Розглянуто проблеми розробки, вдосконалення та дослідження методів і засобів нейроподібної обробки векторних масивів даних, які базуються на принципах порогової паралельної обробки інформації за різницевими зрізами. Увагу приділено питанням аналізу функціональних можливостей і ефективності моделі формального нейрона на базі різницевих зрізів, а також її схемній і апаратній реалізації у вигляді конвеєрних процесорів на програмованих логічних інтегральних схемах.

Рассмотрены проблемы разработки, усовершенствования и исследования методов и средств нейроподобной обработки векторных массивов данных, базирующихся на принципах пороговой параллельной обработки информации по разностным срезам. Уделено внимание вопросам анализа функциональных возможностей и эффективности модели формального нейрона на базе разностных срезов, а таже ее схемной и аппаратной реализации в виде конвейерных процессоров на программированных логических интегральных схемах.

Удосконалено функціональні можливості методів і засобів векторної обробки масивів даних у контексті порогової паралельної обробки інформації для нейрообчислення та нейроструктури. Досліджено та доведено доцільність використання нейронних технологій для реалізації адаптивного керування динамічними системами у порівнянні з традиційними методами. Проаналізовано апаратні засоби реалізації нейронних мереж та показано, що найефективнішим є ПЛІС. Досліджено особливості реалізації багатооперандної обробки у нейроструктурах на базі різницевих зрізів (РЗ), використання яких дозволяє розширити функціональні можливості та зменшити часові затрати під час нейрообробки. Вивчено способи порогового паралельного, паралельного алгебричного та порогового паралельного алгебричного підсумування векторних масивів даних. Розроблено математичні моделі, які дозволяють створити модель формального нейрона на базі РЗ, в якій реалізовано розпаралелювання процесу підсумовування та суміщення його з пороговою обробкою. Запропоновано структурну організацію конвеєрних процесорів для нейроподібної обробки векторних даних за РЗ, використаних на базі ПЛІС, що дозволяє одержати нейрочип з фрагментом шару нейромережі. З застосуванням модифікованого методу оцінено продуктивність нейрочипів на базі конвеєрних процесорів. На підставі результатів дослідження доведено ефективність використання цих процесорів у системах обробки реального часу для розв'язання задач ідентифікації динамічних систем і адаптивного керування ними, а також класифікації та розпізнаванння сигналів і зображень.

Рассмотрены особенности аппаратной реализации модели формального нейрона (ФН) с пороговой функцией активации. Показаны преимущества использования обработки векторных данных по разностным срезам при построении параллельного многовходового сумматора в качестве базового узла ФН. Использованы возможности реализации предложенной структуры ФН в составе нейроускорителя на ПЛИС фирмы Xilinx.

Рассмотрены особенности построения и принцип функционирования цифрового фильтра в составе нейросетевого классификатора биомедицинских сигналов. Предложен новый подход к реализации процесса классификации с использованием дискриминантных функций.

Исследованы способы пороговой параллельной обработки векторных массивов данных с использованием принципа разностных срезов для модели "быстрого нейрона". Выполнен их сравнительный анализ по временным параметрам.

Розглянуто модель реалізації формального нейрона з використанням принципу різницевих зрізів. Наведено структурну схему пристрою та приклад паралельного порогового додавання у даній структурі.

Розглянуто процес конвеєрної обробки, який базується на алгоритмі порогового паралельного підсумовування масиву чисел. Запропоновано структуру конвеєрного пристрою для паралельної порогової обробки даних. Наведено результати моделювання даного пристрою на програмованих логічних інтегральних схемах. Показано перспективу застосування розробленого пристрою у нейрообробці.

Розглянуто основні методи та засоби реалізації систем виявлення шахрайства в телекомунікаціях. Запропоновано їх реалізацію на базі нейронечітких мереж, а також реалізацію апаратної частини нейронечіткої системи виявлення шахрайства у вигляді нейрообчислювача на базі програмованих логічних інтегральних схем; описано методику такої реалізації.

Розглянуто основні характеристики продуктивності конвеєрних процесорів. Проаналізовано показники та коефіцієнти продуктивності конвеєрного процесора з урахуванням особливостей оброблення векторних масивів даних за різницевими зрізами.

Рассмотрен алгоритм классификации объектов по критерию максимума дискриминантных функций, особенностью которого является параллельная обработка по столбцам матрицы, составленной из элементов дискриминантных функций. Приведено представление данного алгоритма в терминах системы алгоритмических алгебр В. М. Глушкова.

Приведены базовые положения критерия эффективности для алгоритмов параллельной обработки массивов данных. Выполнен сравнительный анализ параллельных алгоритмов многооперандного суммирования. Показаны преимущества посрезовой обработки векторных массивов данных.

Детально розглянуто основні тенденції розвитку сучасних комп'ютерних систем . Виділено такі важливі напрямки розвитку комп'ютерних систем, як інтелектуалізація, висока продуктивність і реальний час спрацювання. Наведено приклади вирішення поставлених завдань з використанням методу оброблення масивів даних за різницевими зрізами.

Розглянуто один із етапів розпізнавання зображення, кодування та аналіз інформації, що успішно використовується в методах штучного інтелекту. Запропоновано символьний опис зображення "центр - образ" представляється в ущільненому вигляді та передбачає більш прості перетворення для виділення метричних ознак. Створено еталони, що враховують властивості математичної моделі, розширюють інформаційний простір ознак, який прийнятний для аналізу плоских та просторових образів в технічних засобах. Для апаратурної реалізації в кожному конкретному випадку слід вибирати компромісні варіанти та забезпечувати обробку зображення в системах реального часу. Реалізація блока обробки в таких системах розпізнавання з використанням нанотехнологій надає змогу досягати високої продуктивності, забезпечувати високу швидкість, інформаційну щільність, широку полосу частот пропускання та малі витрати на передачу.

Розглянуто моделі обчислювальних процесів з обробленням масивів даних за різницевими зрізами. Запропоновано моделі у вигляді інформаційних графів для згортки та алгебричного підсумовування елементів векторного масиву чисел. Наведено числові приклади розглянутих обчислювальних процесів, які ілюструють відповідні часові співвідношення для обчислювальних операцій багатооперандного підсумовування чисел.

Розроблено інформаційну технологію прогнозування курсу криптовалют на основі комплексної інженерії ознак. Особливість цієї технології полягає в системному підході до відбору ознак. Проведено аналіз груп зовнішніх та внутрішніх факторів потенційного впливу на криптовалютний ринок. Аналіз ознак, які характеризують зміни курсу криптовалют, показав, що окрім базових первинних ознак, які доступні на багатьох криптобіржах, важливішими для подальшого прогнозування курсу криптовалют є вторинні ознаки, які отримують з базових первинних шляхом застосування до них різних математичних операцій та/або алгоритмічних трансформацій. Аналіз великої кількості джерел показав, що криптовалюти мають низку характерних особливостей, які й зумовили їх велику популярність і які теж варто враховувати під час формування та вибору ознак. Проведено систематизацію ключових таких особливостей, а також запропоновано яким чином їх формалізувати у вигляді ознак. Формалізувати ознаки запропоновано за системним підходом, згідно з постулатами технічної кібернетики, де говориться, що будь-який об'єкт дослідження можна представити у вигляді чорного ящика, який контактує з зовнішнім середовищем у п'яти точках, що можуть у багатовимірному випадку бути множинами ознак чи змінних. Запропоновано загальну математичну модель формування цих факторів, яке полягає у генеруванні великої кількості вторинних ознак на основі простих математичних, алгоритмічних та статистичних трансформацій з подальшим відбором найрелевантніших з них. Технологія передбачає синтез нових вторинних ознак на основі інших вторинних ознак, за окремими винятками, які формалізовано у вигляді системи правил. Це дозволить зменшити перенавчання моделі та покращити її узагальнюючу здатність. Для доведення працездатності розробленої технології розглянуто приклад її застосування на базі криптовалюти біткоїн за щодобовими даними 2020 - 2021 рр. Проведені дослідження та комп'ютерні експерименти показали ефективність та працездатність запропонованої технології.

Індекс рубрикатора НБУВ: З810.428

Рубрики:

Класифікація образів

Шифр НБУВ: Ж23045 Пошук видання у каталогах НБУВ