LibRar.Org.Ua — Бібліотека українських авторефератів

Загрузка...

Головна Електроніка. Обчислювальна техніка → Удосконалення методів нейроподібної обробки інформації на основі моделей паралельно-ієрархічного перетворення

“Варта-універсал”; [9] - модель генерації сигналу та прогнозування координат енергетичних центрів зображень плям лазерних пучків із застосуванням фільтрів Калмана; [10] - модель пірамідального кодування для ущільнення даних; [11] - моделювання паралельно-ієрархічної мережі; [13] - моделі модифікованих алгоритмів визначення координат зображень плям лазерних пучків; [14] – розробка структури нейроподібної обробки інформації; [15] – методи екстраполяції для прогнозування координат зображень плям лазерних пучків, [16] - структурна модель паралельно-ієрархічного перетворення; [17] – моделі для вимірювання та прогнозування координат центрів зображень плям лазерних пучків; [18] – аналіз парадигм штучного інтелекту.

Апробація результатів дисертації. Наукові і практичні результати роботи доповідались і обговорювалися на таких основних конференціях: Laser Beam Shaping IV SPIE Symposium. – San Diego (USA). - 2003; Міжнародній науково-технічній конференції “Інтегровані комп’ютерні технології в машинобудуванні”, Харків, ХАІ. – 2004; науково-практичній конференції “Проблеми та перспективи розвитку транспортних систем”, Київський університет економіки і технологій транспорту, Київ, 2003-2006, а також на щорічних конференціях професорсько-викладацького складу, співробітників та студентів ВНТУ (м. Вінниця).

Публікації. За результатами дисертації опубліковано 18 друкованих праць, із них 11 у наукових журналах та збірниках наукових праць, що входять до переліку ВАК, а також матеріалах і тезах 4-х конференцій.

Обсяг та структура роботи. Дисертація, загальним обсягом 151 сторінка, складається із вступу, чотирьох розділів, висновків, разом викладених на 145 сторінках тексту, списку літератури (80 найменувань), 44-х рисунків, 12-ти таблиць, 1-го додатку.


ОСНОВНИЙ ЗМІСТ РОБОТИ


У вступі обґрунтовано актуальність обраної теми досліджень, сформульовано мету, основні задачі, які необхідно розв’язати для досягнення поставленої мети, наукову новизну отриманих результатів та наведено вихідні теоретичні положення, відзначено практичну цінність та впровадження результатів дисертаційної роботи. Наведено відомості про апробацію роботи та публікації.

У першому розділі розглянуто проблему створення ефективного системного аналізу даних, що дозволить змінювати структурну ієрархію мережі в динаміці, відповідно до сприйнятої інформації. В роботі відмічено, що найбільш поширеним і досліджуваним засобом представлення ієрархічних структур є деревоподібні структури. Структури, які одержали назву просторово-часових ієрархічних структур, об’єднують декомпозицію цілі в просторі і часі. Вони побудовані на розгортанні ієрархічних підструктур, яке полягає в просторово-багаторівневому поданні даних і в часово-мережевому принципі їх аналізу.

У роботі проаналізовано нейроподібні методи обробки інформації, які одержали бурхливий розвиток, особливо останнім часом. Розглянуто класифікацію архітектур штучних нейронних мереж і визначено, що запропонована модель обробки інформації відноситься до парадигми мереж прямого поширення з ієрархічною організацією зв'язків і контрольованим методом навчання, тобто "з вчителем", та методологією просторової інтеграції інформації.

Порівняльний аналіз процесів конвергенції - дивергенції нейронних шляхів показує, що моделлю, яка описує ці процеси і дозволяє поєднати ієрархічну обробку з поділом інформаційних сигналів, є розглянуте в даній роботі мережеве перетворення.

У роботі розглянута -мережа У. Гренандера, яка побудована зі сполучених між собою нейронів у відповідності до статичної топології. Відомо, що природні нейронні мережі не є цілком однорідними і мають характерну тривимірну архітектуру, але - мережі не враховують ці особливості природних нейронних мереж. Саме ці ідеї неоднорідності, тривимірності, а також наявності запізнювання сигналів у мережі лягли в основу побудови ПІ мережі. Вперше часовий зсув був описаний у структурах одновимірної -мережі на початку 70-их років У. Гренандером, а потім у 80-их роках досліджений на двовимірних оптоелектронних середовищах у роботах В.П. Кожем’яко. Дослідження у цьому напрямку набувають подальшого розвитку у сучасних роботах Ю.Ф. Кутаєва та Л.І. Тимченко.

Другий розділ присвячено розробці та вдосконаленню моделей для кодування, обробки й передачі інформації на основі ПІ перетворення.

Для розробки методів обробки інформації із паралельно-ієрархічним і багатовимірним доступом до даних розв’язано декілька ключових задач, а саме: побудовано модель багатовимірного паралельно-ієрархічного перетворювального середовища; розроблено модель паралельно-ієрархічної вибірки різноманітних підструктур даних у цьому середовищі; забезпечено адресацію даних у паралельно-ієрархічній пам'яті.

В нейронних шляхах: горизонтальний шлях - вертикальний шлях - горизонтальний шлях і т.д., між гілками мережі створюється часовий зсув, завдяки якому і формується ієрархічна структура ПІ мережі. Для дослідження цього часового зсуву розглянуто особливості структурної організації штучних нейронних шляхів та одержано математичний опис структури базисної мережі як моделі нейроподібної схеми обчислень. Такі структури відносяться до обчислювальних структур ненейманівського типу.

Нехай є інформаційний потік, заданий у вигляді множин , де - розмірність -ої множини. У загальному випадку базисну мережу можна описати за допомогою шести різновидів числових множин:

(1)

(2)

(3)

(4)

(5)

(6)

де - рівень ієрархії множини в базисній мережі.


Кількість множин вигляду (1) визначається розміром Найбільш просто можна описати базисну мережу, якщо множини (1) (6) подавати парами. Наприклад, множина описується першим виразом формули (2) при і другим виразом при . Тобто, перші елементи множини відображають стани базисної мережі для першого рівня (). Інші елементи формуються відповідно до першого виразу формули (2) і відображають стани базисної мережі на наступних рівнях. Кількість множин вигляду (2) - Кількість множин вигляду (3) - . Очевидно, що кількість множин вигляду (4) обмежується однією послідовністю. Кількість множин вигляду (5) не є сталою величиною для різних Якщо , тоді дана множина взагалі відсутня. Якщо , кількість таких множин - Кількість множин вигляду (6) також змінюється в залежності від , але більш складним чином. Наприклад, для таких множин - дві, для їх уже шість, а для цих множин – вісім.

Модель, представлена множинами (1)-(6), забезпечує єдиний підхід до