Организация распределенной вычислительной среды для синтеза системы распознавания летательных аппаратов
Диссертация
Интенсивное развитие вычислительной техники и искусственного интеллекта вызвало появление практического интереса к реализации систем распознавания образов. В настоящее время большое значение приобретает задача построения системы распознавания летательных аппаратов (JIA). Актуальность этой задачи определяется необходимостью предотвращения применения средств противовоздушной обороны против объектов… Читать ещё >
Содержание
- 1. Система распознавания летательных аппаратов
- 1. 1. Задача распознавания летательных аппаратов
- 1. 2. Источники информации о поверхности летательных аппаратов
- 1. 3. Методы формирования пространства признаков изображений летательных аппаратов
- 1. 4. Методы распознавания образов по значениям информативных признаков
- 1. 5. Выводы
- 2. Разработка и экспериментальные исследования алгоритмов распознавания летательных аппаратов
- 2. 1. Алгоритмы вычисления информативных признаков контрастных изображений летательных аппаратов
- 2. 2. Алгоритмы распознавания летательных аппаратов по значениям информативных признаков контрастных изображений
- 2. 3. Постановка задачи исследования алгоритмов распознавания летательных аппаратов по контрастным изображениям
- 2. 4. Результаты экспериментов
- 2. 5. Вычислительные затраты на синтез системы распознавания летательных аппаратов
- 2. 6. Выводы
- 3. Методы и средства реализации алгоритмов обучения нейронной сети
- 3. 1. Реализация алгоритмов обучения нейронной сети в многопроцессорных вычислительных системах
- 3. 2. Алгоритм обучения нейронной сети и методы его распараллеливания
- 3. 3. Выводы
- 4. Разработка архитектуры распределенной вычислительной среды
- 4. 1. Реализация алгоритма обратного распространения ошибки средствами локальной вычислительной сети
- 4. 2. Организация обмена данным между процессорными узлами распределенной вычислительной среды
- 4. 3. Архитектура и программное обеспечение распределенной вычислительной среды
- 4. 4. Выводы
Список литературы
- Горелик А.Л. и др. Селекция и распознавание на основе локационной информации. — М.: Радио и связь, 1990. — 240 с.
- Небабин В.Г., Сергеев В. В. Методы и техника радиолокационного распознавания. М.: Радио и связь, 1984. — 152 с.
- Бурый Е.В., Рождествин В. Н. Перспективы развития методов получения информации о форме объектов в лазерных локационных системах и способы ее использования / Вестник МГТУ им. Баумана. Сер. Приборостроение. 1998. — Спец. вып. — С. 62 — 67.
- Бурый Е.В., Зубцов С. А., Савельев С. Б. Использование ультракоротких импульсов в лазерных локационных системах для задач распознавания: Обзор по материалам отечественной и зарубежной печати 1966 1990 гг. -М.: ГОНТИ МГТУ им. Н. Э. Баумана, 1990. — 61 с.
- Бурый Е.В., Смирнова Ю. Л. Анализ устойчивости распознавания объектов в оптическом диапазоне при изменении характеристик рассеянияих поверхностей // Нейрокомпьютеры и их применение. Труды VIII Всеросс. конф. М., 2002. — С. 86 — 87.
- Носов Ю.Р., Шилин В. А. Основы физики приборов с зарядовой связью. -М.: Наука, 1986.-320 с.
- Гардан И., Люка М. Машинная графика и автоматизация конструирования: Пер. с франц. О.Н. Родинко- Под ред. Ю. М. Баяковского. М.: Мир, 1987. — 272 с.
- Математика и САПР: в 2 кн. Кн. 2: Шенен П. и др. Вычислительные методы. Геометрические методы: Пер. с франц. С.Д.Чигиря- Под ред. Н. Г. Волкова. М.: Мир, 1989. — 260 с.
- Бронштейн И.Н., Семендяев К. А. Справочник по математике для инженеров и учащихся втузов. М.: Наука, 1986. — 544 с.
- Бутаков Е.А., Островский В. И., Фадеев И. Л. Обработка изображений на ЭВМ. М.: Радио и связь, 1987. — 240 с.
- Кухарев Г. А. Биометрические системы: методы и средства идентификации личности человека. СПб: Политехника, 2001. -240с.
- Kukharev G., Kuzminski A. Techniki Biometryczne. Czesc 1: Metody Rozpoznawania Twarzy. Szczecin: Politechnika Szczecinska, Wydzial Informatyki, 2003. -310 c.
- Дуда P., Харт П. Распознавание образов и анализ сцен: Пер с англ. М.: Мир, 1976.-510 с.
- Wang Y.F., Wang Jih-Fang. Surface reconstruction using deformable models with interior and boundary constraints // IEEE Trans, on Pattern Analysis and Machine Intelligence. 1992. — V. 14. — № 5. — P. 572−579.
- Бурый Е.В., Асеф Джафар. Получение инвариантных информативных признаков для распознавания двухмерных контрастных изображений объектов // Нейрокомпьютеры и их применение: Труды VI Всеросс. конф. -М., 2000. С. 32−43.
- Chen Q., Defrise М., Deconinck F. Symmetric Phase-Only Matched Filtering of Fourier-Mellin Transforms for Image Registration and Recognition // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1994. V. 16. — № 12. — P. 1156 — 1168.
- Бурый E.B. Синтез системы распознавания объектов по форме огибающей лазерного импульса при импульсно-периодической локации // Квантовая электроника. 1998. — Т. 25. — № 5. — С. 471 — 475.
- Справочник по теории вероятностей и математической статистике / B.C. Королюк, Н. И. Портенко, А. В. Скороход и др. М.: Наука, 1985. — 640 с.
- Вопросы статистической теории распознавания / Ю. Л. Барбаш, Б. В. Варский, В. Т. Зиновьев и др.- Под ред. Б. В. Барского. М.: Сов. радио, 1967. -400 с.
- Swets D.L., Weng J. Using Discriminant Eigenfeatures for image Retrival.// IEEE Transactions Pattern Analysis and Machine Intelligence, Vol.6 — № 8. -1996. -P.831 -836.
- Классификация и кластер / Под ред. Дж. Вэн Райзина. М.: Мир, 1980. -389 с.
- Mamistvalov A.G. n-Dimensional Moment Invariant and Conceptual Mathematical Theory of Recognition n-Dimensional Solids // IEEE Transactions Pattern Analysis and Machine Intelligence. 1998. — V. 20. — № 8. -P. 819−831.
- Buryi E., Jafar A. Invariant Features Extraction Forming for Contrast Planer Objects Recognition // 8-th Int. Conf. ACS'2001. Szczecin (Poland), 2001. -Part. 2.-P. 205−207.
- Гордиенко Е.К., Лукьяница А. А. Искусственные нейронные сети. Основные определения и модели // Техническая кибернетика. 1994. — № 5.-С. 79−92.
- Галушкин А.И. Теория нейронных сетей. Кн.1 / под ред. А. И. Галушкина. М.: ИПРЖР. 2000. — 415с.
- Widrow В., Winter R., Baxter R. Layered Neural Nets for Pattern Recognition //IEEE Trans. ASSP. 1988. — V. 36. -№ 7. — P. 1109 — 1118.
- Горбань A.H. Обучение нейронных сетей. СПб.: ПараГраф, 1990.-159 с.
- Исследование характеристик распознавания тестовых объектов в оптическом диапазоне. Отчет о НИР / НИИ Радиоэлектроники и лазерной техники Моск. гос. техн. ун-та им. Н.Э. Баумана- Руководитель Бурый Е. В. Л210 201. — Инв. № РЛМ-64/02. — М., 2002. — 29 с.
- Щербаков Ю.Н., Якунин Ф. Н., Метод построения треугольных адаптивных конечно-элементных сеток и его приближения // Математическое моделирование. 1992. — Т. 4. — № 4. — С. 109 — 118.
- Шадуров В.В. Многосеточные методы конечных элементов,— М.: Наука, 1989, 288 с.
- Шахнов В.А., Власов А. И., Кузнецов А. С., Поляков Ю. А. Элементная база для реализации параллельных вычислений: тенденции развития // Нейрокомпьютеры и их применение: Труды VII Всеросс. конф. М. ИПУ РАН, 2001.-С. 499−531.
- Zhang D. Parallel VLSI Neural System Design for Time-Delay Speech Recognition Computing // Advances in Parallel and Distributed Computing: International Conference Proceedings. Shanghai, 1997 — P. 12−14.
- Назарян K.M. Аппаратная реализация функционально полного цифрового нейрона и алгоритма обучения // Нейрокомпьютеры: разработка, применение 2001. — № 1. — С. 22−28.
- Шевченко П.А., Фомин Д. В., Черников В. М., Виксне П. Е. Архитектура нейропроцессора NeuroMatrix NM6403 // Нейрокомпьютеры и их применение: Труды VII Всеросс. конф. М. ИЛУ РАН, 1999. — С. 322 -326.
- Нейронный процессор NM6403. Введение в архитектуру. М.: НТЦ Модуль, 1998. -43 с.
- NLX420 Data Sheet. San Jose: Neurologix Inc., 1992. — 48p.
- Шевченко П.А., Фомин Д. В., Черников В. М., Виксне П. Е. Применение микропроцессора NM6403 для эмуляции нейронных сетей // Нейрокомпьютеры и их применение: Труды VII Всеросс. конф. М. ИПУ РАН, 1999. — С. 322−326.
- Hammerstrom D. A VLSI Architecture for High Performance, Low Cost, On-chip Learning // Int. Joint Conf. On Neural Networks: Proceedings. San Diego, 1990. — v.2. — P.537−544
- Кирсанов Э.Ю. Цифровые нейрокомпьютеры: Архитектура и схемотехника / Под ред. А. И. Галушкина. Казань: Казанский Гос. У-т. 1995. 131 с.
- Алюшин М.В. Аппаратная реализация быстродействующих нейросетей на основе программируемой логики фирм AMD, ALTERA, XILINX // Нейроинформатика-99: Сборник докладов конференции. М.: МИФИ. -С.18−24.
- Kumar V., Shekhar S., Amin M.B. A Scalable Parallel Formulation of the Backpropagation Algorithm for Hypercubes and Related Architectures. // IEEE Transactions on Parallel and Distributed Systems. 1994. — Vol. 5. — № 10.1. P.1073−1090.
- D. Aberdeen, J. Baxter and R. Edwards, A 98c/MFLOP Ultra-Large Scale Neural Network Training on a PIII Cluster // Supercomputing 2000: Proceedings of the International Conference. — Dallas, 2000. P. 23−29.
- Минский M.JI., Пейперт С. Персептроны. М.: Мир, 1971. — 261 с.
- Grossberg S. Nonlinear Neural Networks: Principles, Mechanism and Architectures //Neural Networks. 1988. -V. 1. — № 1. — P. 17 — 62.
- Jacques de Villiers, Etienne Barnard. Backpropagation Neural Networks with One and Two Hidden Layers // IEEE Trans, on Neural Networks. 1992. — V. 4. -№ 1. -P. 136−141.
- Уоссермен Ф. Нейрокомпьютерная техника: теория и практика: Пер. с англ. М.: Мир, 1992. — 240 с.
- Васильев Ф. П. Методы оптимизации. М.: Факториал Пресс, 2002. -823 с.
- Реклейтис Г., Ревиндран А., Регсдел К. Оптимизация в технике. М.: Мир, 1986.-320 с.
- Скурихин. А. Генетические алгоритмы // Новости искусственного интеллекта. 1995. — № 4. С. 6 -17.
- Комарцова Л.Г. Двухэтапный алгоритм обучения нейронной сети на основе генетического поиска. II Нейрокомпьютеры: разработка, применение 2001. — № 1. — С. 3−9.
- Sakaue S., Kohba Т., Yamamoto H. Reduction of required precision bits for back-propagation applied to pattern recognition // IEEE Trans, on neural networks. 1993. — V. 4. — № 2. — P. 270 — 275.
- Torresen J. The Convergence of Backpropagation Trained Neural Networks for Various Weight Update Frequencies. // International Journal of Neural Systems 1997. — Vol. 8. — No. 3.
- Arakcheev P.V., Buryi E.V. The Distributed Implementation of Neural Networks Training Algorithms // Advanced Computer Systems: 8-th Int. Conference proceedings Szczecin: Informa, 2001. — P. 335 — 339.
- Аракчеев П.В., Бурый E.B. Обучение нейронных сетей с использованием интегрированных вычислительных ресурсов // Нейрокомпьютеры и их применение: Труды VI Всеросс. конф. М., 2000. — С. 32 — 43.
- Sundararajan N., Saratchandran P. Parallel Architectures for Artificial Neural Networks: Paradigms and Implementations. IEEE Computer Society Press,. 1998,409р.
- Torresen J., Landsverk O., Mori S., Nakashima H., Tomita S. Exploiting Parallel Computers to Reduce Neural Network Training Time of Real Applications. // Int. Symp. High Performance Computing: Proceedings. -Springer-Verlag, 1997. P. 405−414.
- Корнеев В. Параллельные вычислительные системы. М.: Нолидж., 1999. -320 с.
- Ахо А., Хопкрофт Дж., Ульман Дж. Построение и анализ вычислительных алгоритмов. М.: Мир, 1979.
- Gupta A., Kumar. V. Performance Properties of Large Scale Parallel Systems // Journal of Parallel and Distributed Computing. 1993. -Vol. 19. — P. 234−244, 1993.
- Фролов A.B., Фролов Г. В. Локальные сети персональных компьютеров. Использование протоколов IPX, SPX, NETBIOS. М.: ДИАЛОГ-МИФИ, 1995.- 160 с.
- Gropp W., Lusk E., Doss N., Skjellum A. A High-Performance Portable Implementation of the Message Passing Interface // Parallel Computing. 1996. -Vol. 22.-P. 789−828.
- Kanevski A., Skjellum A., Rounbehler A. MPI/RT An Emerging Standard for High-Performance Real-Time Systems //31st Annual Hawaii International Conference on Systems Sciences: Proceedings. 1998. — Vol. 3. — P: 157−164.
- Jannotti J., Gifford L ., Johnson M. Overcast: Reliable Multicasting with an Overlay Network. // 4th USENIX OSDI Symposium: Proceedings. 2000.-P.197−212.
- Lauria M., Chien A. MPI-FM: High-Performance MPI on Workstation Clusters // Journal of Parallel and Distributed Computing. 1997. — No. 1. — P. 4−18.
- Шейнин Ю.Е. Обобщенная модель параллельных ВС для разработки и анализа параллельных архитектур и алгоритмов // Интеллектуальные и многопроцессорные системы-2001: Материалы Международной научной конференции. Таганрог, 2001, С. 106−109.
- Коваленко В., Коваленко Е., Корягин Д., Любимский Э., Хухлаев Е. Управление заданиями в распределенной вычислительной среде. // Открытые системы. 2001. — № 5. — С. 12−17.