- •Нейросетевые структуры и технологии
- •Часть 2 Рекуррентные и специальные нс. Методы реализации нейрокомпьютеров
- •Содержание
- •Введение
- •5.Рекуррентные нейронные сети
- •5.1.Ассоциативная память на основе рекуррентных нс
- •5.1.1.Автоассоциативная нс Хопфилда
- •5.1.2.Нс Хемминга
- •5.1.3.Двунаправленная ассоциативная память
- •5.2.Рекуррентные нс на базе персептрона
- •5.2.2.Рекуррентная сеть Эльмана
- •6.Нейронные сети с самоорганизацией
- •6.1.Самоорганизующаяся нс Кохонена
- •6.2.Гибридная нс Кохонена с мсп
- •6.3.Нс встречного распространения
- •6.4.Нс адаптивной резонансной теории (арт)
- •6.5.Когнитрон и неокогнитрон Фукушимы
- •6.6.Корреляционные нс
- •6.6.1.Нейронные сети рса
- •7.Нейронные сети с нечеткой логикой
- •7.1.Математические основы функционирования нечетких систем
- •7.2.Системы нечеткого вывода
- •7.3.Нечеткая нс tsk
- •7.4.Обучение нс с нечеткой логикой
- •7.5.Гибридная нс с нечеткой со
- •7.6.Мягкие экспертные системы
- •8.Методы реализации нейрокомпьютеров (нк)
- •8.1.Программное моделирование инс
- •8.2.Аппаратная реализация нк
- •8.3.Перспективные технологии реализации нейрокомпьютеров
- •8.3.1.Оптические и оптоэлектронные нк
- •8.3.2.Молекулярные (био)нейрокомпьютеры
- •8.3.3.Нанонейрокомпьютеры (ннк)
- •Литература
8.3.2.Молекулярные (био)нейрокомпьютеры
Основу бионейрокомпьютера (БНК) составляет активная среда, т.е. биомолекулярная система, поведение которой определяется механизмом нелинейной динамики. Для ввода информации в возбудимую среду обычно используют электромагнитное излучение, для вывода используют измерение пространственного распределения концентраций компонентов, например, методами локального спектрального анализа. Управление работой активной среды осуществляют путем изменения ее состава и/или температуры.
Принципиальным отличием БНК, основанным на нелинейных динамических механизмах, является аналоговый характер хранения и обработки информации. Попытки оценить практическую осуществимость концепции БНК на основе экспериментального моделирования информационно–логических возможностей нелинейных динамических сред с использованием простых химических реакций типа Белоусова–Жаботинского для выполнения операций обработки изображений высокой вычислительной сложности показали:
возбудимая среда достаточно долго хранит запоминаемую информацию;
отклики среды на световое возбуждение сходны с основными операциями человеческого зрения, т.е. выделением общего вида изображений, включая фильтрацию шумов, восстановление изображений, выделение структуры изображения, усиление его мельчайших особенностей и т.п.;
выполнение конкретных операций определяется состоянием среды (составом, температурой) и характером изображения.
Сегодня известны биомолекулярные системы с намного более сложным уровнем организации, принципы функционирования которых могут быть положены в основу разработки БНК, однако до конкретных реализаций пока достаточно далеко, поскольку, помимо сложности обеспечения нормальной работы возбудимых сред, серьезной проблемой остаются их быстродействие и надежность.
8.3.3.Нанонейрокомпьютеры (ннк)
Наибольшие перспективы аппаратной реализации ИНС, несомненно, связаны с нанотехнологией (НТ), основанной на молекулярной сборке квантовой элементной базы (резонансно–туннельных диодов, транзисторов, квантовых проводов, точек и т.п.). Методы НТ способны обеспечить не только предельно малые размеры элементов (~1…10 нм) и максимально возможное быстродействие (fT = 10…100 ТГц), но наиболее эффективную для НК трехмерную архитектуру. Нанотехнологию безусловно можно считать абсолютной, конечной технологией, которая окажет значительное влияние на применение нейросетевых методов обработки информации, однако субмолекулярная элементная база только создается и большим успехом считается получение квантовых приборов, сохраняющих (без деградации) свои параметры в течение нескольких недель. Тем не менее, учитывая опыт создания электроники БИС/СБИС, можно предположить, что наноэлектроника будет развиваться значительно быстрее.
Моделирование структур нейронов в квантовой элементной базе показывает, что средний объем нейрона с числом входов N3 составляет 10–3 мкм3, т.е. в объеме ~1 мм3 возможно размещение ИНС из 1012 элементов с быстродействием не хуже 10–12 с. Это значит, что использование электронных систем ввода–вывода информации на основе системы полосковых волноводов способно обеспечить ННК пропускную способность более 1016 бит/с. Особенно перспективными для реализации в виде наноструктур считаются ИНС с локальными связями (клеточные автоматы).
Контрольные вопросы
Какие методы практической реализации НК вы знаете? На какой основе?
Каковы достоинства и недостатки процессоров общего назначения при программно–аппаратной реализации нейросред?
Приведите основные показатели универсальных нейропакетов, расскажите об их значении для пользователей.
Какие основные параметры используются для описания эффективности функционирования НК?
В чем заключаются преимущества ПЦОС при аппаратной реализации НК?
В каких случаях для построения ИНС используются систолические процессоры? Заказные СБИС?
В чем эффективность реализации НК на приборах программируемой логики?
Дайте сравнительный анализ различных подходов к реализации НК.
Расскажите о современных достижениях в области создания нейрокомпьютеров.
Какими соображениями руководствуются исследователи при разработке оптоэлектронных НК?
В чем заключается идея построения ИНС на оптических векторно–матричных умножителях?
Каково устройство и функционирование НК на основе голографических корреляторов?
Расскажите об основных принципах построения и организации работы молекулярных бионейрокомпьютеров. В чем заключается их основное отличие от реализаций НК на нейрочипах?
Почему нанотехнологии являются наиболее эффективным средством для построения нейрокомпьютеров?
Каковы предельные параметры габаритов, быстродействия и производительности НК на основе квантовых наноприборов?