авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 3 | 4 ||

«Государственный экономико-технологический университет транспорта Кафедра «Автоматизация и компьютерно-интегрованные технологий ...»

-- [ Страница 5 ] --

При неизменных наборах сохраняющих еj входных сигналов по давтоматы Si функционируют в определенных блоках i своих состоя ний а, следовательно, и ИА А функционирует в тот же промежуток времени в определенных блоках K своих состояний.

K i (8.6) i Каждое состояние аі подавтомата Si запоминает свое значение при соответствующем еj входном сигнале. Изменение сохраняющего еj входного сигнала в подавтоматах Si в тактовый момент t в зависимо сти от выходных сигналов Yi2 (T ), подаваемых от других подавтома тов Si в соответствии с алгоритмом решения задачи, и в ходе внутрен него такта входной сигнал еj() определяет область запоминающих состояний (блок i состояний) подавтомата еj. Наборы сохраняющих еj входных сигналов определяют блоки i состояний, в которых работа ют подавтоматы Si, а совокупность ЕK сохраняющих еj входных сиг налов уверенно определяют блоки K состояний, в которых работает весь ИА А.

ЕK e j. (8.7) i Пункт полиграммы при детерминированном элементарном Ri входном слове записывается в таком виде:

KE. R1 Y1i K1 E1, R2 Y2i K 2 E 2, (8.8)........................., i Rm Ym K m E m, где K - состояние ИА;

Е- сохраняющий входной сигнал ИА;

_ R j ( j 1, m ) - элементарное входное слово ИА;

_ K j ( j 1, m ) - состояние ИА, к которому осуществляется переход от состояния K при выполнении строки j;

_ E j ( j 1, m ) - сохраняющий входной сигнал, при котором запомина ется состояние Kj;

_ Y ji ( j 1, m ) - выходной сигнал ИА.

Каждая строка (Rj Yj – KjЕj)пункта KE полиграммы описывается в виде SK строк:

a1e1. p j1 Y ji1 a j1 e j1, a2 e2. p j2 Y ji2 a j2 e j2, (8.9)......................................., a q eq. p jq Y jiq a jq e jq, где q - количество строк S k (k 1, q ), которые находятся при описании _ строки полиграммы j ( j 1, m ) ;

p ji - элементарное входное слово строки S k (k 1, q ) ;

Y jli - выходной вектор строки S k (k 1, q ) ;

a ji - состояние подавтомата S s, к которому осуществляется пере ход от состояния a s при выполнении строки S k ;

i ei - сохраняющий входной сигнал.

Такое описание поведения иерархического автомата А в состоя нии КЕ является пунктом полиграммы иерархического алгоритма функционирования автомата А.

Пункт полиграммы КЕ, как видим из его описания (8.8), имеет иерархическую структуру: сначала описывается в пункте КЕ строки полиграммы, а затем строки ае каждой строки (8.9) пункта КЕ поли граммы.

Строки ае пункта КЕ полиграммы при неизменных сохраняющих е входных сигналах описываются микропрограммой или автограм мою, которая выглядит так [26]:

а. p j Y ji a j. (8.10) Алгоритмы изменения общего состояния е пункта КЕ полиграм мы при переменных сохраняющих е входных сигналах описываются милипрограмою, которая имеет вид аналогичный микропрограмме или автограмме:

е. p j Y ji е j. (8.11) Логика системы, в которой внутренние связи имеют большее зна чение, чем внешние, часто сталкивает нас с трудностями формули ровки микропрограммы (автограммы) в полиграмме. Изменение ин формации тем эффективнее, чем более сложную и лучше организо ванную структуру системы она сопровождает. Изменение внутренней структуры запоминания состояний в МФСП и преобразование вход ной внешней информации - это лишь две взаимосвязанные части од ного и того же процесса преобразования информации. Эти две части и отражены в строках полиграммы (8.8) - (8.11).

9. Принципы построения реконфигурированных процессоров и компьютеров, одновременно обрабатывающих общую и частную информацию В настоящее время освоена 0,13-микронная технология изготов ления сверхбольших интегральных схем, что позволяет в два раза уве личить количество транзисторов в интегральных схемах.

Разработка новых принципов построения реконфигурированных процессоров и компьютеров на новых элементарных многоуровневых схемах памяти позволяет запоминать как общую, так и частную ин формацию одновременно и менять структуру запоминания частной информации под воздействием общей информации, что дает возмож ность повысить скорость обработки иерархической информации [88– 89].

На основе МФСП рассмотрена теорию проектирования МУСП, составленных из МФСП, которые имеют вертикальную связь между своими уровнями [61-62]. На основе этой вертикальной связи в МУСП осуществляется генерация сохраняющих входных сигналов еj(), что позволяет выполнять укрупненные переходы.

Иерархическая связь между состояниями МФСП в МУСП нижних уровней и подмножествами состояний МФСП в МУСП верхних уров ней помогает одновременно запоминать общую информацию в МФСП нижних уровнях и частную информацию в МФСП верхних уровнях [61-63].

МУСП имеет ряд преимуществ по функциональным и конструк тивным характеристикам по сравнению с многостабильными тригге рами [61-62].

По функциональным свойствам все МФСП способны на каждом уровне МУСП работать параллельно и перестраивать (реконфигури ровать) область функционирования верхних МФСП, обрабатывающих отдельную (частную) информацию, без уменьшения быстродействия всех уровней МУСП. Это позволяет одновременную обработку общей и частной информации, которая не имеется в современных процессо рах и компьютерах.

Микропрограммный уровень управления определяет, прежде все го, систему команд, что в дальнейшем используется программным уровнем управления (рис. 7.15) [125].

При применении милипрограммного уровня управления вместе с микропрограммным уровнем управления создается полипрограммний уровень управления, который позволяет осуществлять смену прошив ки за счет милипрограмм на полипрограммному уровне и приводить к изменению системы команд, реализуемых программным уровнем за один машинный такт Т. Следовательно, многообразие команд опреде ляет класс функций, которые наиболее эффективно можно реализо вать при решении определенного класса задач. Микропрограмма или определенная система микропрограмм реализуется в одном блоке і запоминаемых состояний схем памяти устройств управления.

При построении параллельных иерархических структур устройст ва управления полипроцессоров на элементах МФСП и МУСП можно под воздействием миликоманд (входных сигналов е()), изменять со став микропрограмм, перестраивая систему команд компьютера, и од новременно ориентировать его работу на более эффективную обра ботку данных, осуществляя параллельную обработку частной и общей информации [88].

Такую структурную схему можно использовать в самосовершен ствующих алгоритмах, в которых обучающий алгоритм под воздейст вием третьего уровня управления меняет не только числовые пара метры, но и структурную схему четвертого уровня (рабочего) алго ритма.

Можно представить, что регистр команд в компьютере состоит из МФСП, которые перестраивают множество своих состояний (команд) под управлением руководящего регистра. При этом регистр на МФСП эффективно реализует рабочие алгоритмы системы команд для обра ботки специальных алгоритмов при решении только одного опреде ленного класса задач, а в случае иного класса задач регистр на МФСП имеет возможность настраиваться на эффективную обработку специ альных алгоритмов при решении иного класса задач. Таким образом, при милипрограммном уровне управления компьютер может работать как компьютеры с разными системами команд, которые более эффек тивно обрабатывают информацию различных классов задач.

Скорость V решения задач при одновременной обработки общей и частной информации на полиграммном уровне управления в первом приближении можно вычислять по формуле:

(9.1) V, k1t где ti - время выборки слова из памяти при выполнении операции в отдельном устройстве и одновременно выборки слова для перестрой ки алгоритма обработки;

k1 - среднее количество обращений к устройству памяти при вы полнении операции;

При сравнении двух формул (7.7) и (9.1) видим, что при умень шении обращений к памяти за счет выполнения поликоманд скорость решения самосовершенствующих алгоритмов на выборки слова уве личивается за счет ликвидации дополнительных обращений к памяти для изменения алгоритмов, которые осуществляются на современных реконфигурированных компьютерах.

Кроме этого, в компьютерах появляются новые возможности об работки данных, которые в настоящее время принципиально нельзя применять, поскольку память регистров базируется на двоичных триг герах. При милипрограммном управлении можно использовать новые укрупненные переходы, расширяющих возможности компьютеров, компьютерных систем и сетей. Это позволяет создавать реконфигури рованные устройства, компьютеры, компьютерные системы и сети, способные перестраивать алгоритмы своей работы в зависимости от потребностей объекта управления с большей скоростью.

Диапазон алгоритмов, которые самосовершенствуются, на прак тике очень большой: распознавание образов, защита информации, обучающие системы и т.п. [25].

Новое направление построения компьютеров на МФСП и МУСП способствует прогрессу вычислительной техники. Он может быть реализован на современных логических элементах, используемых в СБИС, ПЛИС, ОЗУ, а также может повлиять на развитие реконфигу рированных устройств, компьютеров, компьютерных систем и сетей.

10. Методы построения реконфигурированного компьютера с учетом «элементного» уровня.

Структурная схема процессора имеет два уровня управления в полипрограмме, выполняемых одновременно в каждом цикле, в кото ром управляемое устройство реализует микропрограммы, а управ ляющее устройство реализует милипрограммы. В процессе работы инструкции милипрограми (общих команд) в состоянии одновременно изменить структуру выполнения инструкций микрокоманд (отдель ных команд), что позволяет увеличить скорость выполнения иерархи ческих алгоритмов и увеличить их гибкость при решении задач, алго ритмы которых изменяются в процессе их решения. Такая возмож ность появляется при применении в устройствах компьютера в каче стве регистров элементов N-уровневых схем памяти, которые запоми нают одновременно общую и частную информацию.

Для каждого уровня управления можно применять операционное устройство (арифметико-логическое устройство), а также дополни тельную кэш-память на элементах N-уровневых схем памяти.

Существенным является то, что электронная вычислительная ма шина состоит из двух компонентов: процессора и оперативной памя ти, которые связаны между собой системной шиной, состоящей из шины данных, шины управления и адресной шины [94].

Электронная вычислительная машина (рис. 10.1) [75;

89] отлича ется тем, что процессор имеет N-уровневые схемы памяти (например, N = 2), составляющие регистры общего назначения (РОН), общее арифметико-логическое устройство (АЛУ) и отдельное АЛУ, которое связано с соответствующими блоками управления общего и частного уровня.

Блоки управления иерархически связаны от общего к частному.

Блок общего управления и блок частного управления через адресную шину связанные с оперативной памятью.

Сама оперативная память разделена на область данных и область команд соответственно связаны через шину управления и шину дан ных с кэш-памятью, имеющую иерархические регистры для милико манд и микрокоманд и регистры для общих данных и частных дан ных, которые соответственно связаны с блоками управления общего и частного уровня и с блоками АЛУ. Блоки кэш-памяти имеют обрат ную связь по шине данных с областью данных [75].

Рис. 10.1. Реклнфигурированная электронная вычислитель ная машина Функционально электронная вычислительная машина синхрон ная. Запись данных и команд из оперативной памяти регистров и кэш памяти осуществляется по тактовому сигналу. Затем соответствую щие данные для обработки поступают по шине на АЛУ. Когда все вы полнено, то АЛУ приступает к работе. После вычисления результаты передаются шине данных регистров. АЛУ может в течение одного цикла читать и записывать данные в регистр. Как данные, так и поли команды для их обработки процессор получает из ячеек оперативной памяти. Поликоманды делятся на общие команды, из которых состоит милипрограма, и частные команды, из которых состоят микропро граммы. Эти две команды одновременно подаются на соответствую щие уровни N-уровневых схем памяти (например, N = 2) блоков управления процессора, которые в одном цикле реализуют иерархиче ские изменения алгоритма.

Одной из основных временных характеристик обработки иерар хической информации в данном случае является более быстрая обра ботка частной информации по отношению к общей, а одной из функ циональных характеристик управляющей информации - изменение алгоритма обработки частной информации при определенной обра ботке общей управляющей информации.

Можно представить, что регистр команд в компьютере состоит из МФСП, которые перестраивают множество своих состояний (команд) под управлением управляющего регистра. При этом регистр на МФСП эффективно реализует рабочие алгоритмы системы команд для обработки специальных алгоритмов при решении только одного определенного класса задач, а в случае другого класса задач регистр на МФСП имеет возможность настраиваться на эффективную обра ботку специальных алгоритмов при решении другого класса задач.

Таким образом, при милипрограммном уровне управления компьютер может работать как различные компьютеры, которые в совокупности более эффективно обрабатывают информацию различных классов за дач.

Кроме этого, в компьютере появляются новые возможности обра ботки данных, которые сейчас принципиально нельзя применять, по скольку память регистров базируется на двоичных триггерах. При ми липрограммному управлении можно использовать новые переходы:

укрупненные и вероятностные, расширяющие возможности компью тера, систем и сетей. Это позволяет создавать многофункциональные устройства, компьютеры, системы и сети, способные перестраивать алгоритмы своей работы в зависимости от потребностей объекта управления.

Общую информацию можно также подавать как отдельную (част ную) и общую (управляющую). Такое иерархическое разделение ин формации конечно и возможно до определенного минимального объ ема общей информации.

Основной отличительной особенностью принципа иерархическо го программного управления является то, что частная управляющая информация разбивается на блоки (подмножества) состояний, область функционирования которых определяется состоянием общей управ ляющей информацией, генерирующую входной сигнал для этих бло ков состояний (реализуя функцию сохранения состояний).

11. Ускорения выполнения алгоритмов в реконфигурирован ных компьютерных системах на многоуровневых схемах па мяти Возможность к самосовершенствованию может быть заложена в любой алгоритмической системе, как писал академик В.М. Глушков [25]. Алгоритм, который изменяется в течение времени (в зависимо сти от предыдущей входной информации) свою реакцию на те или иные входные слова, в современных последовательных системах об работки информации называют самоизменяемыми, обучающими или реконфигурированными.

Когда алгоритм А - некоторый реконфигурированный алгоритм, то он определяет не один алфавитный оператор, а целое семейство та ких операторов. На практике реконфигурированные алгоритмы зада ются в виде специальным образом организованной системы алгорит мов. В простейшем случае такая система состоит из двух алгоритмов.

Первый из этих алгоритмов А осуществляет переработку информации (преобразование входных слов в выходные). Этот алгоритм называют рабочим. Второй алгоритм В называют контролирующим, обучающим или алгоритмом автомата стратегии. Алгоритм В влияет на алгоритм А, изменяя алгоритм его работы. В современных компьютерах влия ние алгоритма В осуществляется после каждого преобразования рабо чим алгоритмом А очередного входного слова в соответствующее ему выходное слово, как это показано в разделе 1.

В поликомпьютерах есть возможность изменения последовательного порядка работы системы алгоритмов В, обрабатывающих общую ин формацию, и А, обрабатывающий отдельную (частичную) информа цию, на параллельную (одновременную) работу алгоритмов В и А. Эта возможность объясняется тем, что используются в поликомпьютере многоуровневые элементарные схемы памяти, которые одновременно запоминают общую и частную информацию и используются в устрой стве управления (рис. 4.5), в котором общая информация влияет на ча стную информацию, изменяя алгоритм ее работы.

В ряде случаев можно обобщить понятие поликомпьютера, кото рое обрабатывает только систему, состоящую из двух алгоритмов В и А, к обработке системы алгоритмов разных уровней. Для этого ис пользуются элементарные многоуровневые схемы памяти, имеющие более уровней, чем 2. В этом случае алгоритм автомата стратегии пер вого уровня влияет на алгоритм автомата стратегии второго уровня;

алгоритм автомата стратегии второго уровня влияет на алгоритм ав томата стратегии третьего уровня и вносит в него некоторые коррек тивы и т. д. Подобная ступенчатая организационная система элемен тов памяти поликомпьютера позволяет одновременно обрабатывать системы самосовершенствующих алгоритмов, что позволяет ускорить обработку высоких форм самосовершенствования и самоорганизации в поликомпьютерных системах.

Заключение Рассмотрены способы построения многофункциональных и мно гоуровневых схем памяти, принципы и методы структурной организа ции реконфигурированных параллельных регистров, регистров сдви га, счетчиков и устройств управления, которые допускают одновре менную обработку общей и частной информации, дают новые функ циональные возможности этим устройствам и повышают быстродей ствие их перестройки.

Также рассмотрены новые принципы и методы построения архи тектуры и структуры процессоров с применением многоуровневых схем памяти и построения поликомпьютеров, одновременно обраба тывающих общую и частную информацию.

В целом можно заключить, что предложенные результаты работы дают направление системно проектировать реконфигурированные устройства компьютерных систем с учетом схем автоматной памяти, которые имеют меньше аппаратурных затрат и большую скорость при перестройке алгоритмов работы.

Что же главное и принципиальное в подходе, предложенном Ма раховским Л.Ф.:

1. Созданы и запатентованы многофункциональные [85] и много уровневые [80–81] элементарные схемы памяти, которые по быстро действию не уступают триггерам, и:

имеют меньше аппаратурных затрат на одно запоминаемое со стояние (выигрыш в аппаратуре!);

имеют меньше на порядок внутренних связей, что очень важно при разработке интегральных схем;

И самое главное – способны изменять структуру запоминания со стояний в процессе работы и осуществлять определенное направление информации, что триггеры принципиально делать не в состоянии;

2. Запатентованы:

Электронная вычислительная машина [75] на многофункцио нальных [85] и многоуровневых [80–81] элементарных схемах памяти;

Структурный автомат [79], в котором защищена теория много функциональных автоматов 1-го, 2-го и 3-го рода;

Микропрограммное устройство управления [77], на многофунк циональных [85] и многоуровневых [80–81] элементарных схе мах памяти.

Эти все реконфигурируемые устройства способны изменять алго ритм своей работы на «элементном» уровне за счет способности схем автоматной памяти [85] осуществлять свои переходы по двум пере менным: устанавливающим и сохраняющим входным сигналам.

ЧАСТЬ МОДЕЛЬ ЦИФРОВОГО ИСКУССТВЕННОГО НЕЙРОНА НА СХЕМАХ АВТОМАТНОЙ ПАМЯТИ Введение В настоящее время искусственный интеллект (ИИ) рассматрива ется, как одно из научных направлений информатики. Работы по ис кусственному интеллекту развернулись с началом промышленного использования вычислительной техники [52;

109].

Исследуя неудачи и трудности создания ИИ на современном этапе автор приходит к выводу, что фундаментальные исследования в области человеческого мозга, его нейрона еще не привели к созданию соответствующей модели клетки нейрона, его модели связей, характеризующих реальный объект. В связи с этим и используются суперкомпьютеры, которые по внешним характеристикам создают модель «действия кошки».

В четвертой части рассматривается попытка создания модели цифрового искусственного нейрона, реализованного на основе схем перестраиваемой (автоматной) памяти, которая может стать основой для нового направления в разработках систем с повышенным интел лектом.

12.1. Предварительные понятия о модели нейрона Глубокое изучение любой из наук, а тем более наук связанных прямо или косвенно с человеческим мозгом (медицины, психологии, кибернетики, вычислительной техники и т. д.), приводит к необходи мости изучения процессов мышления человека. Мир внутри человека можно по сложности изучения сравнить с миром Вселенной, которая окружает человека. С незапамятных времен и до сих пор строение клетки нейрона, структура человеческого мозга и его возможности яв ляется важной проблемой философии, религии и психологии, и актив но обсуждается во многих научных трактатах часто с непримиримо стью в суждениях.

В настоящее время в области вычислительных машин встала ост рая проблема изучение всех аспектов человеческого мозга в связи с необходимостью создания более качественных компьютерных систем искусственного интеллекта, которые должны приближаться к воз можностям мышления человеческого мозга. Вместе с тем, ряд ученых высказываются скептически о возможностях создания систем искус ственного интеллекта равного человеческому мозгу [138].

В эпоху всеобщей интеллектуализации, когда компьютерные сис темы будут беседовать с человеком на его языке, напоминать, преду преждать и объяснять возможные варианты насущных проблем, вы зывает большой интерес методы и интерактивные программные сред ства, которые соответствуют по возможностям человеческому мыш лению. Интеллектуальные системы компьютерного наставничества (Intelligence Tutor Systems), с учетом типа и уровня интеллекта пользо вателя должны воспринимать действия и предсказывать последствия реализации сознательных и бессознательных целей и мотивов поведе ния человека.

В связи этим становится понятным актуальность и интерес к ра боте памяти человеческого мозга и его основного элемента – нейрона с позиции многофункциональных и многоуровневых схем памяти [61– 63].

12.2. Свойства человеческого мышления В человеческом мозгу кроме рациональных и иррациональных чисел однозначного логического мышления существует мышление вероятностное, ассоциативное и нечеткое. Профессор. Л. Заде утвер ждает, что теория размытых (нечетких) множеств более приемлема для мышления человека во многих случаях принятия им решения, а особенно при сложных, многовариантных решениях [34-35]. Теория нечетких множеств – это, по сути дела, шаг по пути к сближению точ ности классической математики и всепроникающей неточности ре ального мира, к сближению, порожденному непрекращающимся чело веческим стремлениям к лучшему пониманию процессов мышления и познания [35]. По существу Л. Заде и его последователи сходятся на том, что логика человеческого мышления основывается не только на классической двухзначной или даже многозначной логике, а и на ло гике с нечеткими значениями истинности, с нечеткими связками и не четкими правилами вывода. Теория нечетких подмножеств позволяет структурировать иерархические структуры, которые разделены не очень точными границами. Например, при изучении мыслей, языков и восприятий у людей.

12.3. Основы кратковременной памяти человеческого мозга В своих работах Л.А. Хурсин [138] отразил характеристики че ловеческого мозга как продукта функционирования общественной системы, основным структурным элементом которой является чело век, способный адаптироваться к воздействию внешнего мира и осу ществлять в пределах присущих ему сознания и воли целесообразные действия. Это прежде всего процесс трудовой деятельности, являю щийся по своей природе информационным процессом.

Опосредованную трудом человека информацию он назвал свя занной информацией, в связи с тем, что она накоплена в мозгу челове ка посредством его обучения. Свободной информацией он назвал ин формацию в связи с тем, что она синтезируется мозгом человека при восприятии реакции внешней среды на совершенные человеком дей ствия.

Первичный поток связанной информации обеспечивает жизне деятельность и выживание каждого человека, как элемента общест венной системы, а вторичный поток связанной информации повышает эффективность первичного информационного потока и обеспечивает выживание системы в целом.

Состояние системы, при котором создаваемый ею информаци онный поток содержит в равных количествах функциональную и структурную информацию, было названо состоянием информацион ного равновесия системы.

Рассматривая систему общественного типа и кратковременную память человеческого мозга, Хурсин вводит множество определений и формул, некоторые из которых мы опишем для дальнейшего понима ния наших исследований.

Система из N элементов в состоянии информационного равно весия имеет структуру, состоящую из n иерархических уровней. Ко личество информации, которое создают элементы каждого иерархиче ского уровня системы, являются величиной постоянной. Количество информации, которое вносит в информационный поток каждый эле мент системы, называется информационной емкостью элемента сис темы. В иерархической структуре системы все ее элементы упорядо чены от высшего (частного) к низшему (общему) уровню в порядке убывания их информационной емкости.

В области психологии было установлено, что возможности вос приятия абсолютного различия стимулов и скорость двигательных ре акций ограничены количеством передаваемой информации. Было оп ределено, что число символов или «кусков» информации является по стоянным и равно «семь плюс или минус два». Хурсин показал, что число иерархических уровней информационной структуры оператив ной памяти человеческого мозга как число 7,6, то есть лежит в преде лах от 7 до 8.

Продуктом мыслительной деятельности человека является по ток свободной информации, представляющих собою множество свя занных между собою образов, различной информационной сложно сти. Информационная характеристика человеческого мозга определя ет верхнюю границу числа уровней сложности образов, которые чело век может воспринимать и которыми может оперировать в процессе мышления. Верхняя граница количества информации, которую несут образы каждого уровня сложности приблизительно равно 735,1 нит/ элемент. Эта константа устанавливает пределы, между которыми че ловек еще способен устанавливать связи. Это ограничение, по нашему мнению, определяет утверждение теоремы Геделя о неполноте дедук тивных систем [97], а также характеризует свойства кратковременной памяти человеческого мозга.

Из этого ограничения вытекает следствие, что обращаемый в оперативной памяти информационный поток не может превысить значение 5586,76 нит/элемент.

Структура любой системы образуется из множества элементов и связей между ними. В процессе мышления связи между элементами устанавливаются на основе набора признаков (свойств), которыми ха рактеризуются элементы системы. Число признаков, которыми может оперировать человек в процессе восприятия и мышления, равно нит/элемент. Это число делится на равное количество структурных и функциональных признаков, числа которых равны 27 нит/элемент.

Эти результаты подтвердились при исследовании социальной струк туры рабочего класса: «из 54 признаков в опросном листе были ото браны 27 признаков (свойств), которые представлялись наиболее су щественными для классификации индивидов…».

Эти константы принято называть «умственными способностя ми» человека. «Человек не может развивать свои умственные способ ности так, как он может развивать мускулы. Единственно, что он мо жет сделать – это усовершенствовать свое искусство в применении умственных способностей. Это важное отличие, которое неспециалист не различает». Сущность этого усовершенствования состоит в приоб ретении информации определенных уровней сложности и освоении методов ее логической переработки.

Общее количество образов, составляющими информационный поток, способных обращаться в оперативной (кратковременной) памя ти человеческого мозга приблизительно определено до 1121, а вели чина информационной емкости порога как функциональной, так и структурной информации определено приблизительно 27. В алфави тах большинства развитых современных языков (включая раздел меж ду буквами) является число 27.

Познание мира человеком ограничено в пределах сколь угодно пересекающихся областях не только объемом кратковременной памя ти, но и объемом долговременной памяти.

12.4. Проблемы создания модели человеческого мозга Человеческий мозг имеет ряд преимуществ перед всеми технико кибернетическими устройствами по таким важным, на взгляд автора, свойствам.

Во-первых, входные сигналы, поступающие из внешней среды, воздействуют на глаза, уши, тело, на вкусовые качества еды и т.д.

Как сказано в Библии – «Вначале было слово», которое настраи вает мозг, как и остальные воздействия внешней среды.

В связи с этим для создания модели человеческого мозга должны быть разработаны соответствующие датчики и желательно их выход ные сигналы лучше всего представлять в цифровом виде, для лучшей стыковки с устройствами цифровой техники.

Во-вторых, информация, которая поступает из внешней среды, обобщается. Это видно на примере глаза. Рецепторов в глазе порядка 18–20 миллионов, а колбочек, которые обобщают видимую информа цию через рецепторы глаза, порядка 72 тысяч. То есть происходит сжатие информации приблизительно в 256 раз уже на втором уровне (рис. 1.4). Эту проблему сжатия информации важно понять и решить технически.

Рис. 12. 1. Биологическая схема горизонталь ной организации сжатия информации На рис. 12.1 изображена биологическая схема горизонтальной ор ганизации сжатия информации и, что важно, показано 8 уровней, что соответствует уровням человеческого мозга [138]. Таким образом, проблема состоит в создании устройств управления, имеющих не ме нее 8 уровней, и на каждом уровне информация должна обобщаться не менее чем в 256 раз.

В-третьих, необходимо рассматривать естественную расширяю щую связь между нейронами человеческого мозга, которая изображе на на рис. 12.2.

Рис. 12.2. Процесс развития коры человеческого мозга человека Это изображение показывает, как постепенно начинают устанав ливаться связи у ребенка с трех месяцев до двух лет, необходимые для обобщения полученной (расширяющей) информации, построения со ответствующих шаблонов и моделей, отражающих реальный мир ин дивидуального человека. Таким образом, проблема состоит в создании возможностей расширять связи между искусственными нейронами при увеличении информации или ее обобщении.

В четвертых, человеческий мозг, обладая от 14 – 20 миллиардов нейронов. Это достаточно большая структура по количеству нейро нов, которую трудно физически создать на современном этапе разви тия техники, а тем более ею управлять (рис. 12.3).

Талантливый математик Фрэнк Пламптон Рамсей доказал, что полная неупорядоченность невозможна в таких больших структурах, как человеческий мозг, Вселенная и т.д. Каждое достаточно большое множество чисел, точек или объектов обязательно содержит упорядо ченную структуру. Работы в этом направлении подтвердили этот важ ный результат [144]. Однако, проблема создания упорядоченных структур в модели человеческого мозга остается.

И пятое, в мозгу нет вычислительной машины, логический тео рий, позиционных систем счисления, а только своя логика получения информации, сжатия информации, выбор пути связи с другими клет ками, для обобщения этой информации. Вычисления, рассуждения, системы счисления и любые другие алгоритмы являются производ ными тех моделей, которые уже обобщены и представляют для чело века интерес, как пишет Никитин Н.А. в интересной работе «Логика управления клетки» [102].

12.5. Информационные характеристики нейрона человеческого мозга Материал, взятый из Википедии — свободной энциклопедии – описывает характеристики нейрона человеческого мозга следующим образом Нейроны (от греч. nuron)— нервные клетки, структурно функциональные единицы нервной системы (рис. 12.4). Нейрон со стоит из тела и отходящих от них отростков – относительно коритких дендринов и длинного аксона. Нейроны проводят нервные импульсы от рецепторов в центральную нервную систему и от центральной нервной системы к испольнительным органам. Нейроны взаимодейст вуют между собой и с клетками испольнительных органов чере з си напсы. Одни синапсы вызывают деполяризацию нейрона, другие — гиперполяризацию;

первые являются возбуждающими, вторые — тормозящими. Обычно для возбуждения нейрона необходимо раз дражение от нескольких возбуждающих синапсов.


Рис. 12.4. Типичная структура нейрона Дендриты — как правило, короткие и сильно разветвлённые отро стки, служащие главным местом образования влияющих на нейрон возбуждающих и тормозных синапсов (разные нейроны имеют раз личное соотношение длины аксона и дендритов). Нейрон может иметь несколько дендритов и обычно только один аксон. Один нейрон мо жет иметь связи с 20-ю тысячами других нейронов.

Местом генерации возбуждения у большинства нейронов являет ся аксонный холмик — образование в месте отхождения аксона от те ла. У всех нейронов эта зона называется триггерной.

В зависимости от интенсивности функциональной нагрузки ней роны формируют тот или иной тип волокна.

Различия между биологическим и искусственным нейроном со стоит в следующем.

Нейронные сети, построенные на искусственных нейронах, обна руживают некоторые признаки, которые позволяют сделать предпо ложение о сходстве их структуры со структурой мозга живых орга низмов. Тем не менее, даже на низшем уровне искусственных нейро нов существуют существенные различия. Например, искусственный нейрон является безынерционной системой, то есть сигнал на выходе появляется одновременно с появлением сигналов на входе, что совсем нехарактерно для биологического нейрона, имеющего память.

Из рассмотренных информационных характеристик нейрона моз га живых организмов выделим такие:

1. входные сигналы, поступающие на нейрон, состоят из двух типов: возбуждающих и тормозящих;

2. нейрон запоминает информацию;

3. выходные сигналы нейрона в зависимости от интенсивно сти функциональной нагрузки формируют тот или иной тип волокна, т.е. имеет определенное функциональное направ ление.

Исходя из этих информационных характеристик нейрона, в даль нейшем рассмотрим предлагаемый нами его цифровой искусственный эквивалент.

12.6. Принципы построения системы искусственного интеллекта Действительный член МАСП, МАЭБП В. Говоров в работе «Па радигма новой науки Руси» писал о мироздании, как системы, сле дующее.

«Любой Творец, создавая Систему, использует основные принци пы (каноны) ее построения. Прежде всего, Система неоднородна – ис пользуется принцип многообразия, но эти неоднородности связаны непротиворечивым взаимодействием. Система многофункциональна – и каждая ее часть способна выполнять не только свои функции, но и дублировать функции других частей системы. Особенно это касается функций управления Системой – обязательно дублирование команд управления, наличие отдельной «обратной связи», независимого кон троля за исполнением команд управления. Наличие одного Центра управления Системой чревато последствиями выхода его из строя необходим еще один резервный Центр. Система обязана обеспечивать свое устойчивое развитие, самообучаемость, жизнестойкость, обла дать способностью адекватно реагировать на внешние воздействия, обладать необходимым «запасом прочности», или «непотопляемо стью» Системы. В случае разрушения части Системы обязательно предусматривается возможность ее восстановления (регенерации), и, как крайний случай, при разрушении всей Системы ее аварийное вос становление (эффект Феникса), требующий наличия отдельного Цен тра аварийного восстановления Системы (Фантом).

Все эти условия выполнимы при наличии:

- Основной и Резервной математических систем;

- Основного и Резервного языков программирования и управле ния;

- Полной и продублированной взаимосвязи между Блоками Сис темы с системой распознавания «Свой-Чужой»;

- Независимых Центров Анализа и Прогнозирования.

И еще одно Главное Условие – все это должно описываться Еди ным Языком, не допускающим двоякого толкования»

В этой работе В. Говоровъ дал количественные характеристики языковой Славянской системе языка, которая уже сейчас имеет более 700 Буковъ. Это число букв находится в пределе информационной ха рактеристики кратковременной памяти человеческого мозга, которая равна 735 элем.

Кроме того, упоминается, что наш Язык состоял из более тысячи Букв Славянского Праалфавита, что соответствует максимальной об ласти восприятия кратковременной памяти человеческого мозга, ко торая ограничена числом элементов равным 1121 элем.

Интересны количественные характеристики, описанные В. Гово ровым, что для управления Системой Мироздания созданы Пантеоны Православных Богов – 9 Пантеонов, в которых 108 Богов.

12.7. Методы проектирования модели искусственного нейрона на схемах автоматной памяти На наш взгляд, наиболее приемлемым устройством в настоящее время для построения цифровой модели искусственного нейрона яв ляются открытая структура многофункциональных схем памяти, ко торые как нейрон имеют два множества входных сигналов: устанав ливающих (возбуждающих) и сохраняющих (тормозящих). Возбуж дающие входные сигналы биологического нейрона от нескольких других нейронов, которые позволяют накопить (суммировать) инфор мацию и преодолеть его порог для выдачи активного сигнала, вполне можно заменить цифровой схемой совпадения от нескольких выходов других нейронов. Такие схемы совпадения, которых может быть больше одной, возможно было бы реализовать на обычных схемах И ИЛИ.

Для создания полузакрытой схемы цифрового искусственного нейрона (ЦИН) для МФСП можно использовать автомат стратегии Ам, который совместно с МФСП реализует МУСП. В автомат стратегии МУСП записывается общая информация, которая определяет выход ной сигнал и его направление в МФСП.

Нероны самоконтролируют свою работоспособность. Рассмот ренные нами автоматы 4-го рода и соответсвующие функциональные схемы самоконтроля позволяют осуществлять самоконтроль катаст рофических отказов в базовых схемах памяти.

Нейрон является перестраиваемой структурой. Предлагаемый прототип нейрона ЦИН тоже имеет возможность перестройки струк туры запоминаемых состояний при изменении общей информации в автомате стратегии Ам.

Чтобы реализовать максимальную структуру МФСП в ЦИН по количеству М запоминаемых состояний и количеству re сохраняющих е() входных сигналов, можно воспользоваться структурой, которая описывается на символьном языке в виде максимального десятираз рядного числа 9999999999.

Число М запоминаемых состояний МФСП определяется по фор мулам (5.4) и (5.10).


Число Ki запоминаемых состояний в одной группе МФСП, со стоящей из девяти логических элементов И-НЕ (ИЛИ-НЕ), составляет 29-1=511 (5.4), а число М запоминаемых состояний всей МФСП соста вит 5110 (5.10).

Число же re сохраняющих е() входных сигналов для МФСП со ставляет число 51110, которые можно реализовать в десяти разрядном регистре, каждый разряд которого состоял бы из девятизначных триг геров.

Минимальное символьное число 21 описывает МФСП по количе ству логических элементов в. Число М запоминаемых состояний всей МФСП равно 4, а число re сохраняющих е() входных сигналов для МФСП равно 3.

Одно состояние, группы с одним логическим элементом, будет характеризовать МФСП в нулевом состоянии, когда ЦИН невозбуж ден, а три его состояния другой группы, в которой два логических элемента, будут характеризовать возбужденные состояния ЦИН.

Для создания ЦИН с достаточно большим числом состояний, та ких МСФП необходимо использовать в регистре не менее восьми. То гда число запоминаемых состояний будет равно 38=6561.

12.8. Структурная модель цифрового искусственного нейрона Схему структурной модели ЦИН представим в виде регистра, со тоящего из восьми МУСП со схемами контроля для выявления ката строфических отказов в каждои МУСП. МУСП каждого розряда регги y” ” b1 a & & z b2 a & & z b3 a & & z y” Рис. 12.6. Схема одного разряда регистра ЦИН стра состоят из МФСП, содержащей в одной группе два логических элемента И-НЕ (ИЛИ-НЕ), а в другой группе по одному логическому элементу И-НЕ (ИЛИ-НЕ), схемы контроля для выявления катастро фических отказов в МФСП и автомата стратегии АМ, представленного как трехзначный триггер. Рассмотрим структуру одного разряда моде ли ЦИН без схемы контроля (рис. 12.6).

Входные узлы y”1” и y”0” во всех разрядах регистра ЦИН соот ветственно объединены с входными узлами Y”1” и Y”0” входной ус танавливающей ВШУ шины МФСП, а входные узлы z1, z2, z3 соответ ственно соединены с узлами входной шины ВШZi (i= 1, 2, …, 8) авто мата стратегии АМ.

Функционирование схемы одного разряда регистра ЦИН осуще ствляется так: параллельная установка автомата стратегии АМ в одно из запоминаемых состояний и установка в единичное состояние МФСП. В соответствии с состоянием автомата стратегии АМ МФСП генерирует три состояния, о котрых говорилось при анализе МУСП.

Выходными сигналами одного разряда ЦИН являются выходые сиг налы МФСП а1 и а2, комбинация которых и составляет три состояния.

При установки МФСП в нулевое состояние выходной сигнал не появ ляется на выходе всего ЦИН.

Таким образом, соблюдается условие, что только единичные сиг налы одной группы, в которой логических элементов больше одного, в каждом разряде регистра ЦИН составляют коды выходных состоя ний. В регистре ЦИН, таким образом, может быть 38 состояний, кото рые могут передаваться для возбуждения другим ЦИН. Целенаправ ленность соединения одного ЦИН с другим будет определяться соот ветсвующим целенапрвленным выходным кодом. Настройка выход ного кода ЦИН для связи с другим ЦИН определяется состояниями автоматов настройки ЦИН.

При включении в каждый разряд регистра схемы контроля воз можна замена неисправного разряда регистра ЦИН на исправный, ес ли он физически заменяется или заменяется при моделировании в па мяти компьютера.

Регистр ЦИН можно сравнить с биологическим нейроном (рис.

12.5) следующим образо.

Возбуждение нейрона происходит при суммировании возбуж дающих сигналов, поступающих с выходов других нейронов на си напсы данного нейрона. В регистре ЦИН возбуждение (установка в единицу МФСП) наступает, когда на узел y’1” поступает восьмирич ный код с другого регистра ЦИН.

Когда на узел y’0” регистра ЦИН поступает тормозящий сигнал (установка в нуль всех МФСП), то регистр ЦИН не выдает выходной сигнал и регистр ЦИН не осуществляет связь с другим регистром ЦИН, как это происходит в биологическом нейроне.

Автоматы стратегии АМ в регистре ЦИН, на наш взгляд играют роль дендринов, которые определяют направление выходного кода регистра, необходимого для связи с определенным регистром ЦИН.

Восьмиричный выходной код регыстра ЦИН, на наш взгляд, можно сравнить с длинным аксоном в биологическом нейроне.

Конечно, автор понимает, что его аналогии не охватывают всей сложности биологического нейрона, но достаточно полно описывают его известные ему функции. Кроме того, автор надеется, что такой нейрон, реализованный на схемах автоматной памяти, будет более адекватен нейрону, чем предлагаемые схемы нейронов построенных с памятью на триггерах.

Заключение Проявления тройственности нашего мира можно наблюдать по всюду. Например, в таблице Менделеева, в математике, логике, при моделировании схем памяти [22;

37–38;

51], в симметрия [130], в му зыке [10], в генетике [101], в религии: [135].

Таким образом, число три, связано с устойчивостью, целостно стью любых элементов или систем. Устойчивость системе, даёт со единение в единое целое, трёх фундаментальных составляющих лю бой системы [22;

28].

Восьмёрка встречается в природе, тоже, довольно часто. Коли чество чакр у человека, у восьмилучевых коралловых полипов. у ось минога – 8 длинных щупалец, как и у кальмара, у звезды астеридеи – лучей. Индийские генетики установили, что восьмерка-Мебиус, слу жит пространственным каркасом ДНК, а физики столкнулись с прояв лением числа 8, на уровне элементарных энергетических структур.

Примеров в живой и неживой Природе достаточно много.

Таким образом, выбор двухуровневого восьмиразрядного реги стра, у которго МФСП описывается символьным числом 21, а автомат стратегии АМ символьным числом 111, не является случайным для реализации ЦИН. Однако, это не ограничивает разработчика ЦИН для проектирования произвольной структуры на МУСП, состоящей их МФСП и автомата стратегии АМ.

ВЫВОДЫ Несмотря на скептические высказывания о построении логиче ской машины, которая по своим возможностям превышает умствен ные возможности человека, работы по искусственному интеллекту продолжаются и дают положительный результат.

Предлагаемые теоретические и практически вопросы теории мно гофункциональных автоматов, теории построения многофункцио нальных и многоуровневых схем автоматной памяти, методы по строения реконфигурированных типовых устройств компьютерной техники и методов построения моделей цифровых искусственных нейронов на схемах автоматной памяти в своей совокупности опреде ляют основы новой информационной технологии. Эта новая инфор мационная технология при ее применении позволит создавать конку рентноспособные устройства компьютерной техники с повышенными функциональными возможностями, то есть с повышенным машинным интеллектом.

ЛИТЕРАТУРА 1. IBM пытаются имитировать человеческий мозг http://www.pcwork.ru/ ibm_pyitayutsya_ imitirovat_chelovecheskiy_mozg.htm 2. IBM работает над созданием "компьютерного мозга" http://www.

cybersecurity.ru/it/82336.html 3. Malinovsky B/N/ Computer Pioners of Countries // Праці міжнародного сим позіуму з історії створення перших ЕОМ та внеску європейців в розвиток комп’ютерних технологій – К.: «Феникс» УАИНП, 1998. – С. 27-30.

4. Millar G.A. Human memory and the storage of information. JRK Trans on theory, 1956, 5. Millar G.A. Information and memory. Scientific American. 2. 1956, –195 p.

6. Wilkes Mauris Early Digital Computer Developments in England // Праці міжна родного симпозіуму з історії створення перших ЕОМ та внеску європейців в розвиток комп’ютерних технологій – К.: «Феникс» УАИНП, 1998. – С. 13 16.

7. Авер’янова Ю.А., Харченко Р.П. Схемотехнічна практика: навч. посібник. – К.: НАНУ, 2003. – 180 с.

8. Авиженис А. Отказоустойчивость – свойство, обеспечивающее постоянную работоспособность цифровых систем // Тр. ин-та инженеров по электротех нике и радиоэлектронике. – 1978. –Т. 66. –№ 10. –С. 5–15.

9. Ангер С. Асинхронные последовательные схемы. – М.: Наука, 1977. – 400 с.

10. Анисимов А.В. Информатика. Творчество. Рекурсия. – К.: Наук. думка, 1988.

– 223 с.

11. Анисимов А.В. Компьютерная лингвистика для всех: Мифы. Алгоритмы.

Язык. – К.: Наук. думка, 1991. – 208 с.

12. Апериодические автоматы / Под ред. В.И.Варшавского. – М.: Наука, 1976. – 423 с.

13. Базь Г.А., Самохвалов Е.А. Основы построения узлов электронных вычисли тельных машин: Учеб. пособие. К.: КИНХ, 1978. – 109 с.

14. Баранов С.И. Синтез микропрограммных автоматов: (графсхемы и автоматы).

– Л.: Энергия, 1979. – 232 с.

15. Бибило П.Н., Лицкевич В.Г. Покрытие булевой сети библиотечными елемен тами // УСиМ – 1999. –№4.–С. 7–12.

16. Букатов А.А., Дацюк В.Н., Жегуло А.И. Программирование многопроцессор ных вычислительных систем. – Ростов-на-Дону, Изд-во ООО “ЦВВР”, 2003.

– 208 c.

17. Букреев И.Н., Мансуров В.М., Горячев В.И. Микроэлектронные схемы циф ровых устройств. – М.: Сов. радио, 1975. – 368 с.

18. Бухараев Р.Г. Основы теории вероятностных автоматов. – М.: Наука, 1985. – 288 с.

19. Вавилов Е.И., Портной Г.Н. Синтез схем электронных цифровых машин. М.:

Сов. радио, 1963. – 440 с.

20. Варшавский В.И. Однородные структуры: Анализ. Синтез. Поведение. – М.:

Энергия, 1973. –152 с.

21. Гаврилов М.А., Девятков В.В., Пупырев Е.И. Логическое проектирование дискретных автоматов. – М.: Наука, 1977. – 352 с.

22. Гагин В. Системный анализ «Лезвые жизни». – Одесса: Эл. изд., 2001. – с.

23. Гергель В.П., Стронгин Р.Г. Основы параллельных вычислений для много процессорных вычислительных систем. – Учебное пособие.– Нижний Нов город: Изд-во ННГУ им. Н.И. Лобачевского, 2003. – 184 с.

24. Глушков В.М. Синтез цифровых автоматов. – М.: Физматгиз, 1962. – 476 с.

25. Глушков В.М. Теория алгоритмов. –К.: КВИРТУ, 1961. – 167 с.

26. Глушков В.М., Капитонова Ю.В., Мищенко А.Т. Логическое проектирование дискретных устройств. – К.: Наук. думка, 1987. – 264 с.

27. Граф Р.Ф. Энциклопедия электронных схем / Р.Ф. Граф, В. Шиитс. – М.:

ДМК, 2007. – 249 с.

28. Друнвало Мельхиседек. Древняя тайна Цветка Жизни. –в двух томах. /Перев.

с англ. под ред. И.В. Сутоской. – М.: ООО Издательство «София», 2007. – 624 с. (т.1. –304 с.;

т. 2. – 320 с.) 29. Дрейфус Х. Чего не могут вычислительные машины. Критика искусственного разума. Пер. с англ. – М.: Прогресс, 1978 – 334 с.

30. Евдокимов В.Ф. Стасюк А.И., Щербаков В.И. Матричные вычислительные устройства: Алгоритмы и структуры. – К.: Наук. думка. 1993. –151 с.

31. Евдокимов В.Ф. Стасюк А.И., Щербаков В.И. Матричные вычислительные устройства: Алгоритмы и структуры. – К.: Наук. думка. 1993. –151 с.

32. Евреинов Э.В., Прангишвили И.В. Цифровые автоматы с настроиваемой структурой (однородные среды). – М.: Энергия, 1974. –240 с.

33. Забара С.С., Комухаев Э.И., Куссуль М.Э., Сахарин В.Г. Проектирование ло гических схем нейрокомпьютера в элементном базисе ПЛИС ХС2000 // УСиМ. – 1993. –№ 1. – С. 9–15.

34. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. – М., 1974. – С. 5–49.

35. Заде Л.А. Понятие лингвистической переменной и его применение к приня тию приближенных решений: Пер. с англ.. – М.: Мир, 1976. – 165 с.

36. Закревский А.Д. Логический синтез каскадных схем. – М.: Наука, 1981. – с.

37. Иванов Вяч. Вс. Чет и нечет. Асимметрия мозга знаковых систем. М.: Сов.

радио, 1978. –С.62.

38. Иванов-Муромский К.А. Мозг и память. –К.: Наук. думка, 1987. –136 с.

39. Иваськив Ю.Л., Нагорный Л.Я. Мультимодульные структуры в задачах ли нейных уравнений. – К.: УСиМ. - №3. – 2004. – с.8-15.

40. Информационные системы / Петров В.Н. –СПб.: Питер, 2002. – 688 с.

41. Искусственный интеллект – основа новой информационной технологии. / По спелов Г.С. – М.: Наука, 1988. – 280 с.

42. Каляев И.А., И.И. Левин И.И., Семерников Е.А. Реоконфигурируемые муль тиконвеерные вычислительные структуры М.: ЮНЦ РАН, 2008. – 395 с.

43. Карлащук В.И. Электронная лаборатория на IBM PC. Т. 2. Моделирование элементов телекоммуникационных и цифровых систем. 6-е изд., перераб. и дополн. – М.: СОЛОН-ПРЕСС, 2006. –640 с.

44. Коваленко А.Е., Гула В.В. Отказоустойчивые микропроцессорные системы. – К.: Техника, 1986. – 150 с.

45. Козлов Б.А., Ушаков И.А. Справочник по расчету надежности аппаратуры ра диоэлектроники и автоматики. – М.: Сов. Радио, 1975. – 472 с.

46. Компьютерная схемотехніка (краткий курс) / Р.О. Процюк, В.Н. Корнейчук, П.В. Кузьменко, В.П. Тарасенко. – К.: ПП «Корнійчук», 2006. – 433 с.

47. Кондратов А.М. Электронный разум. Очерк исследований проблеме по искус ственного интеллекта. – М.: Знание, 1987. – 178 с.

48. Коршунов Ю.М. Математические основы кибернетики: Учеб. пособие для ву зов. – 3-е изд., перераб. и доп. – М.: Энергоатомиздат, 1987. – 496 с.



Pages:     | 1 |   ...   | 3 | 4 ||
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.