- •1 Основные понятия и структурная схема приборного комплекса.
- •17 Принципы построения измерителей навигационных параметров в живом организме.
- •2.Комплексы оборудования самолетов.
- •10 . Основные направления развития исследований и систем искусственного интеллекта
- •4. Основные характеристики и требования, предъявляемые к системам отображения информации.
- •5. Навигационные комплексы. Общие сведения и классификация.
- •11.Диалоговые системы искусственного интеллекта.
- •12 Бионика, как наука.
- •6.Основные закономерности построения навигационных комплексов.
- •7.Навигационные комплексы на базе микропроцессоров.
- •8.Иерархические структуры навигационных комплексов. Системы искусственного интеллекта в навигационных комплексах.
- •18 Общие принципы построения биологических навигационных комплексов.
- •22 Интеллектуальный биологический навигационный комплекс.
- •9.Понятие об искусственном интеллекте. Интеллектуальные системы.
- •13 Обобщенная модель живого организма.
- •14 Основные функции живого организма.
- •15 Навигационная бионика. Общность задач и основных принципов навигации в живой природе и технике.
- •16 Общая характеристика методов навигации.
- •19 Информационное обеспечение пространственной навигации животных.
- •20 Обеспечение точности и надежности функционирования навигационных биосистем.
- •21 .Накопление априорной информации в биологических навигационных комплексах при обучении.
- •23 Основные особенности биологических навигационных комплексов.
- •24 Системы искусственного интеллекта – системы, базирующиеся на знаниях.
- •25 Основные структуры систем искусственного интеллекта.
- •26 Представление знаний.
- •27. Семантические сети.
- •28 Фреймовые модели.
- •29 Логические модели знаний и системы логического вывода.
- •30 Продукции и продукционные системы.
- •31. База знаний систем искусственного интеллекта.
- •32 Стратегия управления и механизм вывода в системах искусственного интеллекта.
- •33 Прямая цепочка рассуждений. База знаний. Обобщенный алгоритм работы.
- •34 Обратная цепочка рассуждений. Дерево решений. База знаний. Обобщенный алгоритм работы.
- •35 Общие методы поиска решений в пространстве состояний.
- •41)Нечеткие множества и лингвистические переменные.
- •42)Операции с нечеткими множествами.
- •37 Особенности разработки баз знаний бортовых экспертных систем.
- •43)Нечеткие алгоритмы.
- •47) Программная и аппаратная реализация нечетких регуляторов.
- •44)Общие принципы построения интеллектуальных систем управления на основе нечеткой логики.
- •45) Процедура синтеза нечетких регуляторов.
- •46) Синтез адаптивной сау с эталонной моделью на основе нечеткой логики.
- •48)Общая характеристика проблемы построения искусственных нейронных сетей. История проблемы.
- •49)Моделирование механизмов человеческого мышления. Модели нейронов.
- •50_Реализация логических функций на формальных нейронах. Проблема «Исключающего или».
- •51 .Искусственные нейронные сети. Общие положения.
- •52 . Персептрон ф. Розенблатта.
- •53 .Адаптивный пороговый элемент.
- •55. Общие принципы построения интеллектуальных сау с использованием нейронных сетей.
- •39 Нечеткая логика: история проблемы, практические приложения.
- •54. Многослойные персептроны. Алгоритм обратного распространения.
- •57 Применение нейронных сетей в задачах адаптации алгоритмов управления нелинейными объектами.
- •62. Нейрокомпьютер фирмы аас.
- •61. Способы реализации нейронных сетей. Примеры реализации нейрокомпьютеров.
- •1. Нейрокомпьютеры на базе транспьютеров.
- •58. Применение нейронных сетей в задачах идентификации математических моделей динамических объектов.
- •59 Обзор возможных вариантов построения нейронных сетей.
- •63.Генетические алгоритмы. Особенности построения и реализации
- •38 Системы искусственного интеллекта с использованием нечеткой логики.
- •36.Проблемы разработки бортовых оперативно-советующих экспертных систем.
61. Способы реализации нейронных сетей. Примеры реализации нейрокомпьютеров.
Искусственные НС реализуются на программном, аппаратно-программном и аппаратном уровне. При этом могут использоваться как типовые ЭВМ последовательного принципа действия, начиная с персональных компьютеров, рабочих станции и кончая суперЭВМ типа CRAY, CYBER и т.п., так и параллельные ЭВМ (например, ComputingSurface, BBNButterfly и др.), а также специализированные нейрокомпьютеры, аппаратно реализующие НС (цифровые, аналоговые оптоэлектронные и др.).
К основным способам аппаратной реализации НС относятся:
цифровые нейрочипы – вычислительные системы, включающие комплекс цифровых специализированных процессоров и память для хранения синаптических карт, реализованных в виде чипа.
аналоговые нейрочипы – СБИС для реализации НК. Обработка сигналов производится в аналоговом виде;оптические и оптоэлектронные нейрочипы – вычислительные системы, ориентированные на оптическую обработку информации.НК на базе транспьютеров – вычислительные системы, ядром которых являются транспьютеры, выполняющие параллельные вычисления.
1. Нейрокомпьютеры на базе транспьютеров.
Транспьютер (transputer = TRANSmitterandcomPUTER ) – высокопроизводительный микропроцессор предназначенный для выполнения параллельных вычислений. Этот микропроцессор имеет две главные особенности:
в него встроены 4 последовательных интерфейса связи, работающих независимо друг от друга и независимо от центрального процессора
в нем имеется аппаратная поддержка параллельного программирования, реализован микропрограммно планировщик вычислительных процессов, распределяющий процессорное время между конкурирующими вычислительными процессами.
2. Оптические нейрокомпьютеры.Работы по реализации оптических компьютеров ведутся давно. С помощью таких компьютеров можно проводить матричные вычисления с высокой скоростью, причем вычисления могут выполняться параллельно. Поэтому не случайно, что именно на базе оптических компьютеров разрабатываются перспективные оптические нейрокомпьютеры.
При реализации НК в виде оптических систем решается проблема соединения нейронов между собой с помощью световых лучей. При этом не требуется изоляции между связями, так как световые потоки проходят один сквозь другой без взаимного влияния. Плотность путей передачи информации при этом ограничивается следующими факторами:
размерами источников света;
дивергенцией источников света;
размерами детектора (приемника).
Наиболее массовой операцией, выполняющейся в нейрокомпьютерах, является операция умножения вектора на матрицу, одна операция умножения в каждом слое.
Запишем основные вычисления, которые необходимо выполнить длякаждого слоя:
, ,где– вектор-строка;– входной вектор-строкадляслоя;– прямоугольнаяматрица весовых коэффициентов;– выходной вектор-строкаслоя,– нелинейная вектор-функция.