|
134 Таким образом, проведенные исследования показали, что многослойные модульные нейронные сети персептронного типа целесообразно использовать для прогнозирования возможных вариантов решений при выборе параметров компьютерной сети, при этом наблюдается высокая устойчивость получаемых результатов. Уровень шума, % Рис.4.14 Тестирование устойчивости работы НС при наличии шума 4.4. Повышение эффективности функционирования распределенной вычислительной системы Проводимое исследование было связано с необходимостью обоснования и уточнения принципов посгроения распределенной микропроцессорной системы (РМС) для диагностирования бортовых технологических объектов, реализуемой в Калужском ПИИ Телемеханических устройств (КНИИТМУ). Решение базовых задач на разработанной имитационной модели РМС показало, что ускорение вычислений может достигать 2-ь5 при изменении числа рабочих станций, объединенных локальной сетью, ог 3 до 7. Причиной этого являлась существовавшая в*РМС методика обработки, характеризовавшаяся необходимостью вмешательства пользователя в ход решения задачи. Дальнейшее повышение производительности РМС шло в направлении созда |
Таким образом, проведенные исследования показали, что многослойные модульные нейронные сети персептронного типа целесообразно использовать для прогнозирования возможных вариантов решений при выборе параметров компьютерной сети, при этом наблюдается высокая устойчивость получаемых результатов. •• Тест Обучение Рис.4.11 Тестирование устойчивости работы МНС при наличии шума При использовании НС в прикладных задачах одна из основных проблем формирование обучающей выборки. Поэтому представляет интерес исследование особенностей и возможностей самоорганизующихся нейронных сетей, обучающихся без учителя. 4.2. Повышение скорости сходимости самоорганизующейся сети Кохонена Будем рассматривать нейронную сеть Кохонена (Kohonen clastering network —KCN), характеризующуюся следующими свойствами: 223 ство экспериментов за счет такого подхода удалось сократить в 5 раз при общем числе экспериментов около 200. Окончательный вариант представлен на рис. 6.15. 6.15. Структура рабочей станции комплекса морского базирования Таким образом, результаты проведенных научно-исследовательских работ в рамках сотрудничества с ГУП "СПЕКТР" по созданию автоматизированных комплексов обработки телеметрической информации в реальном масштабе времени показали перспективность использования нейросетевых технологий для прогноза возможных вариантов решений, а их интеграция с имитационным моделированием позволяет значительно сократить число сложных экспериментов. 6.4.3. Повышение эффективности функционирования распределенной вычислительной системы Проводимое исследование было связано с необходимостью обоснования и уточнения принципов построения распределенной микропроцессорной системы (РМС) для диагностирования бортовых технологических объектов, 363 реализуемой в проекте "Логозер" Калужского НИИ Телемеханических устройств (КНИИТМУ). Решение базовых задач на разработанной имитационной модели РМС показало, что ускорение вычислений может достигать 2 ч-5 при изменении числа рабочих станций, объединенных локальной сетью, от 3 до 7. Причиной этого являлась существовавшая в РМС методика обработки, характеризовавшаяся необходимостью вмешательства пользователя в ход решения задачи. Дальнейшее повышение производительности РМС шло в направлении создания адаптивных алгоритмов, позволяющих полностью автоматизировать процесс выбора параметров обработки, и перехода на обработку в реальном времени. Поэтому все дальнейшие усовершенствования системы были связаны с анализом загрузки системы и выбором такой структуры РМС, которая обеспечивала бы оперативную обработку поступающих данных. Разработка и исследование новых алгоритмов обработки информации вызвала необходимость выявления резервов повышения производительности за счет модернизации внутренней структуры комплекса и переходом к клиент серверной технологии. Задача исследования РМС была поставлена следующим образом: определить значения основных параметров РМС, обеспечивающих ее функционирование в реальном масштабе времени. топология алгоритм кол-во раборазмер буфевеличина диспетчеричих станций ра данных кванта зации Рис. 6.16 Вид хромосомы 364 |