УДК 004.75

ПРИНЦИПЫ И МЕТОДЫ РЕАЛИЗАЦИИ РАСПРЕДЕЛЕННЫХ СИСТЕМ НА БАЗЕ НЕЙРОПРОЦЕССОРОВ

Синицына Ксения Анатольевна
Рязанский государственный университет имени С.А.Есенина
студентка физико – математического факультета, направления «Математическое обеспечение и администрирование информационных систем»

Аннотация
Рассматриваются вопросы, принципы и методы разработки и реализации распределенных систем на базе нейропроцессора. Исследуются понятия нейропроцессора, распределенной системы, достоинства и недостатки применения нейропроцессоров в распределенных системах.

Ключевые слова: нейропроцессор, распределенная система


PRINCIPLES AND METHODS OF IMPLEMENTATION OF DISTRIBUTED SYSTEMS BASED ON NEUROPROCESSOR

Sinitsyna Kseniya Anatol`evna
Ryazan State University named S.A.Ecenin
Student of faculty of mathematics, directions in Mathematical software and administration of information systems".

Abstract
Examines the issues, principles and methods of development and implementation of distributed systems on the basis of the neuroprocessor. Or rather, we learn in this article what is the neuroprocessor, what is a distributed system, the advantages and disadvantages of neuroprocessor and distributed systems, based on the data of the neuroprocessor, and also learn a bit of historical information , we learn what the firm had engaged in and are working to establish a neuroprocessor, neuroprocessor architecture, application neuroprocessor.

Библиографическая ссылка на статью:
Синицына К.А. Принципы и методы реализации распределенных систем на базе нейропроцессоров // Современная техника и технологии. 2015. № 5 [Электронный ресурс]. URL: http://technology.snauka.ru/2015/05/6564 (дата обращения: 26.05.2017).

В настоящее время, в век современных технологий  все чаще и чаще используются системы на базе  нейропроцессоров для различного применения. Ранее ученые и инженеры мечтали создать машину, которая бы мыслила, подобно человеку. Например, разработчики  компании Qualcomm решили замахнуться на  задачу, такую  как разработка  нейропроцессора, который смог бы имитировать работу человеческого мозга.

Если машина сможет вести себя, как человек ее возможности расширятся. Современные компьютеры, выполняя простые задачи, даже не задумываются в распознавании образов  или ориентировании в сложной обстановке.  Иногда даже самые мелкие  возможности в компьютерах реализуются путем усилий программистов, которые пишут тонны кода, описывающие все в деталях, что должен выполнять компьютер.

Основной  упор в разработке нейропроцессоров  сделан на восприятии  внешнего мира,  то есть на обработке реакции  мира на предполагаемые действия, и самообучение на основе анализа этой реакции. Если сказать  другими словами, то разработчики  пытаются наделить нейропроцессоры характерной чертой, а точнее способности обучаться и адаптироваться к меняющейся обстановке.

Программы для нейропроцессоров — это набор инструкций, ядра выполняют их так, как придумал программист;  в процессе обучения сигналы внутри процессора переходят от одного «нейрона» к другому, в  результате переходов,  связи укрепляются, то есть  происходит передача нервных импульсов, как у людей.

Нейропроцессор–это изобретение, которое относится к вычислительной технике и используется при создании средств, для систем управления объектами авиации и ракетных технологий, где требуется более быстрое вычисление функций, например в решении задач  систем координат, вычисление угловых скоростей.

Нейропроцессор,  обычно состоит из двух основных блоков: скалярного, выполняющего роль универсального вычислительного устройства, и векторного, который ориентирован на выполнение  операций. Каждый нейропроцессор рассчитан на высокопроизводительную обработку данных.

Нейропроцессоры, обладают рядом преимуществ:

1)    быстродействие,

2)    устойчивость к помехам и разрушениям.

Несмотря на перечисленные выше достоинства, эти устройства имеют ряд недостатков:

1.    Зачастую они создаются специально для решения конкретных задач, связанных с логикой и теорией самоорганизации.

2.    Такие устройства достаточно дорогостоящи.

Распределенные системы – это комплексы программ, части которых функционируют на разных компьютерах в сети. Части взаимодействуют друг с другом, используя ту или иную технологию различного уровня.

Распределенные системы – это группа компьютеров, представленных пользователю конкретным , одним компьютером. Примеры: сеть станций, выбор нейропроцессоров  для выполнения различных операций, завод по производству роботов, банки со многочисленными филиалами, все то, что обращено к одному, главному компьютеру.

Рассмотрим причины создания  и преимущества распределенных систем:

  1. Экономичность, то есть за определенную цену, можно получить процессор   более мощный.
  2. Производительность.
  3. Распределенность, каждый  процессор выполняет определенную работу.
  4. Надежность, выход из строя нескольких процессоров не снизит работу главного.
  5. Разделение данных.
  6. Уникальность информационных устройств.
  7. Коммуникация между людьми. Электронная почта,  удобнее писем, телефонов и факсов.
  8. Гибкость использования ЭВМ, распределение нагрузки.
  9. Упрощение работы компьютеров.

Недостатками распределенных систем являются:

  1. Проблемы ПО (приложения, языки, ОС).
  2. Проблемы коммуникационной сети (потери информации, перегрузка,развитие и замена).
  3. Секретность.

Приведем несколько примеров компаний, выпускающих нейропроцессоры.

Например, всеми известная компания Tilera, которая специализируется на выпуске  нейропроцессоров, известная тем, что в 2009 году представила нейропроцессор. Несколько лет назад, представители данной компании рассказали о начале производства своих нейропроцессоров. В нашем же времени, в компании назодятся более 80 клиентов, которые пользуются нейропроцессорами. В следующем примере обратимся к фирме Philips, создателю первого нейропроцессора L-Neuro. Сейчас известны его аналоги, это  нейропроцессоры  L-Neuro 1.0 и L-Neuro 2.3.

Основываясь на ранее проведенных исследованиях, в качестве варианта, можно рассмотреть нейропроцессорNeuroMatrix, который разрабатывался  компанией «Модуль».  Этот нейропроцессор представляет собой следующую структуру:

1.       Ядро – нейропроцессор, предназначен для выполнения  операций над данными, и формировании команд.

2.       Сопроцессор, для выполнения логических операций над данными, определенной разрядности.

3.       Порты, которые обеспечивают обмен конкретной информации, между нейропроцессором и  клиентом.

4.       Два блока интерфейса с шинами данных, для подключения внешней памяти, то есть дополнительных устройств с  памятью.

Порты позволяют строить  распределенные системы на базе нейропроцессоров, которые обеспечивают  быстроту выполняемых действий и простоту реализации нейропроцессоров.

Таким образом, современные нейропроцессорные системы уже представляют собой распределенные системы, особенно если это касается крупные вычислительные модули.

Нейропроцессоры же, это перспективное направление в развитии  вычислительной техники. Число фирм, которые работают с  нейропроцессорами,  постоянно растет, причем к числу таких фирм, относятся такие фирмы как : Intel, DEC, IBM. Также можно сказать, что растет  внимание к военным разработкам, к медицинским технологиям, таким как  выявление заболеваний на ранних стадиях,  различные томографы, проведение операций  роботами-врачами, во всем используются компьютеры, а точнее, если сказать нейропроцессоры,  каждый выполняет свои заданные функции. И выполняют , на сегодняшний день, их очень хорошо.

В  настоящее время, а именно в данный момент, нейропроцессоры – самая используемая техника, которая развивается очень быстрыми темпами, в различных областях применения. Например, некоторые нейропроцессоры делает компания Fujitsu.  Можно также вспомнить Mark I Розенблатта.  Замечательная разработка, хорошая идея, которые не были незамечены в те времена и в настоящий момент, и которые осуществляются в  распределенных системах нейропроцессоров. В настоящий момент, производством «Марков»  занимается компания TRW.  А,  всеми известная компания Texas Instruments, на основе ранних разработок, представила свойнейропроцессор NETSIM. Другой нейропроцессор, WIZARD/CRS используется в системах промышленности.

Хочется упомянуть, что в мире, в настоящее время,  насчитывается свыше 50-ти случаев  использования  распределенных систем нейропроцессоров. Данные  системы управляют самолетами и ракетами. Также необходимо отметить, что нейротехнологии используются для распознавания лиц, букв, сигналов, отпечатков пальцев,  составления прогнозов погоды и многого другого.


Библиографический список
  1. Ручкин В.Н., Романчук В.А., Фулин В.А., Пролыгина А.А. Экспертная система нечеткой кластеризации нейропроцессорных систем // Известия тульского государственного университета. Технические науки. – Тула : Издательство ТулГУ, 2014. – Вып.6. – С.162-167.
  2. Романчук В.А., Ручкин В.Н., Фулин В.Н. Проектирование нейропроцессорных систем на основе нечеткой кластеризации // Вестник РГРТУ. – Рязань : РГРТУ, 2014. – №4. – Вып.50-1. – С.87–93.
  3. Злобин В.К., Григоренко Д.В., Ручкин В.Н., Романчук В.А. Кластеризация и восстанавливаемость нейропроцессорных систем обработки данных // Известия тульского государственного университета. Технические науки. – Тула : Издательство ТулГУ, 2013. – Вып.9. – Ч.2. – С.125-135.
  4. Ручкин В.Н., Романчук В.А., Фулин В.А. Когнитология и искусственный интеллект. – Рязань : Узорочье, 2012. – 260 с.
  5. Романчук В.А., Ручкин В.Н. Алгоритмы анализа вычислительных структур на базе нейропроцессоров // Вестник РГРТУ. – Рязань : РГРТУ, 2012. – №2. – Вып.40. – С.60–66.
  6. Романчук В.А. Логическое проектирование вычислительных систем на базе нейропроцессоров // Современные научные исследования и инновации. 2014. № 12 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2014/12/41496 (дата обращения: 21.12.2014).
  7. Романчук В.А. Разработка алгоритмов определения связей элементов вычислительной структуры на базе нейропроцессоров // Информатика и прикладная математика : межвуз. сб. науч. тр. – Рязань : РГУ имени С.А.Есенина, 2011. – Вып.17. – С.102–105.
  8. Романчук В.А. Разработка алгоритмов определения вида структуры нейропроцессорной системы на основе описания связей ее элементов // Информатика и прикладная математика : межвуз. сб. науч. тр. – Рязань : РГУ имени С.А.Есенина, 2011. – Вып.17. – С.102–105.


Все статьи автора «Ксения Синицына»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: