Нейрокомпьютеры

Содержание:

Введение

Нейрокомпьютер — устройство переработки информации на основе принципов работы естественных нейронных систем. Эти принципы были формализованы, что позволило говорить о теории искусственных нейронных сетей.

Первыми нейрокомпьютерами были перцептроны Розенблатта: Марк-1 (1958) и Тобермори (1961—1967), а также Адалин, разработанный Уидроу (англ.)русск. и Хоффом (1960) на основе дельта-правила (формулы Уидроу).

“Перцептро́н, — математическая или компьютерная модель кибернетического мозга. Де́льта-пра́вило — метод обучения перцептрона по принципу градиентного спуска по поверхности ошибки. Его дальнейшее развитие привело к созданию метода обратного распространения ошибки.”

В настоящее время Адалин (адаптивный сумматор, обучающийся по формуле Уидроу) является стандартным элементом многих систем обработки сигналов и связи. В этом же ряду первых нейрокомпьютеров находится программа «Кора», разработанная в 1961 году под руководством М. М. Бонгарда.

Основная идея — коннекционизм

В отличие от цифровых систем, представляющих собой комбинации процессорных и запоминающих блоков, нейропроцессоры содержат память, распределённую в связях между очень простыми процессорами, которые часто могут быть описаны как формальные нейроны или блоки из однотипных формальных нейронов. Тем самым основная нагрузка на выполнение конкретных функций процессорами ложится на архитектуру системы, детали которой в свою очередь определяются межнейронными связями. Подход, основанный на представлении как памяти данных, так и алгоритмов системой связей (и их весами), называется коннекционизмом.

Основные преимущества нейрокомпьютеров:

1- параллелизм вычислений, что обусловливает высокое быстродействие.

2- низкие требования к стабильности и точности параметров элементарных узлов.

3- устойчивость к помехам и разрушениям (выходу из строя) формальных нейронов при большой пространственной размерности системы.

4- Устойчивые и надёжные нейросистемы могут создаваться и из ненадёжных элементов, имеющих значительный разброс параметров.

Разработчики нейрокомпьютеров стремятся объединить устойчивость, быстродействие и параллелизм АВМ — аналоговых вычислительных машин — с универсальностью современных компьютеров.

Современные нейрокомпьютеры

Многолетние усилия многих исследовательских групп привели к тому, что к настоящему моменту накоплено большое число различных «правил обучения» и архитектур нейронных сетей , их аппаратных реализаций и приёмов использования нейронных сетей для решения прикладных задач.

Эти интеллектуальные изобретения существуют в виде «зоопарка» нейронных сетей. Каждая сеть из зоопарка имеет свою архитектуру, правило обучения и решает конкретный набор задач. В последнее десятилетие прилагаются серьёзные усилия для стандартизации структурных элементов и превращений этого «зоопарка» в «технопарк»: каждая нейронная сеть из зоопарка реализована на идеальном универсальном нейрокомпьютере, имеющем заданную структуру.

Основные правила выделения функциональных компонентов идеального нейрокомпьютера (по Миркесу):

Относительная функциональная обособленность: каждый компонент имеет чёткий набор функций. Его взаимодействие с другими компонентами может быть описано в виде небольшого числа запросов.

Возможность взаимозамены различных реализаций любого компонента без изменения других компонентов.

“Нейро́нная сеть (также искусственная нейронная сеть, ИНС) — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознования образов , в задачах управления и др.”

Постепенно складывается рынок нейрокомпьютеров. В настоящее время широко распространены различные высокопараллельные нейро-ускорители (сопроцессоры) для различных задач. Моделей универсальных нейрокомпьютеров на рынке мало отчасти потому, что большинство из них реализованы для спецприменений. Примерами нейрокомпьютеров являются нейрокомпьютер Synapse (Siemens, Германия), процессор NeuroMatrix. Издаётся специализированный научно-технический журнал «Нейрокомпьютеры: разработка, применение». Проводятся ежегодные конференции по нейрокомпьютерам. С технической точки зрения сегодняшние нейрокомпьютеры — это вычислительные системы с параллельными потоками одинаковых команд и множественным потоком данных (MSIMD-архитектура). Это одно из основных направлений развития вычислительных систем с массовым параллелизмом.

“Сопроцессор — специализированный процессор, расширяющий возможности центрального процессора компьютерной системы, но оформленный как отдельный функциональный модуль.

NeuroMatrix — микропроцессорная архитектура, разработанная в компании НТЦ «Модуль». Выпущены и готовятся к выпуску несколько представителей архитектуры. Наиболее известен первый представитель семейства, микропроцессор Л1879ВМ1 (nm6403). Устройства на базе NeuroMatrix предназначены для цифровой обработки сигналов.”

Искусственная нейронная сеть может передаваться от (нейро)компьютера к (нейро)компьютеру, так же как и компьютерная программа. Более того, на её основе могут быть созданы специализированные быстродействующие аналоговые устройства. Выделяются несколько уровней отчуждения нейронной сети от универсального (нейро)компьютера: от сети, обучающейся на универсальном устройстве и использующей богатые возможности в манипулировании задачником, алгоритмами обучения и модификации архитектуры, до полного отчуждения без возможностей обучения и модификации, только функционирование обученной сети. Одним из способов подготовки нейронной сети для передачи является её вербализация: обученную нейронную сеть минимизируют с сохранением полезных навыков. Описание минимизированной сети компактнее и часто допускает понятную интерпретацию.

Новый поворот — Wetware

В нейрокомпьютинге постепенно созревает новое направление, основанное на соединении биологических нейронов с электронными элементами. По аналогии с Software (программное обеспечение) и Hardware (электронное аппаратное обеспечение), эти разработки получили наименование Wetware (англ.).

В настоящее время уже существует технология соединения биологических нейронов со сверхминиатюрными полевыми транзисторами с помощью нановолокон (Nanowire (англ.)).В разработках используется современная нанотехнология. В том числе, для создания соединений между нейронами и электронными устройствами используются углеродные нанотрубки. Распространено также и другое определение термина «Wetware» — человеческий компонент в системах «человек-компьютер».

Применение

1)Управление в реальном времени: самолётами и ракетами (ракетно-космическая техника),

технологическими процессами непрерывного производства (в энергетике, металлургии и др.),

гибридным (электробензиновым) двигателем автомобиля,

пневмоцилиндром,

сварочным аппаратом,

электропечью,

турбогенератором.

2)Распознавание образов: изображений, человеческих лиц, букв и иероглифов, отпечатков пальцев в криминалистике, речи, сигналов радара и сонара,

элементарных частиц и происходящих с ними физических процессов (эксперименты на ускорителях или наблюдение за космическими лучами),

заболеваний по симптомам (в медицине),

местностей, где следует искать полезные ископаемые (в геологии, по косвенным признакам),

признаков опасности в системах безопасности,

свойств химических соединений по структуре (в хемоинформатике).

3)Прогнозирование в реальном времени: погоды,

курса акций (и других финансовых показателей),

исхода лечения,

политических событий (результатов выборов, международных отношений и др.),

поведения противника (реального или потенциального) в военном конфликте и в экономической конкуренции,

устойчивости супружеских отношений.

4) Оптимизация — поиск наилучших вариантов: при конструировании технических устройств,

при выборе экономической стратегии,

при подборе команды (от сотрудников предприятия до спортсменов и участников полярных экспедиций),

при лечении больного.

Обработка сигналов при наличии больших шумов.

Протезирование («умные протезы») и усиление естественных функций, в том числе — за счёт прямого подключения нервной системы человека к компьютерам (Нейро-компьютерный интерфейс).

Заключение

Телекоммуникационное мошенничество, его обнаружение и предотвращение с помощью нейросетевых технологий — по мнению некоторых специалистов являются одной из самых перспективных технологий в области защиты информации в телекоммуникационных сетях.