автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.05, диссертация на тему:Устройства динамического приоритета на основе нейронных технологий

На правах

ЮЖАКОВ Александр Александрович

УСТРОЙСТВА ДИНАМИЧЕСКОГО ПРИОРИТЕТА НА ОСНОВЕ НЕЙРОННЫХ ТЕХНОЛОГИЙ

Специальность: 05.13.05 - Элементы и устройства вычислительной техники и систем управления

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Пермь 2006

Работа выполнена в Пермском государственном техническом университете.

Научный руководитель: доктор технических наук, профессор Матушкин Николой Николаевич

Официальные оппоненты: доктор технических наук, профессор Тюрин Сергей Феофентович,

кандидат технических наук Березняков Сергей Вадимович.

Ведущая организация: Федеральное государственное унитарное предприятие Научно-исследовательский институт управляющих машин и систем, г. Пермь

Защита диссертации состоится «14» июня 2006 г. в 1630 часов на заседании диссертационного совета Д212.188.04 при Пермском государственном техническом университете по адресу: 614000, г. Пермь, Комсомольский пр., 29, ауд. 212.

С диссертацией можно ознакомиться в научной библиотеке Пермского государственного университета.

Автореферат разослан « » 2006 г.

Ученый секретарь диссертационного совета доктор технических наук, профессор

А.А. Южаков

А.

/ГУМ

Общая характеристика работы

Актуальность работы. В настоящее время в различных отраслях науки и техники широкое распространение получили информационно-управляющие системы (ИУС). ИУС используются в автоматизированных системах научных исследований, системах автоматизации испытаний ракетных и авиационных двигателей, автомобилей, электронной аппаратуры, в автоматизированных системах управления технологическими процессами и пр. Для многих ИУС характерно, что входные информационные потоки являются асинхронными как по отношению друг к другу, так и по отношению к подсистемам преобразования и обработки. В большинстве известных ИУС организация взаимодействия входных информационных потоков с подсистемами преобразования и обработки данных реализуется на основе алгоритмов циклического опроса. Однако, применение циклического опроса при сложных асинхронных входных потоках, как показали исследования Авдеева Б.Я., Мельникова В.А., Матушкина H.H., Трояновского В.М., Чернявского Е.А. требует повышенного быстродействия подсистем преобразования и обработки данных и обуславливают снижение эффективности использования их вычислительного ресурса.

Поэтому при наличии в ИУС асинхронных входных потоков и при ограничениях на быстродействие аппаратуры используются асинхронные алгоритмы взаимодействия источников входных сообщений с аппаратурой преобразования и обработки данных, основанные на реализации определенных дисциплин упорядочения. При этом выполнение функции упорядочения возлагается на устройства сопряжения. Применение устройств упорядочения поступающих сообщений позволяет снизить требования по быстродействию к подсистемам преобразования и обработки поступающей информации и повысить эффективность использования их вычислительных мощностей.

Известные аппаратурные решения устройств сопряжения, реализующих функцию упорядочения поступающих сообщений, представленные в работах Лазарева В.Г., Пийль E.H., Якубайтиса Э.С, Розанова Ю.Г., Бородина Г.А. и др., выполняют процедуру упорядочения в соответствии с порядком, временем поступления или жестко установленным приоритетным отношением источников. Вместе с тем, при наличии изменяемых характеристик сложных входных потоков, динамически меняющихся в зависимости от внешних условий дисциплин упорядочения или отношений в системе приоритетов требуется реализация устройств сопряжения в классе устройств с настраиваемой структурой - устройств динамического приоритета (УДП). Применение УДП дает дополнительные возможности по настраиваемости процесса взаимодействия сложных асинхронных входных потоков с аппаратурой преобразования и обработки данных, обеспечивая тем самым повышение эффективности ИУС.

Однако, известные подходы к разработке аппаратурных решений УДП ориентированы на их реализацию в классе устройств с жесткой структурой. При этом в качестве аппаратурного базиса реализации используется универсальный базис функциональных логических элементов, не обеспечивающий в полной мере придание структурным решениям УДП свойств однородности и настраиваемое™. Для достижения свойств однородности и настраиваемое™ УДП целесообразно использование базиса однородных сред, новым и перспектавным из которых является базис, основанный на применении нейронных технологий. Вместе с тем, в известной литературе (Евреинов Э.В., Прангишвилли И.В., Степанов М.Ф., Медведев B.C., Ромбидн Н.Г. и др.) не в полной мере освещены подходы к разработке сложных устройств в базисе нейронных сетей, отсутствуют методики проектирования, не раскрыты способы получения оценок их системных характеристик.

Таким образом, задача разработки эффективных аппаратно-реали-зуемых УДП ИУС в базисе нейронных технологий является актуальной.

Целью работы является разработка многофункциональных аппарат-но-реализуемых УДП на основе нейронной технологии.

Достижение поставленной цели обеспечивается постановкой и решением в диссертационной работе следующих задач:

- провести анализ алгоритмов и структурных решений устройств динамического приоритета, функционирующих в реальном времени и реализуемых в базисе однородных сред - нейронных сетей;

- разработать логические основы построения автоматов с настраиваемой структурой, для которых в качестве элемента структуры выбран формальный нейрон, а связи, объединяющие элементы, организованы как нейронная сеть;

- разработать топологические принципы построения УДП на основе автоматов с настраиваемой структурой, включающие архитектурные решения и аппаратурную реализацию для различных дисциплин упорядочения;

- создать математическую модель УДП в классе моделей систем массового обслуживания (СМО), обеспечивающую определение вероятностно-временных характеристик УДП;

- создать архитектурные решения и аппаратурно-программную реализацию УДП для различных дисциплин упорядочения: FIFO; абсолютный и относительный приоритеты;

- осуществить проектирование и реализацию УДП в составе системы автоматизации испытаний авиационных агрегатов.

Методы исследования основаны на использовании теории формальных нейронов, информационной теории измерений, теории вычислительных систем и систем массового обслуживания, теории множеств, методов функционального анализа, математической статистики и математического моделирования.

Научная новизна и результаты, выносимые на защиту, состоят в следующем:

- проведен анализ алгоритмов и архитектур устройств динамического приоритета, который показал, что реализация УДП, функционирующих в реальном масштабе времени, целесообразна в аппаратурно-программном базисе нейронных сетей;

- разработаны логические основы построения УДП с перестраиваемой структурой, включающие структурные решения и формальное описание базиса - формального нейрона, а также виды связи базисных элементов на основе нейронных сетей;

- созданы топологические принципы реализации УДП на основе эк-висторной нейронной сети, включающие архитектурные решения и аппа-ратурно-программную реализацию УДП для дисциплин упорядочения: FIFO, абсолютный и относительный приоритет;

- разработана методика проектирования УДП с перестраиваемой структурой, реализуемого на базе нейронной сети;

- предложены замкнутая и открытая имитационные и аналитические модели УДП, реализованные в классе СМО с отказами в обслуживании с изменяющимися требованиями на число обслуживающих приборов и интенсивность обслуживания, доказана их адекватность.

Достоверность приводимых в работе результатов и выводов обеспечивается корректным применением математического аппарата теории вероятностей и математической статистики, теории массового обслуживания. Основные расчетные соотношения, полученные в работе, подтверждаются результатами имитационного моделирования на ЭВМ и экспериментальными данными.

Практическая значимость и реализация результатов работы. Получены типовые структуры УДП, реализуемые в базисе нейронных технологий, проведен их сравнительный анализ и сформулированы рекомендации по применению. Созданы математические модели УДП, позволяющие оценить системные параметры УДП. Разработана методика проектирования УДП, позволяющая синтезировать УДП по заданным характеристикам. Разработанные в диссертации теоретические положения, методы проектирования, моделирования и расчета характеристик УДП использовались при создании устройства динамического приоритета в составе системы автоматизации испытаний авиационных агрегатов, внедренной и принятой в опытную эксплуатацию в ОАО «СТАР».

Научные аспекты диссертационных исследований нашли свою реализацию в лекционном курсе, читаемом автором студентам специальности 220201 «Управление и информатика в технических системах» Пермского государственного технического университета, в публикациях и выступлениях на международных и отечественных конференциях и семинарах.

Апробация работы. Основные теоретические и прикладные результаты диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: Международной НТК «Нелинейные

науки на рубеже тысячелетий» (Санкт-Петербург, 1999), Международной НТК «Информационные технологии в науке, образовании, телекоммуникации и бизнесе» (Украина, Гурзуф, 2000), Региональной НТК «Повышение эффективности и качества систем и средств управления» (Пермь, 2001-2005 г.г.).

Публикации. По теме диссертации опубликовано 10 научных работ, в том числе 7 статей и тезисы к 3-м докладам на международных научно-технических конференциях.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы, включающего 79 наименований и приложения. Основная часть работы изложена на 118 страницах машинописного текста и содержит 41 рисунок и 10 таблиц. Приложения включают примеры расчетов, программы математического моделирования, результаты опытной эксплуатации и акты внедрения результатов работы.

Краткое содержание работы

Во введении обоснована актуальность диссертационной работы, определена область исследований, сформулирована цель и задачи диссертации, научная новизна, изложены основные результаты, выносимые на защиту, их теоретическая и практическая значимость, отражены сведения о реализации и апробации работы.

В первой главе обсуждаются основные подходы и принципы реализации устройств упорядочения. Рассмотрены принципы построения современных устройств упорядочения и представлены способы их аппаратурно-программной реализации в микроэлектронном базисе.

Определены основные свойства УДП в классе устройств с динамически изменяемой архитектурой. Дана характеристика функций, выполняемых УДП, и приведена классификация реализуемых дисциплин упорядочения. Обоснована целесообразность реализации УДП в базисе нейронных сетевых структур.

Во второй главе изложены логические основы реализации УДП на базе нейронных технологий.

Показано, что УДП, как устройства, реконфигурируемые в процессе рабочего функционирования, могут быть реализованы как автоматы с настраиваемой структурой (АНС). Исследованы принципы построения АНС на основе нейронных сетей, обеспечивающих параллельность, переменность и однородность структуры. Установлено, что при этом АНС состоит из одинаковых и однотипно соединяемых друг с другом универсальных элементов с настраиваемым изменением связей между ними. Это позволяет за счет настройки (реконфигурации) связей выделять группы универсальных элементов, выполняющих упорядочение сообщений {X,}, поступающих по определенному входному каналу (1-^(7). При этом в структуре сети организуется несколько процессов упорядочения, протекающих параллельно во времени.

Разработанные логические основы реализации УДП на базе нейронных технологий включают;

- формально-логическое описание универсального элемента структуры, реализующего функции упорядочения и настройки на дисциплину упорядочения;

- топологические представления связей между универсальными элементами структуры.

Установлено, что базовым универсальным элементом структуры УДП, выполненного на основе нейронных технологий, является формальный нейронный элемент (ФНЭ), реализующий функцию упорядочения с осуществляемой настройкой по дисциплинам упорядочения. Получена функция преобразования ФНЭ, имеющая вид:

У, = ^(ХЛ ))(1,(^/4, ))/з, (1)

где: X, (/ = 1 ,С) - входные сигналы ФНЭ; У,(/ = 1,0) - выходные сигналы; Хос/ - сигналы обратных связей всех ФНЭ в сети (/ = 1 ,к), к = С?(О - 1);/к, /г, - функции коммутации входных и выходных сигналов соответственно; Уз - функция настройки ФНЭ (место нейрона, дисциплина очереди); -функция коммутации обратных связей, зависящая от/3.

Разработана типовая обобщенная структура УДП (рис.1).

Рис. 1. Обобщенная структура УДП (ФНЭ, - /-нейронный элемент, МУУ - местное устройство управления, УУ - устройство управления УДП, КА - коммутирующая аппаратура, #м - канал настройки УДП; {г„} - настроечные коды сети

Для предложенной обобщенной сетевой структуры УДП разработана типовая структура ФНЭ (рис.2).

Рис. 2. Структура ФНЭ для эквисторной сета: К1, К2 - коммутаторы входов/выходов соответственно, ИВ - многовходовой измеритель веса, УСК - устройство сравнения КОДОВ, Хаск - сигналы обратной связи

Согласно (1), если на входе ФНЭ, возбужден сигнал X, и осуществлена настройка ФНЭ, на соответствующую дисциплину обслуживания и место нейрона в сети, а соответствующее место очереди свободно, то сигнал X, проходит на выход У, и поступает на следующий ФНЭ, т.е. продвигается по очереди от конца к ее началу, пока соответствующее место в очереди не будет занято ранее пришедшим сигналом.

Установлено, что для обеспечения гибкости и рационального использования общего ресурса элементов сети, ФНЭ как универсальный элемент структуры сети должен обладать свойствами настраиваемое™ на любое место очереди в любом из организованных в массиве ФНЭ М (М ¿(7) каналов упорядочения. Для этого в состав типового ФНЭ должна быть введена память, в которой располагается код признака канала (1,(7) поступившего сообщения.

Выполнен анализ сложности ФНЭ. Показано, что количество входов коммутаторов К1, К2 и ИВ ФНЭ и общий объем аппаратуры ФНЭ, линейно зависит от числа входных каналов.

Третья глава содержит исследования в области синтеза нейронной сети УДП.

Показано, что нейронная сеть УДП представляет собой эквисторную структуру, в которой каждый ФНЭ, может быть соединен со всеми другими ФНЭ. Основу связей составляет шина, обеспечивающая установление связей между ФНЭ в соответствии с используемыми дисциплинами упорядочения. Общая размерность эквисторной структуры сети составляет - 1) ФНЭ. Все ФНЭ представляют собой ресурс для выполнения упорядочения сообщений, поступающих по С? входным каналам.

Определено, что основная проблема создания нейронных УДП состоит в разработке связей в нейронной сети, обеспечивающих соединения ФНЭ. Установлено, что подлежащие реализации функции упорядочения могут быть выполнены на топологиях связей нейронной сети следующих видов:

- моноканал линейного типа;

- кольцевой моноканал.

Разработаны архитектуры УДП для топологии нейронной сети - моноканал линейного и кольцевого типа. Пример УДП на моноканале линейного типа представлен на рис. 3, функциональная схема нейрона в составе этой сети приведена на рис. 4, а для топологии кольцевой моноканал - на рис. 5.

sf 'ill L1 кэ1г ' ^по-ъ

—

кэ21 кэ„ кэа ^ire-v

кэ31 Кэке-ч

КЭк

КЭк

ё • • • f ^GfG-J, - ^GfG-t,

Рис. 3. Структура нейронной сети УДП, реализуемой на моноканале линейного типа

Анализ топологических решений структур УДП, обеспечивающих реализацию дисциплин обслуживания FIFO, абсолютный и относительный приоритет, показал, что предложенные архитектуры нейронных сетей с моноканалом имеют следующие положительные свойства:

- эффективность применения нейронного УДП определяется числом входных каналов: выигрыш в аппаратуре в сравнении с существующими типовыми структурами известных устройств упорядочения начинает проявляться при £ > 5;

- применение нейронной сети позволяет повысить надежность функционирования за счет возможностей реконфигурирования структуры;

- топология связей нейронной сети типа кольцевого моноканала имеет преимущества по надежности в сравнении с топологией линейного моноканала.

Вместе с тем, в суммарных аппаратурных затратах на реализацию УДП существенную роль играют затраты на дополнительную аппаратуру ФНЭ. Для разработанных структурных решений нейронного УДП проведен сравнительный анализ по функциональным возможностям и удельным аппаратурным затратам (таблица 1).

Таблица 1

G 3УУпР1го + Зуупдп + 3УУп0г, 3УУппго +3УУплп + Зуупсп 3УДПмк

3УДПмл 3УДПМК 3УДПмл

3 1,064 1,000 1,064

5 2,071 1,983 1,045

8 4,981 4,883 1,020

10 7,045 6,989 1,008

Здесь ЗУУяиго, Зуул , ЗууПоп - эквивалентные затраты на реализацию устройств упорядочения классического типа соответственно для дисциплин FIFO, абсолютного и относительного приоритета; ЗУДПмл, ЗУДПпром|< - затраты на реализацию УДП с моноканалом линейного типа и типа «кольцо».

В результате анализа выделены следующие особенности архитектур УДП с моноканалом:

- дополнительные затраты зависят от квадрата числа входных каналов УДП,

- структура ФНЭ в части взаимодействия с шинами управления и настройки зависит от числа входных каналов, что должно учитываться при разработке конкретного ФНЭ под заданные параметры.

Четвертая глава посвящена разработке моделей УДП и определению его системных характеристик в процессе проектирования.

Полученная методика проектирования УДП с нейронной структурой позволяет при заданных значениях числа каналов, максимально допустимом количестве мест в очереди по каждому из каналов, дисциплинах упорядочения, свойствах входных потоков сообщений определять требуемую размерность нейронной сети, вероятности отказа, среднее время пребывания сообщения в очереди и т.д.

Показано, что определение таких характеристик как вероятность отказа поступившему сообщению (X,) по определенному каналу в упорядочении, среднее время пребывания сообщения в очереди возможно с использованием известных моделей СМО. Вместе с тем, для определения размерности нейронной структуры с учетом ее реконфигурирования при воздействии сигналов настройки на формирование очереди с заданной дисциплиной и длиной требуется разработка и исследование более сложных моделей, СМО.

Установлено, что с позиций систем массового обслуживания функционирование нейронной сети при поступлении заявок на формирование очередей (#„) для 1 -г- G каналов, может быть представлено СМО с изменяющимся режимом (параметрами). Определено, что изменяющийся режим в УДП характеризуется переменным числом обслуживающих приборов (выделяемых ФНЭ) и изменяющейся интенсивностью обслуживания поступившей заявки.

Разработан ряд новых моделей систем массового обслуживания с изменяющимися параметрами и отказами в обслуживании.

Созданы открытая и замкнутая, аналитическая и имитационная модели СМО с отказами в обслуживании.

Для разработанных открытой и замкнутой СМО с отказами проведено доказательство эквивалентности уравнений глобального и детального балансов, что позволило снизить размерность вычислений.

Для разработанных замкнутых и открытых СМО с отказами в обслуживании с экспоненциальным распределением времени поступления и обслуживания сообщений показано, что их стационарные распределения вероятностей имеют мультипликативную форму. Выражения (2) и (3) описывают мультипликативное представление вероятностей состояний для открытых (Р(х,)) и замкнутых (я(х,)) СМО (для трех дисциплин упорядочения УДП):

П GT\'{{P{i,G)pK«*)lK,G„i)

-' (2)

X П П ({P{i,G)pK-")lКЮп\)

где P(i, G) - вероятность требования обслужить G каналов с /-ой дисциплиной обслуживания (/ =1*3: FIFO, абсолютный и относительный приоритет); р - загрузка системы; КЮп- количество устройств в системе, находящейся в п состоянии, обслуживающих G каналов с /-ой дисциплиной обслуживания; Gmm „ Gjnaj, - минимальное и максимальное число каналов обслуживания с /-ой дисциплиной; S - число состояний СМО.

lV(»)i £(1 -r(RJ))I(n,j)Xw n=o ;=i

5-1 о

я=0 y=l

где Р(п) - вероятность п состояния матрицы неоднородного входного потока; г(Л, у) - элемент указанной матрицы; (3 - число входных каналов; С?пмх - максимальное число требуемых для обслуживания каналов; %К] -интенсивность поступления заявок от Л источника, требующего / обслуживающих приборов;

.. [1, если т(п) < / [О, если т(п) £ /',

т(п) - число свободных приборов в состоянии п.

Все созданные модели иллюстрируются численными примерами. Адекватность моделей доказана по отношению к имитационным моделям на основании статистического критерия Уилкоксона.

На рис. 4 приведен пример расчета вероятности отказа в обслуживании для разомкнутой модели УДП.

0,9

0,8

0,7

0,6

Рис. 4. Зависимость Рт в функции Q (общее число нейронов в сети) для разных диапазонов разброса запроса требований на обслуживающие приборы, (Xj -входной поток заявок)

Предложенные модели УДП позволяют при заданной загрузке (р), дисциплинах упорядочения (FIFO, абсолютный и относительный приоритет) определить: требуемый (минимальный) объем оборудования (нейронов) нейронной сети, среднее время обслуживания и простоя оборудования.

Для предоставленных в работе моделей УДП разработан и реализован комплекс программ для расчета вероятностно-временных характеристик УДП.

В пятой главе приведены результаты практической реализации УДП в составе системы автоматизации испытаний авиационных агрегатов (САМ АА).

САИ АА реализована в современном аппаратурно-программном базисе с использованием средств компаний Siemens, HP, Analog Device, Octagon System. Система внедрена в опытную эксплуатацию на одном из предприятий г. Перми.

Реализация возможностей, заложенных в САИ АА в значительной степени зависит от использования в ее составе адаптивного многоканального измерительного преобразователя (АМИП) с перестраиваемой структурой. Адаптация обеспечивается за счет изменения числа разрядов и времени преобразования. Основными технико-экономическими преимуществами АМИП является повышение пропускной способности, за счет реализации алгоритма функционирования, учитывающего поведение ансамбля входных сигналов. В составе АМИП ведение арбитража входных сигналов осуществляется УДП с тремя различными дисциплинами обслуживания: FIFO, абсолютный и относительный приоритет. При этом УДП реализован на топологии моноканал линейного типа. Вариант реализации дисциплины FIFO приведен на рис. 5.

Реализация УДП на основе нейронной сети в структуре АМИП позволила:

- реализовать УДП для трех дисциплин обслуживания (FIFO, абсолютный и относительный приоритет) для 4-х входных каналов, содержащий 30 ФНЭ и обеспечивающий вероятность отказа в обслуживании 10 6 при загрузке УДП равной 0,01;

- ввести и реализовать дополнительный параметр, влияющий на качество сжатия информации. Принято, что признание важности (приоритетности) сигнала является его активность (динамика измерения). Более активные сигналы должны иметь высокий приоритет. Введение этого способа назначения приоритетов обеспечило увеличение коэффициента сжатия в 1,42 раза и снижение погрешности восстановления в 1,22 раза;

- подтвердить полученные теоретические результаты о возможности создания нейронных устройств динамического приоритета, программируемых на три дисциплины обслуживания;

- показать возможность применения УДП в измерительных преобразователях в целях сокращения избыточности отсчетов и получения требуемой точности восстановления сигналов;

Приложения содержат программы расчета вероятностно-временных характеристик разработанных моделей СМО, результаты опытной эксплуатации АМИП с УДП для трех дисциплин обслуживания: FIFO, абсолютный и относительный приоритет и документы, подтверждающие внедрение результатов работы.

Заключение. В диссертационной работе осуществлена заявленная цель и решены следующие вопросы:

1. Проведен анализ алгоритмов и архитектур устройств динамического приоритета; показано, что реализация УДП, функционирующих в реальном масштабе времени, целесообразна в аппаратурно-программном базисе нейронных сетей.

2. Разработаны логические основы построения УДП с настраиваемой структурой, включающие структурные решения и формальное описание базиса - формального нейрона, а также виды связи базисных элементов на основе нейронных сетей.

3. Разработаны топологические принципы реализации УДП ПДА на основе нейронной сети, включающие архитектурные решения и аппара-турно-программную реализацию УДП для дисциплин обслуживания: FIFO, абсолютный и относительный приоритет.

4. Разработана методика проектирования УДП ПДА на базе нейронной сети на основе предложенного метода определения емкостно-временных характеристик устройств.

5. Предложены замкнутые и открытые имитационные и аналитические модели СМО с отказами в обслуживании с изменяющимися требованиями на число и интенсивность обслуживающих приборов. Доказана их адекватность.

6. Разработанная методика проектирования, методы и модели расчетов, а также принципы построения УДП ПДА применены при создании многофункционального устройства динамического приоритета в составе адаптивного АЦП системы автоматизации испытаний авиационных агрегатов, внедренной и принятой в опытную эксплуатацию.

Основные публикации по теме диссертации:

1. Матушкин H.H., Третьяков Н.В., Южаков Ал.Ал., Южаков A.A. Устройство очередности на основе нейронных технологий // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. - Пермь,

1998.-С. 3-7.

2. Третьяков Н.В., Южаков Ал.Ал., Южаков A.A. Устройство динамического приоритета нейронной структуры // Информационно-управляющие системы : сб. науч. тр. / Перм. гос. техн. ун-т. - Пермь, 1999. - С. 10-15.

3. Матушкин H.H., Третьяков Н.В., Южаков Ал.Ал., Южаков A.A. Нейронные технологии в реализации устройств очередности // Нелинейные науки на рубеже тысячелетий: тез. междунар. информации. - СПб.,

1999.-С. 86-87.

4. Третьяков Н.В., Южаков Ал.Ал., Южаков A.A. Устройство динамического приоритета на нейронной структуре // Информационные технологии в науке, образовании, телекоммуникации и бизнесе: тез. междунар. конф. / Украина. Крым. Ялта - Гурзуф, 2000. - С. 216-218.

17Ш «11476

5. Третьяков В.Н., Южаков Ал.Ал., Южаков A.A. Построение устройств очередности с аппаратной реализацией нейронных сетей топологии «кольцо» // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. - Пермь, 2000. - С. 150-154.

6. Кон E.J1., Матушкин H.H., Южаков Ал.Ал., Южаков A.A. Приоритетные устройства в сетях тонких клиентов / E.J1. Кон [и др.] // Годишник на техническия университет във Варна, Болгария. - Варна, 2001. - С. SSI-SS?.

7. Третьяков В.Н., Южаков Ал.Ал., Южаков A.A. Моделирование устройств очередности на однородной структуре // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. - Пермь, 2002. -С. 306-313.

8. Кавалеров М.В., Матушкин H.H., Третьяков Н.В., Южаков Ал.Ал., Южаков A.A., Гатин Р.Ф., Панов H.A. Системы автоматизированного управления длительными ресурсными испытаниями гидроагрегатов авиационных двигателей // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. - Пермь, 2002. - С. 116-123.

9. Третьяков В.Н., Южаков Ал.Ал., Южаков A.A. Алгоритмы сжатия в сетях передачи речи // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. - Пермь, 2002. - С. 168-172.

10. Кавалеров М.В., Матушкин H.H., Плешаков. И.И., Третьяков Н.В., Южаков A.A., Гатин Р.Ф., Копорин A.B., Панов Н А.. Информационно-управляющий комплекс стенда регулировки, доводки и проверки функциональных характеристик агрегатов авиационных двигателей // Управление производством в системе TRACE MODE: тез. международн. конф. -М., 2005.-С. 114-118.

Лицензия ЛР №020370

Сдано в печать 10.05.06. Формат 60x84/16. Объём 1,0 уч.изд.п.л. _Тираж 100. Заказ 2090._

Печатная мастерская ротапринта ПГТУ. 614600, г. Пермь, Комсомольский пр., 29а.

Ведение

1. Анализ алгоритмов и принципы реализации устройств динамического приоритета

1.1. Назначение и основные особенности устройств очередности

1.2. Классификация дисциплин обслуживания в устройствах очередности

1.3. Современные реализации устройств динамического приоритета

1.3.1. Принципы построения устройств динамического приоритета

1.3.2. Способы реализации устройств динамического приоритета

1.4. Выводы

2. Принципы реализации устройств динамического приоритета потоковой динамической архитектуры на основе нейронных 18 технологий

2.1. Построение устройств с настраиваемой структурой

2.1.1. Логические основы построения автоматов с настраиваемой структурой

2.2. Понятие и определение нейронного элемента и нейронной сети

2.3. Обобщенная сетевая структура устройства динамического приоритета потоковой динамической архитектуры

2.3.1. Базовые сетевые регулярные структуры УДП ПДА на основе однородных НЭ

2.3.2. Микроструктура формального нейронного элемента УДП ПДА

2.4. Выводы

3. Структура устройства динамического приоритета потоковой динамической архитектуры на основе применения нейронных структур

3.1. Регулярная однородная структура УДП ПДА

3.1.1. Структура УДП ПДА с моноканалом линейной структуры

3.1.2. Структура УДП ПДА с моноканалом типа «кольцо»

3.2. Структурный синтез УДП ПДА на нейронной структуре моноканал

3.2.1. Устройство динамического приоритета на нейронной структуре линейного типа топологии «моноканал» 3.2.1.1. Устройство динамического приоритета с дисциплиной обслуживания FIFO

3.2.1.2. Устройство динамического приоритета х абсолютным приоритетом

3.2.1.3. Устройство динамического приоритета с относительным приоритетом

3.2.2. Устройства динамического приоритета на моноканале типа «кольцо»

3.3. Анализ аппаратурных затрат на реализацию УДП ПДА на моноканале

3.4. Выводы

4. Методика определения вероятностно-временных 70 характеристик устройств динамического приоритета

4.1. Проблематика разработки и исследования моделей систем массового обслуживания для устройств динамического приоритета 70 Щ 4.2. Устройство динамического приоритета потоковой динамической архитектуры как система массового обслуживания

4.2.1. Модели неоднородных входных потоков

4.2.2. Модель открытой многоканальной системы массового обслуживания с отказами

4.2.3. Модель замкнутой системы массового обслуживания при матричном входящем потоке

4.2.4. Расчет объема оборудования нейронной сети устройства динамического приоритета потоковой динамической архитектуры

4.3. Выводы

Ф 5. Разработка и реализация устройств динамического приоритета с сетевой структурой в составе системы автоматизации 88 испытаний

5.1. Аппаратурное и программное обеспечения системы автоматизации испытаний авиационных агрегатов

5.1.1. Характеристики объекта автоматизации испытаний

5.1.2. Назначение системы

5.1.3. Структура системы

5.1.4. Функционирование системы

5.1.5. Результаты опытной эксплуатации САИ АА

5.2. Программно-аппаратурная реализация многоканальных адаптивных измерительных устройств

5.2.1. Адаптивные многоканальные преобразователи сетевой архитектуры

5.2.2. Устройство динамического приоритета в структуре адаптивного многоканального преобразователя сетевой архитектуры

5.2.2.1. Реализация устройств динамического приоритета с дисциплиной обслуживания FIFO

5.2.2.2. Реализация устройств динамического приоритета с абсолютным приоритетом

5.2.2.3. Реализация устройств динамического приоритета с

0 относительным приоритетом

5.3. Результаты опытной эксплуатации адаптивного многоканального измерительного преобразователя с устройством динамического приоритета

5.4. Выводы 110 Заключение 111 Литература 114 Приложение 3.1'. 119 Приложение 3.

В настоящее время в различных отраслях науки и техники широкое распространение находят информационно-управляющие системы (ИУС). ИУС используются в автоматизированных системах научных исследований, системах автоматизации испытаний (ракетных и авиационных двигателей, автомобилей, электронной аппаратуры и т.д.), автоматизированных системах управления технологическими процессами и пр. При этом ИУС выполняют функции сбора, преобразования, передачи, обработки, хранения и отображения экспериментальной информации. При постоянном возрастании сложности и быстродействия объектов управления возникает потребность в существенном увеличении производительности ИУС [1, 2].

Для обеспечения эффективного функционирования рассматриваемых систем в условиях конечного быстродействия устройств обработки информации и ограниченной полосы пропускания каналов связи разработаны и широко применяются различные алгоритмы адаптации процессов сбора, преобразования, обработки к параметрам входных сигналов. Указанные алгоритмы реализуются в подсистемах сбора информации (ПСИ) и подсистемах передачи информации (ППИ), входящих в ИУС. Большинство алгоритмов обслуживания измерительных преобразователей (ИП) в ИУС предполагает циклический опрос. Однако во многих случаях эти алгоритмы оказываются неэффективными [1,3]. Это объясняется тем, что существует целый ряд ИП, обладающих переменным временем преобразования tnр, которое зависит от значений измеряемых величин - измерители частоты, работающие по принципу заполнения периода измеряемой частоты импульсами образцовой частоты, АЦП последовательного счета и др. В таких ИП формирование существенных отсчетов должно производиться с максимальной частотой, определяемой верхней границей спектра измеряемого сигнала. При использовании адаптивных ИП (временных дискре-тизаторах) моменты формирования отсчетов определяются по критерию максимальной погрешности или по мгновенным значениям производных измеряемого сигнала.

В связи с указанными особенностями для современных ИУС входные информационные потоки являются асинхронными, и как правило, независимыми по отношению друг к другу, и по отношению к вычислительному устройству (ВУ). Измеряемые величины являются случайными, измерительные каналы в общем случае независимы и требования на обслуживание (обработку) поступают от них в случайные моменты времени. Кроме того, в составе информационных потоков ИУС присутствуют сообщения об авариях, нештатных ситуациях и других событиях, происходящих также в случайные моменты времени.

Для сопряжения входных информационных потоков с ВУ в ИУС используется функция упорядочения, которая выполняется устройством динамического приоритета (УДП) [5, 6]. Использование УДП, выполняющих функцию упорядочения, дает возможность снизить требования по быстродействию к ВУ (к подсистемам передачи и обработки информации), может ^ обеспечить дополнительные возможности для использования адаптации к параметрам входного потока и стать источником повышения эффективности ИУС [5].

Другим направлением повышения эффективности ИУС является использование в качестве ВУ высокопроизводительных многопроцессорных вычислительных систем (ВС). Как правило, обмен информацией между процессорами в таких системах организуется при помощи общего ресурса: общего оперативного запоминающего устройства и общей шины или индивидуальных ОЗУ и общей шины. Доступ к общему ресурсу осуществляется на основе процедуры арбитража, которая выполняется с использова-ф нием функции упорядочения поступающих требований. Использование реконфигурируемых УДП позволит менять алгоритм обслуживания в процессе работы, сделать подобные системы более гибкими и повысить эффективность их работы.

Таким образом, одной из важнейших системных функций, выполняемых в информационно-управляющих системах, является упорядочение случайных потоков требований.

Для отдельных типов ИУС характерным является большое число измеряемых и контролируемых параметров, которое в отдельных случаях достигает десятков тысяч. Большое число измеряемых каналов требует ^ применения специализированных аппаратных средств, обеспечивающих обработку большого числа информационных потоков. Большинство ИУС работает в режиме реального времени. Это означает, что время измерения, передачи и обработки информации весьма ограничено. Поэтому для ИУС предпочтительно использование быстродействующих многоканальных УДП.

Проведенные исследования показали, что программно-реализованные УДП на порядок уступают аппаратно-реализованным как по быстродействию, так и по количеству обслуживаемых источников требований. Кроме того, программное упорядочение требований от большого числа источников неизбежно связано с применением дополнительной аппаратуры расширения. Анализ показал, что реальное повышение эффективности функционирования ИУС прежде всего в части сокращения временных задержек требований, а также достижения рационального соотношения технических характеристик ИУС и стоимости технических средств может быть достигнуто лишь при использовании аппаратных УДП. Однако в большинстве известных случаев в ИУС функция упорядочения реализована программно, что обусловлено требованиями к гибкости УДП и отсутствием разработок по структурному синтезу устройств в базисе про-№ граммируемых логических схем, нейронных структур, позволяющих сохранить программируемость устройств при обеспечении высокого быстродействия.

Таким образом, актуальной является задача проектирования быстродействующих многоканальных аппаратно-реализуемых УДП ИУС в базисе нейронных технологий. Вместе с тем, вопросы проектирования УДП указанного класса слабо освещены в известной литературе. Существует достаточное количество работ, посвященных теоретическим и практическим аспектам общего синтеза дискретных устройств, методам проектирования и способам применения дискретных устройств общего назначения в базисе БИС, основам схемотехнического проектирования устройств ИУС. В то же время вопросы структурного проектирования быстродействующих многоканальных УДП, освещены в весьма ограниченном количестве работ, содержащих изложение общих принципов построения аппаратно-реализуемых УДП, а также частных методик, рассчитанных на синтез схем УДП малой размерности. С учетом изложенного актуальной является систематизация разработок в области проектирования аппаратно-реализуемых УДП, разработка методики проектирования УДП, ориентированных на реализацию в базисе современных нейронных технологий.

В работе были поставлены и решены следующие задачи:

- провести анализ алгоритмов и структурных решений устройств динамического приоритета, функционирующих в реальном времени и реализуемых в базисе однородных сред - нейронных сетей;

- разработать логические основы построения автоматов с настраиваемой структурой, для которых в качестве элемента структуры выбран формальный нейрон, а связи, объединяющие компоненты, организованы как нейронная сеть;

- разработать топологические принципы построения УДП на основе автоматов с настраиваемой структурой, включающих математическую модель формального нейрона и инфраструктуру;

- создать архитектурные решения и аппаратурно-программную реализацию УДП для различных дисциплины упорядочения: FIFO; абсолютный и относительный приоритет;

- создать математическую модель УДП в классе моделей систем массового обслуживания;

- осуществить проектирование и реализацию УДП в составе системы автоматизации испытаний авиационных агрегатов.

Научная новизна работы заключается в разработке методики проектирования УДП'с перестраиваемой структурой на базе нейронных сетей и создании математических моделей для определения емкостно-временных характеристик УДП.

Показано, что в устройствах указанного класса в качестве базиса следует использовать специализированный нейрон для которого предложена микроструктура и разработана математическая модель.

Предложена реализация структурного решения УДП на основе нейронной сети, которую целесообразно исследовать с использованием теории систем массового обслуживания.

Созданы модели СМО рассматриваемого класса УДП, что позволяет реализовать методику машинного проектирования. Указанная методика базируется на разработанных статистических и аналитических моделях СМО и машинно-ориентированном методе их расчета. Предложен способ расчета параметров СМО на основе мультивекторной и матричной модели неоднородного входного потока. Разработан алгоритм определения параметров УДП для модели замкнутой и разомкнутой СМО с изменяющимся режимом.

Осуществлен синтез в современном аппаратурно-программном базисе многорежимного устройства динамического приоритета нейронной архитектуры дисциплин обслуживания: FIFO, абсолютный приоритет, относительный приоритет.

Корректность полученных результатов теоретически обоснована приведенными доказательствами и утверждениями. Адекватность полученных моделей доказана на основании использования имитационного моделирования и статистических критериев.

Диссертация выполнена в рамках НИР № 6/04 от 24.03.2004 г., проведенной ГВП «МАГ» в течение 2004-2005 г.г. Разработанная система внедрена в опытную эксплуатацию в ОАО «СТАР».

Основное содержание диссертации изложено в 10 печатных работах [12, 48, 51, 54-56, 68, 73, 74, 75] и докладывались на ряде региональных, всероссийских и международных конференциях.

Диссертация состоит из введения, пяти глав, заключения, списка литературы и приложений.

5.4. Выводы

1. Разработана и внедрена в опытную эксплуатацию многоуровневая адаптивная информационно-измерительная система автоматизации испытаний авиационных агрегатов, предназначенная для индикации, регистрации и хранения текущих значений параметров авиационных агрегатов, а также выдачи управляющих воздействий при проведении регулировочных, контрольно-сдаточных, длительных и комплексных испытаний. Опытная эксплуатация подтвердила практическую реализуемость и эффективность применения устройств динамического приоритета и основных теоретических результатов, полученных в настоящей работе.

2. Предложена аппаратурно-программная реализация адаптивного многоканального измерительного преобразователя на базе алгоритма адаптивной коммутации, использующаяся для управления коммутатором устройство динамического приоритета.

3. Реализовано в современном аппаратурно-программном базисе многорежимное устройство динамического приоритета нейронной архитектуры.

4. Апробация разработанного устройства в системе САИ АА в структуре АМИП:

- подтвердила полученные теоретические результаты о возможности создания нейронных устройств динамического приоритета, программируемых на реализацию 3-х ДО: FIFO, относительный и абсолютный приоритет;

- показала возможность и направления применения УДП в измерительных преобразователях в целях сокращения избыточности отсчетов и получения требуемой точности восстановления сигналов;

- выявила дополнительный параметр, влияющий на качество сжатия информации - способ назначения системы приоритетов; при этом, если требуется повысить эффективность сжатия информации, то признание важности (приоритетности) сигнала является его активность, т.е. более активные сигналы должны иметь более высокий приоритет, если же требуется повысить точность восстановления измеряемых сигналов, то признаком важности (приоритета) сигнала является его низкая активность, т.е. более активные сигналы должны иметь менее высокий приоритет (изменение способа назначения приоритетов обеспечивает увеличение коэффициента сжатия в 1,42 раза и снижение погрешности восстановления в 1,22 раза).

ЗАКЛЮЧЕНИЕ

Рассмотрение особенностей ИУС, процессов в них протекающих позволило сформулировать основные требования, предъявляемые к устройствам динамического приоритета. Показано, что с учетом указанных Особенностей важными и сложными задачами являются прием поступающих в случайные моменты времени сообщений, хранение сообщений в течение времени их пребывания в очереди, организация очереди сообщений в соответствии с принятой дисциплиной обслуживания. Качество функционирования ИУС в значительной степени определяется алгоритмами УДП и заложенными в его работу дисциплинами обслуживания. Поэтому теоретические и прикладные исследования, направленные на разработку и совершенствование как самих УДП, так и методологии их проектирования и применения, приобретают все большую актуальность.

Эффективность массового применения УДП в ИУС в значительной степени определяется особенностями их проблемной ориентации, те адаптируемостью к разнообразным задачам пользователя и к разнородным требованиям конкретных процессов автоматизации. Основным способом проблемной ориентации УДП служит изменение состава их аппаратных и программных средств, перестройка структуры, изменение алгоритмов функционирования. Это позволяет считать проблему создания УДП с перестраиваемой структурой, обеспечивающую эффективную адаптацию важной задачей. Среди многих факторов, определяющих ее успешное решение, в работе выделяются:

1. Комплексное распределение функций между аппаратурными и программными средствами, использование базиса однородных сред - нейронные сети, выбор потоковой динамической архитектуры (ПДА).

2. Оптимизация структуры устройства, т.е. обеспечение заданных характеристик УДП ПДА при минимизации объема оборудования.

Показано, что для решения отмеченных задач рассмотрены и классифицированы логические основы построения автоматов с настраиваемой структурой. При этом:

- в качестве базиса реализации элементарного автомата выбран формальный нейрон; * v - структурой, объединяющей компоненты устройств, определена нейронная сеть.

Таким образом, проведен анализ математического описания формального нейрона и его базовых структур. Показано, что классом структур в котором можно обеспечить высокую производительность, надежность и живучесть, экономичность является нейронная сеть на основе моноканала для которой введено понятие формального нейрона УДП и разработана микроструктура базового формального нейрона УДП ПДА

Проведено обоснование выбранной топологии сети. Показано, что наиболее эффективной является топология моноканала. Для указанной топологии с моноканалом линейного типа и моноканалом типа «кольцо» разработаны архитектурные решения УДП ПДА следующих дисциплин обслуживания: FIFO, абсолютный приоритет, относительный приоритет. Анализ разработанных архитектур показал, что затраты на коммутационную аппаратуру УДП ПДА и структура нейрона линейно зависят от числа входных каналов устройства. Проведен сравнительный анализ разработанных УДП ПДА по функциональным возможностям и аппаратурным затратам. Показано, что для однородных нейронных сетей с моноканалом выигрыш в аппаратурных затратах, по сравнению с классической архитектурой, наступает при числе входов устройства равным 5; затраты УДП с моноканалом типа «кольцо» превышают затраты УДП с моноканалом линейного типа в основном за счет коммутационной аппаратуры.

Разработаны инженерные рекомендации по применению, выбору и использованию предложенных архитектур. Для этого, используя модели СМО, определяют требуемый объем оборудования УДП ПДА (число нейронов).

Показано, что с точки зрения теории СМО УДП ПДА на основе нейронной сети относятся к классу СМО с изменяющимся режимом (параметрами). Для расчета характеристик таких систем разработаны:

- мультивекторная и матричная модели входных неоднородных потоков УДП, инвариантные к областям применения;

- разомкнутая и замкнутая аналитическая и имитационная модели СМО с отказами в обслуживании с изменяющимися требованиями на число и интенсивность обслуживающих приборов.

На основании использования статистического критерия доказана адекватность разработанных имитационной и аналитической моделей с точностью не хуже 1 %.

Для снижения вычислительной трудности расчетов по предложенной аналитической модели удалось доказать, что стационарное распределение вероятностей имеют мультипликативную форму. Это обеспечивает реку-рентность вычислений, ускоряет расчеты и снижает затраты машинного времени на вычисление вероятностно-временных характеристик.

Для всех разработанных моделей созданы моделирующие программы, входящие в состав пакета прикладных программ моделирования УДП ПДА.

Разработанная методика проектирования УДП ПДА положена в основу созданного и внедренного многофункционального устройства АМИП автоматизированной системы испытаний авиационных агрегатов. Реализация в современном аппаратурно-программном базисе многорежимного УДП ПДА нейронной архитектуры

- подтвердила полученные теоретические результаты о возможности создания нейронных УДП ПДА, программируемых на реализацию 3-х дисциплин обслуживания: FIFO, относительный и абсолютный приоритет;

- показала возможность и направления применения УДП ПДА в измерительных преобразователях в целях сокращения избыточности отсчетов и получения требуемой точности восстановления сигналов;

- выявила дополнительный параметр, влияющий на качество сжатия информации - способ назначения приоритетов.

В диссертационной работе получены следующие научные результаты:

1. Проведен анализ алгоритмов и архитектур динамического приоритета; показано, что реализация УДП ПДА, функционирующих в реальном масштабе времени, целесообразна в аппаратурно-программном базисе нейронных сетей.

2. Рассмотрены и классифицированы логические основы построения автоматов с настраиваемой структурой для которых в качестве базиса разработан базовый формальный нейрон УДП ПДА и его микроструктура, а структурой, объединяющей компоненты, определена нейронная сеть.

3. Разработаны топологические принципы реализации УДП ПДА на основе нейронной сети, включающие архитектурные решения и аппара-турно-программную реализацию УДП для дисциплин обслуживания: FIFO, абсолютный и относительный приоритет.

4. Разработана методика проектирования УДП ПДА на базе нейронной сети на основе предложенного метода определения емкостно-временных характеристик устройств.

5. Предложены замкнутые и открытые имитационные и аналитические модели СМО с отказами в обслуживании с изменяющимися требованиями на число и интенсивность обслуживающих приборов. Доказана их адекватность.

6. Разработан алгоритм определения параметров предложенных СМО, основанный на свойстве, что стационарные распределения вероятностей состояний имеют мультипликативную форму, а это обеспечивает рекурентность вычислений.

7. Разработанная методика проектирования, методы и модели расчетов, а также принципы построения УДП ПДА применены при создании многофункционального устройства динамического приоритета в составе адаптивного АЦП системы автоматизации испытаний авиационных агрегатов, внедренной и принятой в опытную эксплуатацию.

1. Методы анализа и синтеза модульных информационно-управляющих систем / Н.А. Кузнецов и др... — М.: Физматлит, 2002. — 797 с.

2. Трояновский В.М. Информационно-управляющие системы и прикладная теория случайных процессов: учеб. пособие / В.М. Трояновский. — М.: Гелиос АРВ, 2004. 303 с.

3. Цифровые адаптивные информационно-измерительные системы / Б.Я. Авдеев и др.. СПб.: Энергоатомиздат, 1997. - 368 с.

4. Матушкин Н.Н. Анализ и синтез структур адаптивных преобразователей / Н.Н. Матушкин. Перм. гос. техн. ун-т. Пермь, 1997. - 47 с.

5. Южаков А.А. Интеллектуальные измерительные преобразователи на основе нейронных технологий / А.А. Южаков. Перм. гос. техн. ун-т. -Пермь, 1993.-280 с.

6. Джейсуол Д. Очереди с приоритетами / Д. Джейсуол. М.: Мир,1973.-280 с.

7. Ефимов Э.В. Цифровые автоматы с настраиваемой структурой (однородные среды) / Э.В. Ефимов, И.В. Прангишвилли. М.: Энергия,1974.-240 с.

8. Анисимов В.В. Асимптотический анализ очередей в системах с повторными вызовами и сдвоенными соединениями / В.В. Анисимов, Х.Л. Атадтанов. Институт кибернетики. Киев: ИК, 1991. -22 с.

9. Уолрэнд Дж. Введение в теорию сетей массового обслуживания / Дж. Уолрэнд. М.: Мир, 1993. - 336 с.

10. Хинчин А.Я. Работы по математической теории массового обслуживания / А.Я. Хинчин; под ред. Б.В. Гнеденко. 2-е изд. - М.: Едито-рия УРСС, 2004.-235 с.

11. Лазарев В.Г. Проектирование дискретных устройств автоматики / В.Г. Лазарев, Н.П. Маркин, Ю.В. Лазарев. М.: Радио и связь, 1985. -168 с.

12. Третьяков Н.В. Устройство динамического приоритета нейронной структуры / Н.В. Третьяков, Ал.Ал. Южаков, А.А. Южаков // Информационно-управляющие системы : сб. науч. тр. / Перм. гос. техн. ун-т. -Пермь, 1999.-С. 10-15.

13. А.с. № 1702368А1, G06F 9/46. Бюл. № 48, 1991.

14. А.с. № 666543, G06F 9/18. Бюл. № 21, 1979.

15. А.с. № 600556, G06F 9/18. Бюл. № 12, 1978.

16. А.с. № 1718219А2, G06F 9/18. Бюл. № 9, 1992.

17. А.с. № 1805469А1, G06F 9/46. Бюл. № 12, 1993.

18. А.с. № 1762306А1, G06F 9/46. Бюл. № 34, 1992.

19. А.с. № 1670687А2, G06F 9/46. Бюл. № 30, 1991.

20. Мельников В.А. Динамическая архитектура и модульные вычислительные системы на БИС / В.А. Мельников, С.Б. Кальченко, B.C. Хар-ченко // Зарубежная радиоэлектроника. 1990. - № 1. - С. 63-84.

21. Лазарев В.Г. Синтез асинхронных конечных автоматов / В.Г. Лазарев, Е.Н. Пийль. -М.: Наука, 1964.-320 с.

22. Глушков В.М. Синтез цифровых автоматов / В.М. Глушков. М.: Физматгиз, 1962. -210 с.

23. Якубайтис Э.С. Асинхронные логические автоматы / Э.С. Яку-байтис. Рига: Зинатне, 1996. - 158 с.

24. Евреинов Э.В. Одноразрядные универсальные вычислительные системы высокой производительности / Э.В. Евреинов, Ю.Г. Косарев. -М.: Наука, 1966.-110 с.

25. Мкртчян С.О. Нейроны и нейронные сети (Введение в теорию формальных нейронов и нейронных сетей) / С.О. Мкртчян. М.: Энергия, 1971.-232 с.

26. Масич Г. Применение нейрокомпьютерных систем Электронный ресурс. / Российская академия наук / Уральское отделение. Институт механики сплошных сред. Пермь, 2004. Режим доступа: http: neuralbench.ru

27. Nazarenko М.А., Rumyantsev V.B. D-transformation and polynomial track recognition // Commun. JINR El 1-96-337. Dubna, 1996. - 337 p.

28. Уоссермен Ф. Нейрокомпьютерная техника / Ф. Уоссермен. М.: Мир, 1992.-184 с.

29. Короткий С. Итоги науки и техники: физические и математические модели нейронных сетей / С. Короткий. М., изд. ВИНИТИ, 1990. Т.1.-250 с.

30. Mehra Р. & Way B.W., Los Alamitos С.А. Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992.-P. 132-139.

31. Anil K. Join, Jianchang Mao, K.M. Mohiuddin. Artificial Neural Networks: A. Tutoviol, Computer. Vol. 29. № 3. 1996. P. 31-44.

32. Галушкин А. Современные направления развития нейрокомпьютерных технологий в России / А. Галушкин // Открытые системы. 1997. -№ 4. - С. 89-101.

33. Борисов Ю. Нейросетевые методы обработки информации и средства их программно-аппаратной поддержки / Ю. Борисов, В. Кашка-ров, С. Сорокин // Открытые системы. 1997. - № 4. - 50-65.

34. Shevtsova N., Reggia J. Interhemispheric effects of simulated lesions in a neural model of letter identification, Brain and Cognition, 2000, V. 44. P. 577-603.

35. Shevtsova N., Reggia J. Lateralization in a bihemispheric model of letter identification, Model of Letter Identification, Neurocomputing, 1999. V. 26-27.-P. 875-880.

36. С. Короткий. Нейронные сети: алгоритм обратного распространения Электронный ресурс. / Лаборатория искусственного интеллекта.

37. Электрон, дан. М., 2005. Режим доступа: http: // lii.newmail.ru/NN/ KOROTKY/N2/kor-nn2.htm

38. Keun-Rong Hsieh and Wen-Tsuen Chen, A Neural Network Model which Combines Unsupervised and Supervised Learning, IEEE Trans, on Neural Networks, vol.4, No.2, march 1993. P. 4.

39. Chris Stergion. DARPA Neural Network Study, AFCEA Int'l Press, Fairfax, Va., 1996.-60 p.

40. J. Hertz, A. Krogh, and R.G. Palmer, Introduction to the Theory of Neural Computation, Addison-Wesley, Reading, Mass., 1991. 352 p.

41. S. Haykin, Neural Networks: A Comprehensive Foundation, MacMil-lan College Publishing Co., New York, 1994. 686 p.

42. M. Minsky and S. Papert, "Perceptrons: An Introduction to Computational Geometry", MIT Press, Cambridge, Mass., 1988. 292 p.

43. P. Werbos, "Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences", Phd Thesis, Dept. of Applied Mathematics, Harvard University, Cambridge, Mass., 1974. 120 p.

44. D.E. Rumelhart and J.L. McClelland, Parallel Distributed Processing: Exploration in the Microstructure of Cognition, MIT Press, Cambridge, Mass., 1986.-P. 3-44.

45. J. Feldman, M.A. Fanty, and N.H. Goddard, "Computing with Structured Neural Networks", Computer, Vol. 21, No. 3, Mar.1988. P. 91-103.

46. Shevtsova N., Reggia J. A neural network model of lateralization during letter identification. Journal of Cognitive Neuroscience, 1999. V. 11. № 2. P. 167-181.

47. M. Minsky, "Logical Versus Analogical or Symbolic Versus Connec-tionist or Neat Versus Scruffy", AI Magazine, Vol. 65, No. 2, 1991. P. 34-51.

48. Прангишвили И.В. Новые принципы реализации логических и вычислительных устройств на основе однородных микроэлектронных структур / И.В. Прангишвили, Е.В. Бабичева, В.В. Игнатушенко // Автоматика и телемеханика. 1965. - № ю. - С. 38-44.

49. Устройство очередности на основе нейронных технологий / Матушкин Н.Н. и др. // Информационно-управляющие системы : сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 1998. - С. 3-7.

50. Матушкин Н.Н. Измерительные системы на основе нейронных технологий / Н.Н. Матушкин, А.А. Южаков // Кибернетика и вуз : межвузов. сб. науч. тр. / Томск, гос. ун-т. Томск, 1994. - Вып. 28. - С. 92-97.

51. Объективные типы передачи данных // Приборы и элементы автоматики и вычислительной техники: экспресс-информация. М., 1989. -№35.-С. 10-18.

52. Нейронные технологии в реализации устройств очередности / Н.Н. Матушкин и др. // Нелинейные науки на рубеже тысячелетий : тез. междунар. информации. СПб., 1999.-С. 86-87.

53. Преснухин JI.H. Цифровые вычислительные машины / JI.H. Пре-снухин, П.В. Нестеров. — М. Высшая школа, 1974. 68 с.

54. Анисимов Б.В. Основы расчета и проектирования элементов ЦВМ / Б.В. Анисимов, Н.М. Соломатин. М.: Высшая школа, 1974. -464 с.

55. Приоритетные устройства в сетях тонких клиентов / E.JI. Кон и др. // Годишник на техническия университет във Варна, Болгария. -Варна, 2001.-С. 331-337.

56. Матушкин Н.Н. Методика синтеза позиционных устройств упорядочения случайных потоков событий / Н.Н. Матушкин, И.JI. Котельников // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 2003. - С. 15-21.

57. Гнеденко В.Б. Введение в теорию массового обслуживания / В.Б. Гнеденко, И.Н. Коваленко. М.: Наука, 1987. - 432 с.

58. Овчаров JI.A. Прикладные задачи массового обслуживания / JI.A. Овчаров. М.: Машиностроение, 1969. - 324 с.

59. Герасимов А.Н. Аналитические методы исследования и оптимизации вычислительных систем и сетей на основе сетевых моделей массового обслуживания / А.Н. Герасимов. М.: Радио и связь, 2001. - 240 с.

60. Ионин Б.Г. Многомерные статистические методы : метод, указания по выполнению практич. работ / Б.Г. Ионин / Новосибирск, гос. акад. экономики и управления. Новосибирск: Изд-во НГАЭиУ, 1994. - 51 с.

61. Глинский В.В.Статистический анализ: учеб. пособие / В.В. Глинский, В.Г. Ионин. 2-е изд. - М.: Филинъ, 1998. - 258 с.

62. Риордан Дж. Вероятностные системы обслуживания / Дж. Риор-дан.-М.: Связь, 1966.- 184 с.

63. Горцев A.M. Адаптивное управление потоками задач в вычислительной системе / A.M. Горцев // Автоматика и телемеханика. 2000. -№6.-С. 53-60.

64. Назаров А.А. Анализ математической модели адаптивной терминальной измерительной системы / А.А. Назаров, А.А. Южаков, М.М. Нулик // Автоматика и телемеханика. 1993. - № 11. - С. 108-119.

65. Южаков А.А. Прикладная теория систем массового обслуживания: учеб. пособие /А.А. Южаков. Перм. гос. техн ун-т. Пермь, 2004. -121 с.

66. Южаков А.А. Стохастические сети в проектировании технических систем / А.А. Южаков. Перм. гос. техн ун-т. Пермь, 1999. - 131 с.

67. Третьяков Н.В. Моделирование устройств очередности на однородной структуре / Н.В. Третьяков, Ал.Ал. Южаков, А.А. Южаков // Информационно-управляющие системы : сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 2002. - С. 306-313.

68. Матушкин Н.Н. Мультипликативность распределения состояний замкнутой СМО при неоднородном входящем потоке / Н.Н. Матушкин, А.А. Назаров, А.А. Южаков // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 1996. - С. 39-47.

69. Вентцель Е.С. Теория случайных процессов и ее инженерные приложения / Е.С. Вентцель,'Л.А. Овчаров. М.: Наука, 1991. - 389 с.

70. МикроЭВМ в информационно-измерительных системах / С.М. Переверткин и др.. М.: Машиностроение, 1982. - 248 с.

71. Profibus Электронный ресурс. Profibus Internathional Suppart Centre. 2006. Режим доступа: http://www.profibus.com

72. Системы автоматизированного управления длительными ресурсными испытаниями гидроагрегатов авиационных двигателей / М.В. Кавалеров и др. // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 2002. - С. 116-123.

73. Третьяков Н.В. Алгоритмы сжатия в сетях передачи речи / Н.В. Третьяков, Ал.Ал. Южаков, А.А. Южаков // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 2002. -С. 168-172.

74. Адаптивные телеизмерительные системы / Б.Я. Авдеев и др.. -Л.: Энергоатомиздат, 1981. 248 с.

75. Теория вибрационных измерений / Л.И. Дехтяренко и др.. Киев: Наук, думка, 1988, - 168 с.

76. Эткин Л.Г. Виброчастотные датчики: теория и практика /Л.Г. Эт-кин. М.: Изд-во МГУ, 2004. - 407 с.

77. Штейнвольф А.Л. Расчеты и имитация негауссовых случайных вибраций / А.Л. Штейнвольф. Киев: Наук. Думка, 1993. - 250 с.