Нейронные сети (ИПОВС) / 4 курс - Рычагов М.Н. / Лекции / Lektsiya_1_Neyronnyie_seti_i_mashinnoe_obuchenie
.pdf
Принципы фон Неймана (3/4)
Принцип адресности
▪Основная память состоит из пронумерованных ячеек, причем процессору в произвольный момент доступна любая ячейка
▪Двоичные коды команд и данных разделяются на единицы информации, называемые словами, и хранятся в ячейках памяти, а для доступа к ним используются номера соответствующих ячеек — адреса
© 2019 МИЭТ, Нейронные сети |
11 |
|
11 |
Принципы фон Неймана (4/4)
Принцип программного управления
▪Все вычисления, предусмотренные алгоритмом решения задачи в виде программы, состоящей из последовательности управляющих слов — команд
▪Каждая команда предписывает некоторую операцию из набора операций, реализуемых вычислительной машиной
▪Команды выполняются в естественной последовательности, то есть в порядке их положения в программе
▪При необходимости, с помощью специальных команд,
эта последовательность может быть изменена
© 2019 МИЭТ, Нейронные сети |
12 |
|
12 |
Ограниченность архитектуры фон Неймана
Совместное использование шины для памяти программ и памяти данных
▪Ограничение пропускной способности между процессором и памятью по сравнению с объёмом памяти
▪Скорость процессора и объём памяти ↑ гораздо быстрее, чем пропускная способность между ними узкое место
© 2019 МИЭТ, Нейронные сети |
13 |
|
13 |
Альтернативный подход к вычислениям
Совмещение процессора и памяти
▪Ученые из США и Италии в 2015 заявили о создании прототипа мем-процессора (англ. mem-processor) с отличной от фон-неймановской архитектурой и возможности его использования для решения NP-
полных задач
▪Traversa et al. Sci. Adv. 2015; 1:e1500031 http://advances.sciencemag.org/
© 2019 МИЭТ, Нейронные сети |
14 |
|
14 |
Трудоёмкость алгоритма
© 2019 МИЭТ, Нейронные сети |
15 |
|
15 |
Трудоемкость алгоритма
Количество символов в стандартном (двоичном) представлении данных задачи X P наз. длиной входа и обозначим L(X)
Пусть алгоритм A решает проблему P и tA(X) количество элементарных операций, выполняемых алгоритмом A при решении задачи X P. Тогда функция
* Sup – точная верхня грань
называется трудоемкостью алгоритма
© 2019 МИЭТ, Нейронные сети |
16 |
|
16 |
Полиноминальный vs экспоненциальный
Алг. A - полиномиальный, если его трудоемкость
,
где d – положительное число
Класс P состоит из задач, которые поддаются проверке в течение полиномиального времени
Алгоритм, трудоемкость которого не ограничена полиномом от n, называется экспоненциальным
© 2019 МИЭТ, Нейронные сети |
17 |
|
17 |
Полиноминальный vs экспоненциальный
Пример:
Алгоритм A1 решает задачу P с трудоемкостью O(n5)
Алгоритм A2 имеет трудоемкость O(2n) решения
Обработка на мобильном устройстве:
Частота 2 ГГц (2 x 109 Гц)
Тогда при n = 60 алгоритм A1 будет работать около 6 мсек, а алгоритм A2 –
(2 ^ 60) / (2 * 10 ^ 9) / 60 / 60 / 24 / 30 / 12
более 18 лет!
Полиномиальные алгоритмы – эффективные!
Экспоненциальные алгоритмы – не эффективны!
© 2019 МИЭТ, Нейронные сети |
18 |
|
18 |
Класс NP
В теории алгоритмов классом NP (от англ. nondeterministic polynomial) называют множество проблем
разрешимости, решение которых возможно проверить на машине Тьюринга за t <
.
Эквивалентно, класс NP можно определить как содержащий задачи, которые можно за полиномиальное время решить на недетерминированной машине Тьюринга.
Детерминированная машина Тьюринга (ДМТ) → имеет функцию перехода,
которая по комбинации текущего состояния и символа на ленте определяет:
a)символ, который будет записан на ленте,
b)направление смещения головки по ленте и
c)новое состояние конечного автомата.
В случае недетерминированной машины Тьюринга (НМТ), комбинация текущего состояния автомата и символа на ленте может допускать несколько переходов.
То есть в отличие от ДМТ, которая имеет единственный «путь вычислений», НМТ имеет «дерево вычислений» (в общем случае — экспоненциальное число путей).
© 2019 МИЭТ, Нейронные сети |
19 |
|
19 |
Класс NP
В теории алгоритмов классом NP (от англ. nondeterministic polynomial) называют множество проблем
разрешимости, решение которых возможно проверить
на машине Тьюринга за t < & сертификат
Эквивалентно, класс NP можно определить как содержащий задачи, которые можно за полиномиальное время решить на недетерминированной машине Тьюринга.
Задачи, имеющие полиномиальные по времени алгоритмы решения, можно решать с помощью компьютера значительно быстрее, чем путём прямого перебора, время которого экспоненциально. Это обуславливает практическое значение проблемы
о равенстве классов P и NP
© 2019 МИЭТ, Нейронные сети |
20 |
|
20 |
