Власов Д.В. Оптический процессор - файл n1.doc

приобрести
Власов Д.В. Оптический процессор
скачать (434.5 kb.)
Доступные файлы (1):
n1.doc435kb.08.07.2012 17:02скачать

n1.doc



Хорошо известно, что во многих областях науки главной задачей является обработка видеоинформации. Одна из таких областей - исследование природных ресурсов Земли из космоса. Для иллюстрации объемов этой информации и скорости ее поступления достаточно показать, что только один снимок, полученный с помощью многозонального фотоаппарата и охватывающий площадь 100*100 км с разрешением 10 м, содержит приблизительно 1000 Мбит информации. Ежедневно на Землю поступaют сотни таких снимков. Для передачи этой информации служат цифровые радиолинии, работающие со скоростью 10-100 Мбит/с и более. Это вызвало необходимость разработки и создания оптоэлектронных систем регистрации, хранения и обработки космической видеоинформации.

Оптические методы позволяют производить как аналоговую, так и цифровую обработку информации. Когерентные аналоговые оптические вычислительные машины широко используются для решения специальных классов задач (обработка радиолокационных сигналов в РЛС с синтезированием апертуры; спектральный и корреляционный анализ, распознавание образов и др.). Характерной чертой оптических аналоговых вычислительных машин является то, что все элементы информации на входе преобразуются в результирующий сигнал на выходе одновременно. Благодаря этому достигается огромная производительность - более 1.0e13 оп/с. Однако такие вычислительные машины, так же как и электронные аналоговые машины, имеют ограниченную точность вычислений - порядка 1%.

Интерес к цифровой оптической обработке информации на начальном этапе был вызван необходимостью преодоления тех проблем, с которыми столкнулась аналоговая оптическая вычислительная техника: малая точность вычислений и отсутствие гибкости, присущей электронной технике.

Необходимость создания таких вычислительных систем диктуется возможностью преодоления ряда принципиальных недостатков, присущих фон-Неймановским ЭВМ, которые ограничивают дальнейшее повышение их эффективности и производительности. Поэтому разработку таких систем следует рассматривать как один из альтернативных путей создания сверхпроизводительных вычислительных систем наряду с разрабатываемыми в настоящее время мультипроцессорными супер-ЭВМ параллельного действия.

Оптический сигнал

Оптический сигнал - световая волна, несущая определенную информацию. Особенностью световой волны по сравнению с радиоволной является то, что вследствие малой длины волны в ней может быть практически осуществлена передача, прием и обработка сигналов, модулированных не только по времени, но и по пространственным координатам. Это позволяет значительно увеличить объем вносимой в оптический сигнал информации. Оптический сигнал - функция четырех переменных (x,y,z,t) - 3-х координат и времени. Электромагнитная волна - изменение во времени и в каждой точке пространства электрического и магнитного полей, которые связаны между собой по закону индукции. Электромагнитная волна характеризуется взаимно перпендикулярными векторами напряженностей электрического E и магнитного H полей которые изменяются во времени по одному и тому же гармоническому закону:



Световую волну можно представить с помощью электрического или магнитного поля. В оптике чаще всего для этой цели используют электрическое поле. Поэтому будем считать, что (1) описывает электрическое поле поляризованной световой волны. Тогда P(x,y,z) - единичный вектор, определяющий прямую, вдоль которой совершается колебание электрического поля в точке пространства с координатами (x,y,z). Функция U(x,y,z,t) - скалярная функция координат пространства и времени, числено равная мгновенному значению напряженности электрического поля E(x,y,z,t); A(x,y,z) - амплитуда колебаний напряженности электрического поля в точке (x,y,z). Скалярная форма записи световой волны:



Обычно пользуются комплексной формой записи. В комплексном виде уравнение монохроматической волны будет иметь вид:



Величину

(2)

называют комплексной амплитудой. Она описывает пространственное распределение амплитуд A(x,y,z) и фаз световой волны и является важной характеристикой монохроматической волны.

На самом деле монохроматических волн не существует, однако эта модель может быть использована в так называемых когерентных системах. Так называют оптические системы, в которых любые возможные разности хода взаимодействующих волн меньше длины когерентности используемого источника, а размеры системы в направлении, перпендиккулярном направлению распространения света, меньше размера области когерентности. (Таким образом, "когерентность" системы определяется в основном источником - шириной его спектра и угловой расходимостью.) Аналоговые процессоры, построенные на основе когерентных систем называют когерентными оптическими процессорами

Временной множитель, являющийся для монохроматического сигнала гармонической функцией времени, обычно опускают. Поэтому в дальнейшем оптический сигнал будем представлять в виде (2). Таким образом, основными характеристиками световой волны являются амплитуда A(x,y,z), фаза и поляризация, определяемая единичнм вектором P(x,y,z). В оптических системах хранения и обработки информации, как правило, работают с двухмерным оптическим сигналом, который описывается распределением комплексной амплиатуды, фазы или поляризации световой волны по точкам пространства, лежащим в плоскости, перпендикулярной направлению распространения волны. Если в рассматриваемой плоскости ввести координаты x, y, то информация, содержащаяся в двухмерном сигнале, будет определяться комплексной амплитудой



и (или) поляризацией P(x,y), являющимися функциями двух пространственных координат. Следовательно, в когерентном оптическом процессоре информация в световую волну может быть введена путем модуляции ее амплитуды, фазы и поляризации по двум пространственным координатам x, y.

В некогерентной системе понятие о фазе сигнала утрачивает смысл, информация существует в виде двумерного распределения интенсивности и (или) поляризации

Системы ввода информации в оптический процессор

Принципиальные схемы ввода информации



Существуют два основных способа образования изображений и ввода их в канал оптической обработки,обеспечивающих достаточно большую скорость ввода.

Первый способ предназначен для ввода информации, поступающей в виде последовательности электрических или оптических сигналов сразу по нескольким входным каналам. Он осуществляется посредством управляемого матричного транспаранта (ПВМС - пространственно - временной модулятор света), который формирует изображение построчно и запоминает информацию до момента считывания. Различают электрически и оптически управляемые транспаранты.



Второй способ предназначен для ввода алгоритмов решения задач, инструкций, постоянных величин. Эти данные хранятся в постоянной оптической памяти. Информация в оптической памяти хранится в отдельных ячейках плоской матрицы в виде голограм. Для считывания применяется устройство адресации лазерного излучения, направляющего луч в ячейку с заданным номером. Адресное устройство представляет собой многопозиционный дефлектор лазерного луча с произвольной адресацией. Двумерное изображение, считанное с голограмы, подается на транспарант с оптическим входом и модулирует его функцию пропускания или отражения. Вход в транспарант осуществляется одновременно по всем оптическим каналам.



Управляемые транспаранты



Управляемые транспаранты служат для пространственной модуляции светового пучка по амплитуде, фазе или поляризации и применяются в системах ввода-вывода данных.

По способу управления модуляцией светового пучка различают электрически и оптически управляемые транспаранты. Оба типа могут осуществлять дискретную или аналоговую модуляцию светового пучка. В первом случае транспарант должен обладать нелинейной характеристикой, во втором, наоборот, должен иметь линейную зависимость оптических свойств элемента от управляющего сигнала.

В основе работы управляемых транспарантов могут лежать различные физические явления: электрооптические, акустооптические, магнитооптические. Управляемые транспаранты условно можно разделить на следующие типы:

1) Электрически управляемые транспаранты

a) С адресацией электронным пучком
b) С адресацией электрическим напряжением:

2) Оптически управляемые транспаранты

Транспаранты с управлением электронным пучком


В пространственных модуляторах света с адресацией электронным пучком входные данные модулируют ток пучка сканирующей электронной пушки, и на мишени записывается распределение заряда, соответствующее входному сигналу.

Наиболее перспективным является транспарант с адресацией электронным пучком на основе электрооптического кристалла DKDP. В одном из них мишень представляет пластинку кристалла с прозрачным электродом на противоположной стороне. Распределение электрическрго поля, формирующегося в кристалле при образовании на его поверхности потенциального рельефа, вызывает пространственные изменения показателя преломления мишени и амплитудную или фазовую модуляцию коллимированного входного пучка благодаря эффекту Поккельса. Оперативный режим работы модулятора достигается путём использования дополнительной электронной пушки с широким пучком, снимающим поверхностный заряд. Устройство такого типа позволяет осуществлять ввод растра размером 1000*1000 точек со скоростью 30 кадров/с или 30 Мбит/с.



Существует и другой режим работы прибора, когда перед кристаллом на пути электронного пучка размещается тонкая сетка, на которую подаётся видеосигнал, а кристалл сканируется пучком постоянной интенсивности.
Управляемей электрическим напряжением

Жидкокристаллические электрически управляемые транспаранты


Для пространственной модуляции света используют два электрически управляемых эффекта, наблюдающихся в жидких кристаллах: наведённое двулучепреломление и динамическое рассеяние света. Процесс изменения оптических свойств слоя жидкого кристалла носит пороговый характер.

Конструкция ячейки транспаранта представляет собой сэндвич, состоящий из плёнки жидкого кристала между двумя электродами, напылёнными на стеклянных подложках и обычно прозрачными.

Эффект динамического рассеяния применяют для амплитудной модуляции проходящего или отражённого светового пучка. Он обусловлен переносом заряда через слой жидкого кристалла и возникновением в нём гидродинамических нестабильностей. Перемешивание в электрическом поле приводит к значительному ослаблению интенсивности проходящего через ячейку света. По окончании действия электрического поля слой приобретает исходную структуру и становится прозрачным.

Под действием электрического поля в жидком кристалле происходит также процесс переориентации молекул(В- и S-ориентационные (полевые) эффекты). В результате при оптимальном расположении оптических осей слоя жидкого кристалла относительно вектора поляризации света достигается максимальное изменение двулучепреломления и соответственно фазовая модуляция света.

Твист-эффект (Т-эффект), близкий по природе к S-эффекту, обеспечивает поворот плоскости поляризации света.

Время электрооптического переключения в тонких слоях жидких кристаллов составляет 10 мкс.

Устройства на основе электрооптической керамики


Структура PLZT-керамики представляет собой горяче прессованную смесь лантана, цирконата и титаната свинца. Наблюдаемые в ней эффекты являются результатом ориентации в электрическом поле вектора поляризации сегнетоэлектрических доменов. Как следствие этого, происходит переориентация оптических осей зёрен кристаллов, обладающих явно выраженным двулучепреломлением.

Обычно различают четыре основных принципа, лежащих в основе работы приборов:продольный электрооптический эффект в деформированной керамике, "краевой" эффект, обратный пьезоэффект и эффект рассеяния света в крупнозернистой керамике.

Время переключения элемента модулятора на основе керамики с матричным адресованием составляет 10 мкс. Для создания транспарантов с индивидуальным адресованием можно использовать параэлектрическую керамику, имеющую скорость переключения десятки наносекунд.

Продольный электрооптический эффект


Наиболее часто используется продольный электрооптический эффект в деформированной пластинке мелкозернистой керамикe. Электрический вектор поляризации в этом случае первоначально ориентируется вдоль пластинки по касательной к профилю её изгиба. Свет проходит через прозрачные электроды перпендикулярно пластине. Вызываемый электрическим полем поворот вектора поляризации сегнетоэлектрика приводит к изменению двулучепреломления пластины.

"Краевой эффект"


Сущность "краевого эффекта" заключается в том, что при подаче электрического поля на элементы матрицы, вследствие обратного пьезоэффекта, происходит увеличение толщины пластинки в межэлектродном промежутке. Это приводит к возникновению механического напряжения на соседних с элементом участках пластины и к соответствующей ориентации в них сегнетоэлектрических доменов. Тем самым механическое напряжение керамики здесь заменено электрическим аналогом. Записанная информация считывается в виде световых сегментов, окружающих переключаемый элемент.

Обратный пьезоэффект


Третий тип приборов использует электрически управляемое изменение длины оптического пути (электрооптический эффект) или механическое изменение толщины пластинки (обратный пьезоэффект) непосредственно в межэлектродном промежутке. Элемент матрицы работает как фазовый модулятор, в котором различна длина светового пути или локальное смещение фазы волнового фронта при отражении от пластины соответствует "единичному" или "нулевому" состоянию элемента.

Эффект рассеяния


Эффект рассеяния используется в крупнозернистой керамике. Свет, проходящий через керамическую пластинку, рассеивается в определенном телесном угле, величина которого зависит от направления вектора поляризации матричного элемента. Рассеяние света может вызываться переходом керамики из электрически деполяризованного состояния в поляризованное состояние.

Электрически управляемые транспаранты на ферромагнитных материалах


С помощью применения новых материалов и полупроводниковых инжекционных лазеров, по-видимому, будут преодолены трудности связаные с токами перемагничивания и поглощением ферромагнетиков в видимой области спектра. Имеются сообщения о разработках на ортоферритах.

Запись производится локальными магнитными полями, создаваемыми с помощью токовых петель. При этом происходит поворот плоскости поляризации света, распространяющегося в веществе,вдоль силовых линий магнитного поля(эффект Фарадея). Стирание и перезапись информации могут производится неограниченное число раз. В этом случае для записи 1 бита информации требуется время 10 нс при токе 1 А и диаметре токовой петли 100-300 мкм.

Устройства на монокристаллических сегнетоэлектриках


Эти материалы электрически бистабильны. Механизм действия транспарантов основан на переключении спонтанной поляризации, которая сопровождается изменением оптических свойств кристалла. Возможна как фазовая, так и амплитудная модуляция света.

Акустооптические устройства


Акустооптические устройства являются по существу одномерными преобразователями и формируют движущееся окно входных данных. Основные типы таких преобразователей - это устройства с объёмными и поверхностными волнами. В них используют явление дифракции света на акустических волнах, распространяющихся в среде взаимодействия, причём в устройствах с объёмными волнами используются как эффект Брэгга, так и эффект Рамана-Ната.

Создание многоканальных модуляторов, формирующих двумерные массивы данных, возможно с помощью большого числа индивидуально адресуемых ячеек, число которых соответствует числу каналов модуляции. Временная последовательность m электрических импульсов по n каналам преобразуется в модуляторе в бегущее изображение с числом элементов m*n. Длительность импульса считывания должна составлять десятки наносекунд, чтобы акустическую решётку можно было бы считать неподвижной.



Разработан модулятор со следующими параметрами: число каналов n=34, число элементов в каждом канале m=128. Производительность оцениваeтся в 1 Гбит/c.

Оптически управляемые транспаранты


Cреди различных типов оптически управляемых транспарантов наиболее известны устройства, в которых используется изменение фотопроводимости в слое полупроводника в результате освещения. Этот слой, следовательно, является необходимым элементом многослойной структуры типа конденсатора, на обкладках которого присутствуют электрические заряды, создаваемые электронным пучком или приложенным электрическим напряжением. Другим элементом структуры будет являтся слой электрооптического материала.



Запись информации производится путём экспозиции модулированного светового пучка (управляющая волна I1) на фотопроводник с одновременной подачей постоянного напряжения. При этом происходит перераспределение разности потенциалов, приложенной к структуре. Модулированный световой пучёк создаёт в фотопроводнике заряженные носители, дрейфующие к поверхности фотопроводник-электрооптический материал. Прикладываемое к транспаранту электрическое поле пространственно ослабляется фотоносителями пропорционально интенсивности падающего света. Это приводит к изменению оптических свойств электрооптического материала в соответствии с управляющей волной.

Для неразрушающего считывания записанных данных надо использовать свет с другой длиной волны. Считывание может производится в проходящем или отражённом свете. При работе в отражённом свете между фотопроводником и электрооптическим материалом помещается оптический разделительный слой.

В результате считывающая волна I0, прошедшая через электрооптический слой, претерпевает амплитудную или фазовую модуляцию. После прекращения импульса напряжения структура релаксирует к исходному состоянию. Иногда для стирания применяется засветка.

При планарной конструкции транспаранта для модуляции могут применятся продольный эффект Поккельса на кристаллах типа DKDP, KDP, ADP; электропоглощение вследствие действия эффекта Франца-Келдыша в широкозонных полупроводниках типа GaAs, CdS, GaP; динамическое рассеяние в жидких кристаллах и другие.

Оптические логические элементы


Для создания цифровой машины принципиально уметь строить основные логические элементы И, ИЛИ, НЕ. Ниже рассматрены основные принципы, предлагаемые сегодня для построения таких элементов, управляемых светом.

Волноводные логические элементы



Волноводный модулятор представляет собой интерференционный прибор, осуществляющий амплитудную модуляцию входного оптического сигнала, представляющего собой линейно поляризованное световое излучение лазера. Входной волновод модулятора разветвляется на два параллельных канала, которые затем снова сливаются, образуя выходной волновод. Волновод изготавливается из материала, обладающего электрооптическим эффектом. Обе ветви волновода симметричны, поэтому входной световой сигнал на разветвлении делится на две равные по амплитуде волны, которые далее распространяются по параллельным каналам с относительным сдвигом фаз. Разность фаз этих волн определяется электрическим напряжением, приложенным к управляющим электродам. Логическая "1" отождествляется со значением напряжения U0, а двоичный "0"- с нулевым потенциалом. Таким образом, если напряжение U0 приложено к четному числу управляющих электродов, то волны, сходящиеся в выходном разветвлении усиливают друг друга, образуя выходной оптический сигнал с амплитудой, практически равной амплитуде входного сигнала, который принимается за единичный сигнал. В противном случае волны практически полностью гасят друг друга, образуя нулевой выходной сигнал.



Условные обозначения волноводных логических устройств:



Оптический транзистор (трансфазор)



Трансфазор редставляет собой оптический аналог электронного транзистора и является оптически бистабильным прибором, способным переключаться в одно из двух четко различимых состояний за время, измеряемое пикосекундами. Он может иметь такие же малые раэмеры, как и электронный транзистор. Для поддержания бистабильного состояния в трансфазоре требуется мощность порядка 10 мВт и энергия переключения порядка 10 фемто Дж. На основе трансфазора реализуется функционально полная система логических элементов, из которых можно строить любые логические схемы и функциональные узлы вычислительных машин.

Для образования основных логических элементов И, ИЛИ и НЕ в оптических компьютерах можно использовать бистабильные оптические устройства. Такое устройство представляет собой резонатор Фабри-Перо, заполненный нелинейным веществом (например антимонид индия - InSb). Показатель преломления данного вещества зависит от интенсивности падающего пучка, поэтому на выходе можно получить два стабильных состояния, одно из которых условно принимается за "0", а другое за "1".

Один и тот же трансфазор (оптический транзистор) может служить как элементом И, так и элементом ИЛИ, в зависимости от подведённых к нему пучков. Если два падающих пучка подобраны так, что ни один из них сам по себе не способен переключить трансфазор, а оба вместе обладают достаточной интенсивностью для его переключения, то образуется оптический элемент И. Если же падающие пучки подобраны так, что любой из них способен переключить трансфазор, образуется оптический элемент ИЛИ. Элемент НЕ можно создать, используя в качестве выходного сигнала отражённый пучок. Так как он является инверсией прошедшего пучка, то повышение интенсивности падающего пучка приводит к снижению интенсивности на выходе и наоборот (смотри рисунки).


Резонатор Фабри-Перо



В качестве бистабильного оптического элемента применяется резонатор Фабри-Перо, заполненный нелинейной средой, показатель преломления которой n зависит от интенсивности I по закону: . Прозрачность резонатора T зависит от фазового набега между зеркалами :



В резонаторе, заполненном нелинейной средой, полный фазовый набег зависит от интенсивности:



где - констата, . Cхема совместного решения уравнений (1) и (2) представлена на рисунке (a).



Пересечение прямой с наклоном с кривой пропускания резонатора дает положение рабочей точки - результат совместного решения (1) и (2). Прослеживая за изменением положения рабочей точки при изменении входной мощности Iвх, можно построить зависимость , приведённую на рисунке (б):



Среда, заполняющая резонатор, и имеющая кубическую нелинейность, характери- зуется двумя важными параметрами: величиной нелинейного коэффициента n2 и временем релаксации нелинейного отклика Tнл (инерционностью).

На рисунке (в) систематизированы экспериментальные данные по различным нелинейным материалам:



Из рисунка видно, что вещества обладающие сильной нелинейностью, имеют достаточно большое время переключения, поэтому выбирают вещества с наиболее оптимальными значениями n2 и нл (обведены кружками).

Схематически интерферометр Фабри-Перо изображён на рисунке:

Когерентный аналоговый оптический процессор, использующий методы пространственной фильтрации
Основными компонентами оптических систем обработки информации, как и систем, формирующих изображения, являются тонкие сферические линзы



Рис. 1
выполняющие двухмерное преобразование Фурье. Входная и выходная плоскости системы совпадают с передней и задней фокальной плоскостями линзы. Если на вход такой системы поступает оптический сигнал U1(x1,y1), то на выходе появляется сигнал, связанный со входным сигналом следующим соотношением:

(1)

Таким образом, выходной сигнал рассматриваемой простейшей оптической системы с точностью до постоянного множителя совпадает с фурье-образом входного сигнала. Поэтому выходную плоскость такой системы называют спектральной или фурье-плоскостью.

Следует отметить, что фурье-образ входного оптического сигнала существует в виде физичеки реального пространственного распределения комплексных амплиатуд света. Благодаря этому когерентные оптические системы могут быть эффективно использованы для решения широкого круга задач, связанных с получением, преобразованием и обработкой фурье-спектров, корреляционных функций и сверток.

Поскольку фурье-образы двухмерных оптических сигналов реализуются в виде реальных физических сигналов с помощью простейшей оптической системы, над ними можно производить различные математические операции методами пространственной фильтрации. Оптическая система обработки информации методами пространственной фильтрации (рис. 2) состоит из следующих компонентов: источника света, двух последовательно расположенных простейших систем преобразования Фурье, устройства ввода информации, пространственного операционного фильтра и детектора выходных сигналов. Устройство ввода информации, операционный фильтр и детектор выходных сигналов распологаются cоответственно во входной (x1,y1), спектральной (xн,yн) и выходной (xd,yd) плоскостях системы. Плоскости имеют одинаковые масштабы.



Рис. 2
Линза Л2 осушествляет преобразование Фурье сигнала U1(x1,y1), созданного транспарантом, поэтому в спектральной плоскости системы непосредственно перед операционным фильтром распределение комплексных амплитуд света пропорционально фурье-образу входного сигнала, т.е.

(2)

Амплитудный коэффициент пропускания операционного фильтра

(3)

Функция H соответствует математической операции, которую необходимо выполнить над входным сигналом, ее называют передаточной функцией фильтра. В результате пространственной фильтрации получается сигнал, описываемый распределением комплексных амплитуд:

(4)

Отфильтрованный сигнал подвергается повторному преобразованию Фурье с помощью линзы Л3. В результате в выходной плоскости системы свет будет иметь распределение:

(5)

Направления координатных осей в выходной плоскости системы выбраны противоположно направлениям осей координат во входной плоскости для того, чтобы учесть инверсию, которая получается в результате двух последовательных преобразований Фурье и выражается соотношением f{f[U(x,y)]}=U(-x,-y). Соотношение (5) можно записать в виде свертки:

(6)

где h(x,y) - обратное преобразование Фурье передаточной функции фильтра. Таким образом, оптическая система, представленная на рис. 2, способна выполнять линейные интегральные преобразования типа свертки, описываемые уравнением (6). В частном случае, когда H=1, искомая система превращается в систему, создающую изображение входного сигнала. Действительно, при этом h(x,y) становится дельта-функцией. И из уравнения (3) следует, что Ud(xd,yd)=kU1(xd,yd). Более известна формула свертки функций (зависящих от координаты x ивремени t) в виде:

(7)

Примером может служить свертка функций f(x) и g(x):



Рис. 3
Так как входной сигнал оптической системы является финитным, ее фурье-образ имеет неограниченную протяженность. Поэтому ошибка в выходном сигнале оптической системы, обусловленная потерей части фурье-образа, соответствующей высоким пространственным частотам, неизбежна. Сейчас была рассмотрена оптическая система аналогового процессора, предназначенного для параллельной обработки двумерных сигналов. На практике часто приходится иметь дело с одномерными сигналами. Оптическая система когерентного аналогового процессора, способного параллельно обрабатывать множество одномерных сигналов, представлена на рис. 4. Такой процессор называют астигматическим.



Рис. 4

Наиболее широкое применение среди различных типов оптических процессоров нашли оптические корреляторы. Существует много различных вариантов построения корреляторов, среди которых два наиболее часто испоьзуемых:

В качестве коррелятора с частотной плоскостью может служить оптическая система пространственной фильтрации, представленная на рис. 2. Действительно, если на вход этой системы подать входной сигнал U1(x1,y1), а в фурье-плискости сформировать фильтр с передаточной функцией H=V, то на выходе получится сигнал

(8)

представляющий собой кросс-корреляцию сигналов v и U. Если v=U, то получают функцию автокорреляции. Операционный фильтр с передаточной функцией H=V называют согласованным фильтром, а соответствующую схему - схемой согласованной фильтрации.

Согласованная фильтрация обычно используется при распознавании образов в заданном изображении: отдельных букв, символов, простых рисунков специальной информации. Для этого записывают (одним из методов) фильтр, согласованный с образом информации, подлежащим опознаванию, после чего осуществляют его взаимную корреляцию с заданным изображением. Если в изображении содержится интересующий образ, то в результате автокорреляции в выходной плоскости системы образуется яркое световое пятно, указывающее на наличие опознаваемого образа и местонахождение в искомом изображении. Таким путем распознают отпечатки пальцев, интересующие слова на странице текста, специальные объекты на карте местности и т.п.

В коррелятор с одновременным преобразованием функции V1(x,y) и V2(x,y), корреляцию которых требуется получить, вводятся с помощью транспарантов, помещенных рядом во входной плоскости. Допустим, что каждая функция имеет ширину а, а расстояние между центрами функций равно 2а. Амплитудное пропускание транспарантов можно записать в виде

(9)

Распределение комплексных амплитуд света в фурье-плоскости Рн с точностью до постоянного множителя совпадает с фурье-образом (9):

(10)

Поскольку на регистрирующую среду записывается квадрат модуля данного распределения, последующее амплитудное пропускание полученного фильтра соответствует выражению

(11)

Данный фильтр записывается с помощью когерентного светового пучка, по существу он представляет собой голограмму с кодированным опорным пучком. Фильтр с функцией пропускания (10) освещается плоской световой волной, отраженной от осветителя М. В выходной плоскости Рd получают изображение, описываемое распределением амплитуд:

(12)

Таким образом, в выходной плоскости рассмотреной системы формируются кросс - корреляции функций V1 и V2. Отметим, что запись и считывание могут осуществляться на одной длине волны, если это не лимитируется свойствами регистрирующего материала.

Коррелятор с одновременным преобразованием имеет ряд преимуществ перед коррелятором с частотной плоскостью:

Коррелятор с одновременным преобразованием предпочтительно применять в тех случаях, когда входные функции поступают в реальном масштабе времени. Следует отметить, что повышения надежности распознования можно добиться за счет предварительной обработки исходного изображения, например оконтуривания, поскольку контурные линии для большинства изображений обладают наибольшей информативностью.

Подавление шумов путем пространственного дифференцирования оптических сигналов


В задаче распознавания образов иногда возникают ситуация, когда корреляция между исходным образом и шумом оказывается очень близкой к автокорреляции самого исходного образа. И если при этом интенсивность шума достаточно велика, то средняя интенсивность автокорреляции исходного сигнала оказывается значительно выше средней интенсивности кросс-корреляции сигнала с шумом.

Такая ситуация возникает, например, в задаче распознавания букв алфавита, если буква-помеха занимает большую площадь, чем искомая буква, и интенсивность отклика фильтра на помеху превышает интенсивность отклика на искомый образ.

Поясним возможную ситуацию на примере двух букв I и E (рис. 1). Буква I является искомой функцией, а буква E - помехой. Распределение амплитуд света в транспарантах имеет вид двух ступенек единичной высоты. Амплитудное распределение вдоль оси x имеет вид прямоугольных импульсов, ширина которых зависит от буквы. Сигнальная корреляция имеет вид треугольного импульса, а шумовая кросс-корреляция имеет вид трапеции с теми же склонами, что и треугольный импульс. Поэтому отклик согласованного фильтра имеет для шума большую энергию, чем для искомого сигнала.

Рис. 1

Решение этой задачи было достигнуто петем замены корреляционного сравнения сигналов на корреляционное сравнение их пространственных производных. Пространственное дифференцирование легко осуществляется с помощью общего принципа пространственной фильтрации изображений в когерентной оптической системе.

Как известно, операции дифференцирования вдоль одной координаты x в предметной плоскости соответствует операция умножения на i и циклическую частоту в плоскости Фурье. Для того чтобы такую операцию осуществить, исходный сигнал f(x) подвергается, как обычно, преобразованию Фурье с помощью линзы. В плоскости пространственных частот вводится дополнительный фильтр, амплитудное пропускание которого зависит от частоты u в виде



Такой фильтр преобразует исходную функцию в ее градиент. На выходе фильтра амплитуда сигнала равна



Обратное преобразование Фурье осуществляется с помощью линзы Л3, и на плоскости Р3 отображается сигнал, равный пространственной производной n-ого порядка от исходного сигнала f(x). При этом сигнальная автокорреляция, отображаемая одним из боковых пучков оптического коррелятора при n=1, равна



где



Шумовая кросс-корреляция имеет вид



Для вторых пространственных производных (n=2) получаем соответственно сигнальную автокорреляцию



Такое устройство позволяет выполнить дифференцирование любого порядка, включая дробное дифференцирование (n=1/2, n=3/2, n=5/2 и т.д.). Каждому виду шумов отвечает свой оптимальный порядок пространственного дифференцирования.



Рис. 2

На рис. 2 показан эффект пространственного дифференцирования в примере двух букв: I (искомая) и E (шум). В результате дифференцирования прямоугольного импульса возникают две дельта - функции противоположного знака, но у шума они отстоят друг от друга на большем расстоянии, чем у сигнала. После дифференцирования шумовая кросс - корреляция состоит из четырех дельта-функций, которые на выходе квадратичного детектора создают четыре пика с интенсивностями 1;1;1;1. А сигнал после дифференцирования имеет вид трех дельта-функций, при этом средний пик в два раза больше боковых (по амплитуде). И на выходе квадратичного детектора появятся три всплеска с интенсивностями 1;4;1 соответственно. В таких условиях легко провести дискриминацию шума и пропустить только сигнал, так как отношение интенсивностей сигнального и шумового оталиков равно 4/1.

Для примера показано решение задачи выбора равномерно освещенного круга определенного размера. Искомый круг показан стрелкой. Ниже показан пример распознавания отпечатков.



Рис. 3

Эксперименты показали, что соотношение сигнальной и шумовой частей зависят откачества оптики, используемой в подобных устройствах (здесь выбирались буквы е)



Рис. 4
нижняя микроденситограмма получена в системе, где оптические аберрации были устранены.

Метод вывода информации с помощью фотоприёмных матриц


Матрица фотоприёмников (фотоматрица) служит для преобразования оптического изображения в электрические сигналы, причём каждый элемент функционирует как пороговый детектор, указывающий наличие или отсутствие светового сигнала в соответствующей позиции.

Различают два режима работы фотоприёмников: режим непосредственного отсчета и режим накопления заряда. В первом случае выходной электрический сигнал фотоприёмника в каждый момент времени пропорционален интенсивности падающего на него оптического сигнала, а во втором - полному световому потоку, падающему за время накопления. Так как мощность оптического сигнала, поступающего на вход отдельного элемента фотоматрицы, очень мала, то работа фотоприемников в режиме накопления заряда предпочтительнее.

В последнее время при разработке фотоматриц наблюдается тенденция объединения фотоприемников с элементами транзисторной памяти. При этом к выходным сигналам фотоприемников предъявляется единственное требование - устанавливать триггер, являющийся элементом памяти, в нужное состояние.

Фотоматрицы с непосредственным отсчетом


В качестве ФМ с непосредственным отсчетом рассмотрим фотодиодную матрицу. Каждый её элемент состоит из p-i-n-фотодиода и двух МОП-транзисторов p-типа, которые служат для коммутации фотодиодов. Катоды фотодиодов соединены вместе и смещены в положительном направлении, а аноды связаны с истоками МОП-транзисторов. Затворы МОП-транзисторов подключены к парафазным адресным шинам A-A~, а стоки - к парафазным разрядным шинам P-P~. В рабочем режиме при подаче положительного смещения на n-область фотодиоды смещаются в обратном направлении. Если ФМ не освещена, то через фотодиоды течет только небольшой темновой ток. При освещении ФМ через те фотодиоды, на которые падает свет, потечет фототок, во много раз больший темнового тока.

Выборка нужного слова производится с помощью парафазных шин A-A~. В исходном состоянии шины A~ имеют низкий, а шины А - высокий потенциал. Следовательно, при отсутствии сигнала считывания весь фототок замыкается на землю через МОП-транзистор, открытый низким потенциалом шины А~, так как МОП-транзистор, подкюченный к разрядной шине, закрыт высоким потенциалом шины А.

Для выборки слова на соответствующую адресную шину A~ подается высокий, а на шину А - низкий потенциал. При этом фототок каждого разряда выбранного слова поступает в соответствующую разрядную шину и возбуждает сигнал на входе усилителя считывания.

ФМ описанного типа обладают быстродействием порядка 0.3 мкс.

Фотоматрицы с накоплением заряда


Детектирование оптической страницы осуществляется следующим образом. В начале цикла на затворы МОП-транзисторов подаются коммутирующие импульсы и через открытые транзисторы производится заряд емкостей p-n переходов фотодиодов до максимального напряжения источника питания. Затем ФМ освещается оптическим изображением. При этом под действием падающего светового потока происходит разряд емкостей p-n переходов фотоприемников и напряжение на них падает на значение, пропорциональное мощности светового потока и длительности освещения.

Для считывания слова на соответствующую адресную шину подается коммутирующий импульс, который открывает ключевые транзисторы, соединенные с выбранной шиной. Тогда через фотодиоды, открытые транзисторы и входные цепи усилителей считывания потекут токи дозарядки. Ток, протекающий через отдельный фотодиод, зависит от потери заряда за период накопления и пропорцоинален числу фотонов света, попавших на фотодиод.

Нейрокомпьютеры

1. Что такое нейрокомпьютер?



Нейрокомпьютинг - это научное направление, занимающееся разработкой вычислительных систем шестого поколения - нейрокомпьютеров, которые состоят из большого числа параллельно работающих простых вычислительных элементов (нейронов). Элементы связаны между собой, образуя нейронную сеть. Они выполняют единообразные вычислительные действия и не требуют внешнего управления. Большое число параллельно работающих вычислительных элементов обеспечивают высокое быстродействие.

В настоящее время разработка нейрокомпьютеров ведется в большинстве промышленно развитых стран.

Нейрокомпьютеры позволяют с высокой эффективностью решать целый ряд интеллектуальных задач. Это задачи распознавания образов, адаптивного управления, прогнозирования, диагностики и т.д.

Нейрокомпьютеры отличаются от ЭВМ предыдущихи поколений не просто большими возможностями. Принципиально меняется способ использования машины. Место программирования занимает обучение, нейрокомпьютер учится решать задачи.

Обучение - корректировка весов связей, в результате которой каждое входное воздействие приводит к формированию соответствующего выходного сигнала. После обучения сеть может применять полученные навыки к новым входным сигналам. При переходе от программирования к обучению повышается эффективность решения интеллектуальных задач.

Вычисления в нейронных сетях существенно отличаются от традиционных, в силу высокой параллеленности их можно рассматривать как коллективное явление. В нейронной сети нет локальных областей, в которых запоминается конкретная информация. Вся информация запоминается во всей сети.

Толчком к развитию нейрокомпьютинга послужили биологические исследования. По данным нейробиологии нервная система человека и животных состоит из отдельных клеток - нейронов. В мозге человека их число достигает 1.0e10 - 1.0e12. Каждый нейрон связан с 1.0e3 - 1.0e4 другими нейронами и выполняет сравнительно простые действия. Время срабатывания нейрона - 2-5 мс. Совокупная работа всех нейронов обуславливает сложную работу мозга, который в реальном времени решает сложнейшие задачи. Отличия нейрокомпьютеров от вычислительных устройств предыдущих поколений:

Нейронные сети находят свое применение в системах распознавания образов, обработки сигналов, предсказания и диагностики, в робототехнических и бортовых системах. Нейронные сети обеспечивают решение сложных задач за времена порядка времен срабатывания цепочек электронных и/или оптических элементов. Решение слабо зависит от неисправности отдельного нейрона. Это делает их привлекательными для использования в бортовых интеллектуальных системах.

Разработки в области нейрокомпьютеров поддерживаются целым рядом международных и национальных программ. В настоящее время эксплуатируется не менее 50 нейросистем в самых различных областях - от финансовых прогнозов до экспертизы.

Разработки в области нейрокомпьютинга ведутся по следующим направлениям:

В настоящее время наиболее массовым направлением нейрокомпьютинга является моделирование нейронных сетей на обычных компьютерах, прежде всего персональных. Моделирование сетей выполняется для их научного исследования, для решения практических задач, а также при определении значений параметров электронных и оптоэлектронных нейрокомпьютеров.

2. Нейронные сети - основные понятия и определения



В основу искусственных нейронных сетей положены следующие черты живых нейронных сетей, позволяющие им хорошо справляться с нерегулярными задачами:

Прототипом для создания нейрона послужил биологический нейрон головного мозга. Биологический нейрон имеет тело, совокупность отростков - дендридов, по которым в нейрон поступают входные сигналы, и отросток - аксон, передающий выходной сигнал нейрона другим клеткам. Точка соединения дендрида и аксона называется синапсом. Упрощенно функционирование нейрона можно представить следующим образом:

Поведение искусственной нейронной сети зависит как от значения весовых параметров, так и от функции возбуждения нейронов. Известны три основных вида функции возбуждения: пороговая, линейная и сигмоидальная. Для пороговых элементов выход устанавливается на одном из двух уровней в зависимости от того, больше или меньше суммарный сигнал на входе нейрона некоторого порогового значения. Для линейных элементов выходная активность пропорциональна суммарному взвешенному входу нейрона.



Искусственный нейрон
Для сигмоидальных элементов в зависимости от входного сигнала, выход варьируется непрерывно, но не линейно, по мере изменения входа. Сигмоидальные элементы имеют больше сходства с реальными нейронами, чем линейные или пороговые, но любой из этих типов можно рассматривать лишь как приближение.

Нейронная сеть представляет собой совокупность большого числа сравнительно простых элементов - нейронов, топология соединений которых зависит от типа сети. Чтобы создать нейронную сеть для решения какой-либо конкретной задачи, мы должны выбрать, каким образом следует соединять нейроны друг с другом, и соответствующим образом подобрать значения весовых параметров на этих связях. Может ли влиять один элемент на другой, зависит от установленных соединений. Вес соединения определяет силу влияния.

3. Модели нейронных сетей

3.1. Модель Маккалоха



Теоретические основы нейроматематики были заложены в начале 40-х годов. В 1943 году У. Маккалох и его ученик У. Питтс сформулировали основные положения теории деятельности головного мозга. Ими были получены следующие результаты:

Несмотря на то, что за прошедшие годы нейроматематика ушла далеко вперед, многие утверждения Макклоха остаются актуальными и поныне. В частности, при большом разнообразии моделей нейронов принцип их действия, заложенный Макклохом и Питтсом, остается неизменным. Недостатком данной модели является сама модель нейрона "пороговой" вид переходной функции. В формализме У. Маккалоха и У. Питтса нейроны имеют состояния 0, 1 и пороговую логику перехода из состояния в состояние. Каждый нейрон в сети определяет взвешенную сумму состояний всех других нейронов и сравнивает ее с порогом, чтобы определить свое собственное состояние.

Пороговый вид функции не предоставляет нейронной сети достаточную гибкость при обучении и настройке на заданную задачу. Если значение вычисленного скалярного произведения, даже незначительно, не достигает до заданного порога, то выходной сигнал не формируется вовсе и нейрон "не срабатывает". Это значит, что теряется интенсивность выходного сигнала (аксона) данного нейрона и, следовательно, формируется невысокое значение уровня на взвешенных входах в следующем слое нейронов.

3.2. Модель Розенблата



Серьезное развитие нейрокибернетика получила в работах американского нейрофизиолога Френсиса Розенблата (Корнелльский университет). В 1958 году он предложил свою модель нейронной сети. Розенблат ввел в модель Маккаллока и Питтса способность связей к модификации, что сделало ее обучаемой. Эта модель была названа перцептроном. Первоначально перцептрон представлял собой однослойную структуру с жесткой пороговой функцией процессорного элемента и бинарными или многозначными входами. Первые перцептроны были способны распознавать некоторые буквы латинского алфавита. Впоследствии модель перцептрона была значительно усовершенствована.

Перцептрон применялся для задачи автоматической классификации, которая в общем случае состоит в разделении пространства признаков между заданным количеством классов. В двухмерном случае требуется провести линию на плоскости, отделяющую одну область от другой. Перцептрон способен делить пространство только прямыми линиями (плоскостями).

Алгоритм обучения перцептрона выглядит следующим образом:

Серьезным недостатком перцептрона является то, что не всегда существует такая комбинация весовых коэффициентов, при которой имеющееся множество образов будет распознаваться данным перцептроном. Причина этого недостатка состоит в том, что лишь небольшое количество задач предполагает, что линия, разделяющая эталоны, будет прямой. Обычно это достаточно сложная кривая, замкнутая или разомкнутая. Если учесть, что однослойный перцептрон реализует только линейную разделяющую поверхность, применение его там, где требуется нелинейная, приводит к неверному распознаванию (эта проблема называется линейной неразделимостью пространства признаков). Выходом из этого положения является использование многослойного перцептрона, способного строить ломаную границу между распознаваемыми образами.

Описанная проблема не является единственной трудностью, возникающей при работе с перцептронами - также слабо формализовани метод обучения перцептрона.

Перцептрон поставил ряд вопросов, работа над решением которых привела к созданию более "разумных" нейронных сетей и разработке методов, нашедших применение не только в нейрокибернетике (например, метод группового учета аргументов, применяемый для идентификации математических моделей).

3.3. Модель Хопфилда



В 70-е годы интерес к нейронным сетям значительно упал, однако работы по их исследованию продолжались. Был предложен ряд интересных разработок, таких, например, как когнитрон, и т.п.), позволяющих распознавать образы независимо от поворота и изменения масштаба изображения.

Автором когнитрона является японский ученый И. Фукушима.

Новый виток быстрого развития моделей нейронных сетей, который начался лет 15 тому назад, связан с работами Амари, Андерсона, Карпентера, Кохонена и других, и в особенности, Хопфилда, а также под влиянием обещающих успехов оптических технологий и зрелой фазы развития СБИС для реализации новых архитектур.

Начало современному математическому моделированию нейронных вычислений было положено работами Хопфилда в 1982 году, в которых была сформулирована математическая модель ассоциативной памяти на нейронной сети.

Показано, что для однослойной нейронной сети со связями типа "все на всех" характерна сходимость к одной из конечного множества равновесных точек, которые являются локальными минимумами функции энергии, содержащей в себе всю структуру взаимосвязей в сети. Понимание такой динамики в нейронной сети было и у других исследователей. Однако, Хопфилд и Тэнк показали как конструировать функцию энергии для конкретной оптимизационной задачи и как использовать ее для отображения задачи в нейронную сеть. Этот подход получил развитие и для решения других комбинаторных оптимизационных задач. Привлекательность подхода Хопфилда состоит в том, что нейронная сеть для конкретной задачи может быть запрограммирована без обучающих итераций. Веса связей вычисляются на основании вида функции энергии, сконструированной для этой задачи.



Развитием модели Хопфилда для решения комбинаторных оптимизационных задач и задач искусственного интеллекта является машина Больцмана, предложенная и исследованная Джефери Е. Хинтоном и Р. Земелом. В ней, как и в других моделях, нейрон имеет состояния 1, 0 и связь между нейронами обладает весом. Каждое состояние сети характеризуется определенным значением функции консенсуса (аналог функции энергии). Максимум функции консенсуса соответствует оптимальному решению задачи.

3.4. Модель сети с обратным распространением



Способом обратного распространения (back propogation) называется способ обучения многослойных нейронных сетей (НС).



Многослойная нейронная сеть
В таких НС связи между собой имеют только соседние слои, при этом каждый нейрон предыдущего слоя связан со всеми нейронами последующего слоя. Нейроны обычно имеют сигмоидальную функцию возбуждения. Первый слой нейронов называется входным и содержит число нейронов соответствующее распознаваемому образу. Последний слой нейронов называется выходным и содержит столько нейронов, сколько классов образов распознается. Между входным и выходным слоями располагается один или более скрытых (теневых) слоев. Определение числа скрытых слоев и числа нейронов в каждом слое для конкретной задачи является неформальной задачей. Принцип обучения такой нейронной сети базируется на вычислении отклонений значений сигналов на выходных процессорных элементах от эталонных и обратном "прогоне" этих отклонений до породивших их элементов с целью коррекции ошибки.

Еще в 1974 году Поль Дж. Вербос изобрел значительно более эффективную процедуру для вычисления величины, называемой производной ошибки по весу, когда работал над своей докторской диссертацией в Гарвардском университете. Процедура, известная теперь как алгоритм обратного распространения, стала одним из наиболее важных инструментов в обучении нейронных сетей. Однако этому алгоритму свойственны и недостатки, главный из которых - отсутствие сколько-нибудь приемлемых оценок времени обучения. Понимание, что сеть в конце концов обучится, мало утешает, если на это могут уйти годы. Тем не менее, алгоритм обратного распространения имеет широчайшее применение.

4. Задачи, решаемые на основе нейронных сетей



В литературе встречается значительное число признаков, которыми должна обладать задача, чтобы применение НС было оправдано и НС могла бы ее решить:

Таким образом, НС хорошо подходят для распознавания образов и решения задач классификации, оптимизации и прогнозирования. Ниже приведен перечень возможных промышленных применений нейронных сетей, на базе которых либо уже созданы коммерческие продукты, либо реализованы демонстрационные прототипы.

Банки и страховые компании:


Административное обслуживание:

Нефтяная и химическая промышленность:

Военная промышленность и аэронавтика:

Промышленное производство:

Служба безопасности:

Биомедицинская промышленность:

Телевидение и связь:

Представленный перечень далеко не полон. Можно найти еще области, где оправданно применение НС.

5. Способы реализации нейронных сетей


Нейронные сети могут быть реализованы двумя путями: первый - это программная модель НС, второй - аппаратная.

Основными коммерческими аппаратными изделиями на основе НС являются и, вероятно, в ближайшее время будут оставаться нейроБИС.

Среди разрабатываемых в настоящее время нейроБИС выделяются модели фирмы Adaptive Solutions (США) и Hitachi (Япония). НейроБИС фирмы Adaptive Solutions, вероятно, станет одной из самых быстродействующих: объявленная скорость обработки составляет 1,2 млрд. соединений/с. (НС содержит 64 нейрона и 262144 синапса). НейроБИС фирмы Hitachi позволяет реализовать НС, содержащую до 576 нейронов. Эти нейроБИС, несомненно, станут основой новых нейрокомпьютеров и специализированных многопроцессорных изделий.

Большинство сегодняшних нейрокомпьютеров представляют собой просто персональный компьютер или рабочую станцию, в состав которых входит дополнительная нейроплата. К их числу относятся, например, компьютеры серии FMR фирмы Fujitsu. Такие системы имеют бесспорное право на существование, поскольку их возможностей вполне достаточно для разработки новых алгоритмов и решения большого числа прикладных задач методами нейроматематики.

Однако наибольший интерес представляют специализированные нейрокомпьютеры, непосредственно реализующие принципы НС.

Типичными представителями таких систем являются компьютеры семейства Mark фирмы TRW (первая реализация перцептрона, разработанная Розенблатом, называлась Mark I).

Модель Mark III фирмы TRW представляют собой рабочую станцию, содержащую до 15 процессоров семейства Motorola 68000 с математическими сопроцессорами. Все процессоры объединены шиной VME. Архитектура системы, поддерживающая до 65 000 виртуальных процессорных элементов с более чем 1 млн. настраиваемых соединений, позволяет обрабатывать до 450 тыс. межсоединений/с.

Mark IV - это однопроцессорный суперкомпьютер с конвейерной архитектурой. Он поддерживает до 236 тыс. виртуальных процессорных элементов, что позволяет обрабатывать до 5 млн. межсоединений/с.

Компьютеры семейства Mark имеют общую программную оболочку ANSE (Artificial Neural System Environment), обеспечивающую программную совместимость моделей.

Помимо указанных моделей фирмы TRW предлагает также пакет Mark II - программный эмулятор НС.

Другой интересной моделью является нейрокомпьютер NETSIM, созданный фирмой Texas Instruments на базе разработок Кембриджского университета. Его топология представляет собой трехмерную решетку стандартных вычислительных узлов на базе процессоров 80188. Компьютер NETSIM используется для моделирования таких моделей НС, как сеть Хопфилда - Кохонена и НС с обратным распространением. Его производительность достигает 450 млн. межсоединений/с.

Фирма Computer Recognitiion Systems (CRS) продает серию нейрокомпьютеров WIZARD/CRS 1000, предназначенных для обработки видеоизображений. Размер входной изображения 512 x 512 пиксел. Модель CRS 1000 уже нашла применение в промышленных системах автоматического контроля.

6. Выводы



Нейрокомпьютеры являются перспективным направлением развития современной высокопроизводительной вычислительной техники, а теория нейронных сетей и нейроматематика представляют собой приоритетные направления российской вычислительной науки. Основой активного развития нейрокомпьютеров является принципиальное отличие нейросетевых алгоритмов решения задач от однопроцессорных, малопроцессорных, а также транспьютерных. Для данного направления развития вычислительной техники не так важен уровень развития отечественной микроэлектроники, поэтому оно позволяет создать основу построения российской элементной базы суперкомпьютеров.

В России уже успешно функционирует один из первых мощных нейрокомпьютеров для финансового применения - CNAPS PC/128 на базе 4-х нейроБИС фирмы Alaptive Solutions. По данным фирмы "Торацентр" в число организаций, использующих нейронные сети для решения своих задач, уже вошли: Центробанк, МЧС, Налоговая Инспекция, более 30 банков и более 60 финансовых компаний.

В заключение необходимо отметить, что использование нейронных сетей во всех областях человеческой деятельности, в том числе в области финансовых приложений, движется по нарастающей, отчасти по необходимости и из-за широких возможностей для одних, из-за престижности для других и из-за интересных приложений для третьих. Не следует пугаться того, что появление столь мощных и эффективных средств перевернет финансовый рынок, или "отменит" традиционные математические и эконометрические методы технического анализа, или сделает ненужной работу высококлассных экспертов - говорить об этом, мягко говоря, преждевременно. В качестве нового эффективного средства для решения самых различных задач нейронные сети просто приходят - и используются теми людьми, которые их понимают, которые в них нуждаются и которым они помогают решать многие профессиональные проблемы. Не обязательно "насаждать" нейронные сети, или пытаться доказать их неэффективность путем выделения присущих им особенностей и недостатков - нужно просто относиться к ним как к неизбежному следствию развития вычислительной математики, информационных технологий и современной элементной базы.

Cписок литературы по аналоговым и цифровым оптическим процессорам


1. Исихара С. Оптические компьютеры: Новая эра науки. - М.: Наука, 1992. - 96 c.

Содержит общедоступное изложение состояния дел на 1992 год в сфере разработки оптических компьютeров. Описаны принципы работы аналогового и цифрового оптических компьютеров, их элементарная база. Рассмотрены структура и функционирование оптических нейрокомпьютеров.

2. Акаев А.А., Майоров С.А. Оптические методы обработки информации. - М.: Высшая школа, 1988. - 237 с.

Даны основы анализа и синтеза когерентных оптических систем,компоненты оптических систем хранения и обработки информации, построение оптико- электронных систем аналоговой обработки изображений, цифровой обработки данных и др.

3. Евтихиев Н.Н., Каринский С.С., Мировицкий Д.И. Когерентно - оптические устройства передачи и обработки информации. - М., 1987. - 158 c.

Краткий обзор когерентно-оптических устройств обработки информации, акустооптическая обработка информации, оптоэлектронная обработка и аналого-цифровое преобразование информации.

4. Морозов В.Н. Оптоэлектронные матричные процессоры. - М.: Радио и связь, 1986. - 112 с.

Изложены элементарная база оптоэлектронных процессоров. Приведена структура оптоэлектронного процессора.

5. Стюарт И.Г. Введение в Фурье-оптику. - М., 1985. - 182 с.

В книге изложены основы направления, получившего название "Фурье-оптика". Методы фурье-оптики, основанные на применении анализа Фурье к проблеме построения и обработки изображения, используются в физике, астрономии, при обработке информации и в других приложениях.

6. Эйбрэхэм А., Ситон К.Т., Смит С.Д. Оптический компьютер//В мире науки. - 1983. - N4. - С.15-24.

7. Компанец И.Н. Управляемые транспаранты//Зарубежная радеоэлектронника. - 1977. - N4. - С.46-76.

8. Сороко Л.М. Основы голографии и когерентной оптики. - М., 1971. - 616 с.

Изложена теория голографии и когерентных оптических систем. В начале объясняются физические свойства голографии, затем рассматриваются свойства оптического сигнала, когерентность света, а также информационная структура оптического сигнала. Далее последовательно излагаются: принцип голографии как метод полной регистрации волны света, соотношение между предметом и голограммой а также различные типы голографических устройств. Рассматриваются также оптические методы обработки информации и пространственное дифференцирование оптических сигналов.

9. Ахманов С.А., Воронцов М.А. Новые физические принципы оптической обработки информации. - М., 1990. - 598 с.

Литература по нейрокомпьютерам


1. Галушкин А.И. Современные направления развития нейрокомпьютерных технологий в России//Открытые системы. 1997. N4. C.25-28.

2. Розенблатт Ф. Принципы нейродинамики. - М.: Мир, 1965.

3. Уоссермен Ф. Нейрокомпьютерная техника. - М.: Мир, 1992.

Internet: http://www.orc.ru/~stasson/menu.html.

Задачи
1. Предложите оптическую систему, которая переносит двумерную комплексную функцию f(x,y) на расстояние L (много больше размеров области задания f) без фазовых искажений и докажите математически ее работоспособность.

2. Предложите оптический аналоговый процессор, осуществляющий над функциями f1(x,y), f2(x,y) операции:

  1. f1+f2;

  2. f1*f2;

  3. f1/f2;

  4. f1-f2.

3. Какие параметры аппаратуры при лоцировании местности и реконструкции голограммы для получения карты должны быть известны, чтобы определить масштаб полученной карты местности. Задайте сами "разумные" значения этих параметров и вычислите ожидаемый масштаб.

4. Смоделируйте на персональном компьютере работу однослойного перцептрона. То же для трехслойного.

5. Объект для распознавания представлен на транспаранте размером 1*1 см с разрешением 100 л/мм. Обработка ведется в когерентном свете, длина волны=0.633 мкм, фокусные расстояния линз F=1 м.

  1. Какого размера должен быть фильтр, установленный в Фурье-плоскости?

  2. Каково минимальное разрешение на фильтре?

  3. Каково должно быть пространственное разрешение материала фильтра, если он изготавливается как искусственная голограмма с кодированием амплитуды и фазы (ИГ) и для кодирования одной точки требуется квадрат 10х10 элементов.

  4. Нарисуйте качественно, но с указанием масштаба картинку на выходе системы, если фильтр согласован с объектом.

6. Нарисуйте качественно, но с указанием масштаба вид фильтра, который надо установить в фурье-плоскости, чтобы выполнить дифференцирование функции на выходе по одной координате (изготовлен, как ИГ).

7. На вход системы, описанной в задаче 1, помещен транспарант с пропусканием, не зависящим от Y, а зависимость амплитудного пропускания от Х имеет вид равнобедренного треугольника с основанием 1 мм. Нарисуйте качественно с указанием масштаба распределение амплитуды в фурье-плоскости.

Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации