 2003 г ), на международных рабочих совещаниях российской секции IEEE по интеллектуальным вычислениям (Russian Section of IEEE CIS, Москва 2006г )
Структура и объем работы. Диссертационная работа содержит введение, четыре главы, заключение, приложение, библиографию работ по теме диссертации Диссертация содержит 29 рисунков и 11 таблиц Общий объем диссертации составляет 135 страниц Содержание работы распределено по отдельным разделам следующим образом
