18:Нейроэмулятор

Ответ: Существуют также схемы разомкнутых адаптивных НСУ с НЭ объекта управления. В этом случае НЭ может использоваться либо для оценки требуемого сигнала управления при заданном выходном состоянии объекта (если НЭ описывает обратную динамику объекта управления [46]), либо для оценки значений недоступных непосредственному измерению параметров объекта a [49, 50]. Эти данные используются затем для обучения НК (см. рис. 1.21).

Рис. 1.21Нейросетевая система управления с нейроэмулятором

Краткосрочные предикторы или просто нейроэмуляторы (5) являются полной моделью объекта в том смысле, что они могут использоваться независимо от самого объекта. С их помощью можно строить прогноз на несколько шагов вперед, отталкиваясь от сделанных ранее предсказаний. Тем не менее, само название краткосрочных предикторов подчеркивает, что глубина их предсказания является ограниченной. Нарастание ошибок, вызванных неточностью аппроксимации, со временем приводит к полному расхождению объекта и модели.

19: Нейрочипы: анализ и сравнительные характеристики

Ответ: Основной элементной базой перспективных нейровычислителей являются нейрочипы. Их производство ведется во многих странах мира, причем большинство из них на сегодня ориентированы на закрытое использование (то есть создавались для конкретных специализированных управляющих систем).

Рис. 1. Обобщенная классификация нейрочипов

В отдельные классы следует выделить так называемые систолитические и нейросигнальные процессоры. Систолические процессоры (процессорные матрицы) - это чипы, как правило, близкие к обычным RISC-процессорам и объединяющие в своем составе некоторое число процессорных элементов. Вся же остальная логика, как правило, должна быть реализована на базе периферийных схем. У нейросигнальных процессоров ядро представляет собой типовой сигнальный процессор, а реализованная на кристале дополнительная логика обеспечивает выполнение нейросетевых операций (например, дополнительный векторный процессор и т.п.

20: Нейрокомпьютеры, реализованные на базе пцос и плис

В основе построения нейрокомпьютеров данного типа лежит

использование ПЦОС или ПЛИС, объединенных между собой в

соответствии с архитектурой, которая обеспечивает параллельность

выполнения вычислительных операций.

Как правило, такие нейрокомпьютеры строятся на основе гибкой

модульной архитектуры, которая обеспечивает простоту конфигурации

системы и наращиваемость вычислительной мощности путем увеличения

числа процессорных модулей или применения более производительных

ПЦОС (рис.5.1). Системы реализуются в основном на базе несущих модулей

стандартов ISA, PCI, VME.

Основные функциональные элементы данных нейрокомпьютеров:

1 )модуль матричных ПЦОС,2)рабочая память,3 )память программ,

4 )модуль обеспечения ввода/вывода сигналов (включающий АЦП, ЦАП

и TTL линии),

5)модуль управления, который может быть реализован на основе

специализированного управляющего ПЦОС (УП), на основе ПЛИС

или иметь распределенную структуру, при которой функции общего

управления распределены между матричными ПЦОС.

Реализация нейрокомпьютеров и специализированных вычислителей с

массовым параллелизмом на базе ПЦОС и ПЛИС является весьма

эффективным решением задач цифровой обработки сигналов, обработки

видео- и аудиоданных и построения технических систем управления.