Исследование и разработка ассоциативных сред и методов обработки информации тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат технических наук Комаров, Александр Николаевич

• Комаров, Александр Николаевич
• кандидат технических наук
• 2002

Оглавление диссертации кандидат технических наук Комаров, Александр Николаевич

Введение

1 Ассоциативные среды для реализации операций клеточной логики

1.1 Предпосылки выбора логики клеточных автоматов как метода обработки информации в ассоциативных средах

1.2 Основные понятия и определения.

1.3 Разработка ассоциативных сред для реализации операций клеточной логики

1.3.1 Ассоциативная среда.

1.3.2 Состав микроопераций ассоциативной среды.

1.3.3 Сравнение быстродействия ассоциативных сред и

ОКЗУ.

1.4 Разработка и реализация конвейерного принципа обработки данных в ассоциативных средах.

1.4.1 Ассоциативная среда для реализации конвейерной обработки данных.

1.4.2 Метод обработки информации в ассоциативных средах с конвейерной организацией.

1.4.3 Сравнительные характеристики ОКЗУ, АС с лоф кальными связями и АС с конвейерной организацией.

1.5 Выводы.

2 Ассоциативные среды с командным управлением

2.1 Разработка ассоциативной среды с командным управлением 37 2.1.1 Универсальные микрооперации, реализуемые средой

2.1.2 Режимы работы накопителя ассоциативной среды

2.2 Разработка ассоциативной среды с командным управлением для обработки изображений.

2.2.1 Структура ассоциативной среды для обработки изображений.

2.2.2 Структура и режимы работы накопителя Р[0]

2.2.3 Структура и режимы работы накопителя Р[ 1]

2.3 Выводы.

3 Разработка набора операций для обработки изображений в ассоциативной среде с командным управлением

3.1 Определение набора операций для обработки изображений.

3.2 Разработка и реализация набора микроопераций.

3.2.1 Операция адресной записи.

3.2.2 Операция адресного чтения

3.2.3 Операции ассоциативного сравнения.

3.2.4 Операции фильтрации шума и заполнения пустот

3.2.5 Операция выделения связного объекта.

3.3 Примеры алгоритмов обработки информации с использованием ассоциативных сред с командным управлением.

3.3.1 Дискретное преобразование Фурье.

3.3.2 Вычисление коэффициентов преобразования Уолша.

3.4 Выводы.

4 Ассоциативные осцилляторные среды

4.1 Неоднородные клеточные автоматы.

4.2 Основные понятия и определения.

4.3 Клеточные ансамбли.

4.3.1 Клеточный ансамбль «Проводник».

4.3.2 Клеточный ансамбль «Узел».

4.3.3 Клеточный ансамбль «Сумматор».

4.3.4 Клеточный ансамбль «Умножитель».

4.3.5 Клеточный ансамбль «Инвертор»

4.3.6 Клеточный ансамбль «Блок».

4.3.7 Клеточный ансамбль «Дифференциальный блок» . 124 ц> 4.3.8 Клеточный ансамбль «Замкнутый осциллятор»

4.3.9 Клеточный ансамбль «Накапливающий осциллятор»

4.3.10 Клеточный ансамбль «Вычитающий осциллятор»

4.3.11 Клеточный ансамбль «Дифференциальный осциллятор»

4.3.12 Клеточный ансамбль «Дифференциал».

4.4 Применение метода осцилляторов.

4.4.1 Реализация преобразования Уолша в ассоциативных средах с фиксацией кода микрооперации

4.4.2 Нечеткий ассоциативный поиск.

4.5 Разработка ассоциативной среды с фиксацией кода микро* операций.

4.6 Выводы.

Введение диссертации (часть автореферата) на тему «Исследование и разработка ассоциативных сред и методов обработки информации»

Актуальность темы. Развитие вычислительной техники в наше время ведется, в основном, экстенсивными методами: увеличивается частота работы процессора, объем оперативной памяти, размер кэш-памяти, скорость обмена и число процессоров в многопроцессорных системах.

Одним из «узких мест» при повышении производительности ЭВМ классической архитектуры является обмен данными между процессором и оперативной памятью. Тактовая частота работы процессора в несколько раз превосходит частоту работы памяти, и этот разрыв постоянно растет.

Существует несколько путей сокращения разрыва, например, применение кэш-памяти, работающей на частоте процессора, однако, остается неизменным классический принцип обработки информации, заключающийся в последовательном чтении данных из памяти, обработке в центральном процессоре и помещении в память результатов обработки.

Вместе с тем, становится все более очевидным, что возможности современной элементной базы, аппаратных средств и ЭВМ классической архитектуры по производительности и быстродействию приближаются к физическим пределам, выход за которые возможен только при реализации новых идей, как в архитектуре ЭВМ, так и в области аппаратных и программных средств.

Искусственный интеллект, как наука, развивается уже более 30-ти лет, однако качественный скачок в исследованиях произошел в 80-е годы, когда сформировалась новая отрасль индустрии — производство интеллектуальных систем. Имеется обширный класс задач, эффективное решение которых возможно только при использовании интеллектуальных систем. К ним, в первую очередь, относятся: обработка символьной информации, решение логических задач, в том числе нечеткого логического вывода; работа с базами данных и знаний; распознавание и синтез речи; анализ, обработка и распознавание изображений.

Отличительной особенностью задач искусственного интеллекта яв-щ ляется огромный объем данных для обработки. Время обработки этих данных растет с ростом их объема, и зависит от числа обращений к памяти, поэтому одним из важнейших вопросов при разработке интеллектуальных систем является способ доступа к данным и возможность обработки информации без изъятия ее из памяти.

Существуют два основных способа доступа к информации в запоминающих устройствах (ЗУ) ЭВМ: адресный и ассоциативный. При адресном способе искомая информация жестко задана адресом - местом ее расположения в запоминающей среде, и в каждый момент времени возможно обращение только к одной ячейке ЗУ, независимо от информационной емкости ЗУ. Ассоциативный способ основан на установлении некоторого соответствия, ассоциации между хранимой в ЗУ информации и поисковыми аргументами. Запоминающие устройства, в которых использован такой способ доступа, получили название ассоциативных ЗУ (АЗУ).

АЗУ характеризуются двумя основными признаками:

• доступ к хранимой информации в АЗУ осуществляется исходя из ее содержания;

• при каждом обращении к АЗУ возможен одновременный и параллельный доступ ко всей хранящейся информации.

Эти два признака обосновывают свойства «интеллектуальности» АЗУ. Первый из них определяет возможность обработки данных непосредственно в логико-запоминающей среде АЗУ, а второй обеспечивает возможность коллективной обработки информации.

АЗУ, реализующие помимо стандартных операций ассоциативной обработки информации функции преобразования многомерной информации, называют многокоординатным АЗУ (МКАЗУ) [1]. МКАЗУ являются перспективным направлением в развитии интеллектуальных ЗУ. Они позволяют производить более эффективное, по сравнению с традиционными АЗУ, выполнение локальных и глобальных вычислений, линейных и нелинейных вычислений, интенсивное использование логико-запоминающей среды АЗУ, объекно- и координатно- ориентированных вычислений, символьных вычислений и вычислений на элементах, контекстно свободных и контекстно зависимых вычислений.

Дальнейшее развитие идей, реализованных в МКАЗУ, воплощено в ассоциативных средах (АС), отличительными особенностями которых является возможность обмена информацией между ячейками [2]. АС широко представлены разнообразием форм обмена-информацией, организацией накопителей и ячеек в них .однако, алгоритмы обработки информации, способы их представления и записи исследованы недостаточно. Можно сказать, что число видов и типов АС значительно превосходит число конкретных реализаций алгоритмов и программ для них. Таким образом, существует разрыв между возможностями АС умноженными на число их видов и числом алгоритмов обработки информации. Наличие данного разрыва объясняется в основном отсутствием аппарата, позволяющего описывать алгоритмы и программы для АС, недостаточной проработкой вопроса о месте АС в вычислительной системе и сравнительной новизной самих АС.

Данная работа предназначена для сокращения этого разрыва путем разработки общих направлений и методов обработки информации в ассоциативных средах, разработки алгоритмов обработки информации на примерах базовых алгоритмов обработки изображений и служит дальнейшим развитием работ, проводимых на кафедре Вычислительной Техники Московского Энергетического Института под руководством профессора Огнева И. В.

Цель работы состоит в разработке и исследовании новых типов ассоциативных сред, методов и алгоритмов обработки информации на их основе.

Для достижения поставленной цели в диссертации решаются следующие основные задачи:

• разработка концепции построения вычислителя на основе ассоциативной среды;

• разработка и исследование ассоциативных сред для обработки информации методами клеточной логики;

• разработка методов и алгоритмов обработки информации на примере обработки изображений;

• разработка методов и алгоритмов обработки нечеткой информации в АС на примере нечеткого ассоциативного поиска.

Объектом исследований являются многокоординатные ассоциативные среды, средства описания таких сред, а также алгоритмы обработки информации, построенные на их основе.

Методы исследования базируются на теориях арифметических и логических основ вычислительной техники, системного анализа, теории оптимальных ассоциативных преобразований, функционального анализа, математического анализа, методах клеточной логики. Экспериментальные исследования, для подтверждения полученных в ходе диссертационной работы результатов, проводились на основе имитационного моделирования на ЭВМ.

Научная новизна работы заключается в следующем:

• разработаны и исследованы ассоциативные среды нового типа - с локальными связями между ячейками в пределах одного накопителя для обработки информации методами клеточной логики;

• разработан метод конвейерной обработки изображений методами клеточной логики, который реализован на многомерной ассоциативной среде для быстрой потоковой обработки больших объемов данных;

• разработан метод командного управления ассоциативными накопителями, построенный на концепции представления ассоциативной среды, как операционного устройства, для повышения функциональности и гибкости управления ассоциативными ячейками;

• разработаны методики реализации алгоритмов обработки изображений в ассоциативных средах для применения их в задачах распознавания образов;

• разработана методика вычисления коэффициентов разложения в ряд Фурье и Уолша для рализации алгоритмов распознавания изображений, инвариантно к сдвигам в ассоциативных средах;

• разработан и исследован потоково-осцилляторный метод для обработки информации в ассоциативных средах;

• разработаны и исследованы ассоциативные среды с фиксацией в ячейках кода микрооперации для реализации потоково-осцилляторного метода;

• разработаны и исследованы типовые клеточные ансамбли неоднородной клеточной логики для применения их в схемах обработки информации потоково-осцилляторным методом;

• разработаны и исследованы методы представления нечеткой информации и нечеткий ассоциативный поиск в ассоциативных средах.

Практическая ценность.

Работа выполнялась в соответствии с планами Российского фонда фундаментальных исследований и гранта Президента Российской Федерации №01-15-99556 ( проект «Ассоциативные системы и среды хранения и обработки информации: теория и прикладные разработки»). Практическая ценность работы состоит в следующем:

• разработана схема ассоциативной ячейки и структурная схема ассоциативной среды с локальными связями для проектирования и создания СБИС на их основе;

• разработаны схемы ассоциативной среды и схемы ассоциативных ячеек с командным управлением для проектирования и создания СБИС на их основе;

• разработана схема ассоциативной среды с фиксацией кода микрооперации для проектирования и создания СБИС на их основе;

• предложенные схемы, алгоритмы и информационные модели являются основой для построения различных устройств обработки, хранения и передачи информации.

Достоверность научных положений, выводов и практических рекомендаций, сформулированных в диссертации, подтверждается вычислительными экспериментами и данными, полученными при имитационном моделировании, апробацией работы в международных и региональных конференциях.

Апробация работы. Основные результаты работы докладывались на: Международном форуме информатизации МФИ-2001 «Информационные средства и технологии» ( Москва 2001 ); Международной конференции «Системы компьютерной математики и их приложения» ( Смоленск 2001 ) ; Международной научной конференции «Математические методы в интеллектуальных информационных системах - 2002» ( Смоленск 2002 ).

Публикации. Основные результаты диссертации опубликованы в 5-ти печатных работах.

Структура и объем диссертационной работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из наименований и приложения. Работа содержит страниц текста, рисунков, таблиц,' страниц библиографии. ф Основные научные положения, выносимые на защиту:

Заключение диссертации по теме «Элементы и устройства вычислительной техники и систем управления», Комаров, Александр Николаевич

Основные результаты работы заключаются в следующем.

1. Разработан метод вычислений в ассоциативной среде без изъятия информации из памяти, основанный на ассоциативном взаимодействии изменяемого, с помощью локальных взаимодействий содержимого памяти.

2. Разработана ассоциативная среда, реализующая операции клеточной логики, основная особенность которой — введение локальных связей между соседними ячейками накопителя и синхронный принцип работы элемента памяти, что позволяет выполнять операцию клеточной логики за один такт работы накопителя.

3. Разработан принцип конвейерной обработки данных в ассоциативных средах, основанный на трехмерной АС с локальными связями АЯ соседних уровней. Кадр, продвигаясь с уровня на уровень АС, обрабатывается посредством анализа состояния локальных связей предыдущего уровня. Данный принцип применим для последовательного вычисления жестко заданного набора нескольких видов функций клеточной логики.

4. Разработан принцип командного управления АС, заключающийся во введении в структуру накопителя шины кода микрооперации, которая подает код микрооперации на все множество ассоциативных ячеек накопителя. Данные для выполнения микрооперации ячейка получает по строковым и столбцовым шинам, по локальным связям с соседними ячейками и из состояния своих внутренних элементов памяти. Кроме того, имеются строковые и столбцовые шины, разрешающие выполнение микрооперации, что позволяет выделять ортогональные области изображения, подлежащего обработке. Разработана схема накопителя с фиксацией кода микрооперации во внутреннем регистре ячейки, позволяющая одновременно различным ячейкам выполнять различные микрооперации по обработке изображения.

5. Определен набор операций обработки изображения, включающий операции для ввода изображения: операции адресного чтения и адресной записи, для предварительной обработки растра: фильтрация помех и заливка пустот, для выделения и доступа к связному объекту: операция выделения связного объекта с различными критериями, групповой доступ к пикселям связного объекта. Разработаны алгоритмы выполнения операций адресного чтения, адресной записи, ассоциативного сравнения, фильтрации шума и заполнения пустот с использованием АС с командным управлением.

6. Разработана методика и алгоритм выделения связного объекта, основанный на распространении волны от опорной точки в пределах границ объекта. Разработаны варианты поиска опорной точки с предпочтительным выбором максимального и минимального объекта, а также с выбором по геометрическому месту. Первый и второй варианты основаны на анализе размеров зон ассоциативных откликов, третий вариант основан на поиске опорной точки, принадлежащей объекту в окрестности нулевой точки (геометрического места).

7. Разработана методика вычисления коэффициентов разложения в ряды Фурье и Уолша с использованием ассоциативной среды с командным управлением, с использованием приближенных формул, в которых операция умножения сведена к сравнению, а накапливающее суммирования к операции сдвига чисел, представленных в позиционном коде.

8. Разработана организация накопителя с фиксацией кода микрооперации во внутреннем регистре ячейки, позволяющая одновременно различным ячейкам выполнять различные микрооперации по обработке изображения.

9. Предложено использовать представление информации для обработки в АС в виде вероятностных потоков бинарных сигналов - спайков. Введены базовые понятия, касающиеся передачи и обработки спайков.

10. Введено понятие клеточного ансамбля, как совокупности двух или более клеток, связанных между собой определенным образом, и совместно реализующих определенный алгоритм обработки спайков. Разработаны и исследованы свойства клеточных ансамблей: "Проводник", "Вилка", "Сумматор", "Умножитель", "Инвертор", "Блок", "Дифференциальный блок". Определены законы преобразования интенсивности потока спайков для данных ансамблей.

11. Разработан клеточный ансамбль "Замкнутый осциллятор", в котором путь спайка представляет собой замкнутый контур. Приведены его свойства, среди которых выделяется свойство сохранение заряда, позволяющее использовать данный ансамбль как запоминающий элемент или генератор потока спайков заданной интенсивности.

12. Разработаны и приведены свойства клеточных ансамблей, основанных на замкнутом осцилляторе. В частности, приводятся свойства дифференциального осциллятора, имеющего входы возбуждения и торможения. С помощью них возможно управление зарядом осциллятора. Это позволяет производить аддитивные операции над потоками спайков.

13. Разработаны и приведены свойства клеточного ансамбля "Дифференциал", представляющего собой два дифференциальных осциллятора, соединенных отрицательными обратными связями. Каждый из дифференциальных осцилляторов, возбуждаясь, тормозит другой, который, в свою очередь, уменьшает тормозящее воздействие на первый, что приводит к лавинообразному насыщению одного из осцилляторов дифференциала.

14. Приведены примеры применения АС с фиксацией кода микроопераций для вычисления преобразований Уолша и для построения АС с нечетким ассоциативным поиском.

Заключение

Основным итогом работы является решение научно-технической проблемы создания ассоциативных сред, методов и алгоритмов обработки информации без изъятия ее из ассоциативной среды.

Список литературы диссертационного исследования кандидат технических наук Комаров, Александр Николаевич, 2002 год

1. Огнев И.В., Борисов В.В. Интеллектуальные системы ассоциативной памяти. -М. :Радио и связь, 1996.

2. Огнев И.В.Борисов В.В. Ассоциативные среды. -М. :Радио и связь, 2000.

3. Борисов В.В. Исследование и разработка многокоординатных ассоциативных запоминающих устройств и среды хранения и обработки информации. Диссертация на соискание ученой степени доктора технических наук. Москва, 1996г.

4. Дымков В.И., Синицын И.Н. Элементы концепции персональных систем обработки изображений //Системы и средства информатики.-М.: Наука, 1989, ежегод. Вып. 1. -С.66-81.

5. Тоффоли Т., Марголус Н. Машины клеточных автоматов: Пер. с англ. -М.: Мир, 1991.-280 с.

6. Основы клеточной логики с приложениями к обработке изображений в медицине /Престон К. мл., Дафф М.Дж.Б., Левьяльди С. и др.// ТИИЭР, 1979, т.67, N5. -С.149-184.

7. R. К. Ahuja, Т. L. Magnanti, and J. В. Orlin. Network Flows: Theory, Algorithms, and Applications. Prentice Hall, 1993.

8. Фон Нейман Дж. Теория самовоспроизводящихся автоматов. М.: Мир, 1971, 382 с.

9. Фогель Л., Оуэне А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. 230 с.

10. Фролов А.А., Муравьев И.П. Нейронные модели ассоциативной памяти. М.: Наука, 1987. 160 с.

11. Обработка изображений и цифровая фильтрация / Под ред. Т. Хуан-га: Пер. с англ. -М„ Мир, 1991. -280 с.

12. Гунько П.В., Огнев И.В., Умнов А.В. Обработка изображений в многокоординатной ассоциативной среде. Сб.тр. МФИ'98, Международный форум информатизации 98. Информационные средства и технологии.-М.,1998.-С. 166-171.

13. Комаров А.Н. Использование ассоциативных сред для обработки информации методом клеточной логики. Сб.тр. МФИ'2001, Международный форум информатизации 2001. Информационные средства и технологии.-М.,2001.-С. 50-53.

14. Комаров А.Н. Ассоциативные среды для обработки графической информации. Сб.тр. МФИ'2001, Международный форум информатизации 2001. Информационные средства и технологии.-М.,2001.-С. 4649.

15. Огнев И.В.Комаров А.Н. Система для моделирования ассоциативных сред. Системы компьютерной математики и их приложения. Материалы международной конференции. Смоленск 2001. 62-64с.

16. Огнев И.В.Комаров А.Н. Язык нижнего уровня для моделирования ассоциативных сред. Сб. материалов 9 военно-инженерной конференции. Изд-во военного университета ВПВО ВС РФ. Смоленск, 2001г.

17. Залманзон Л.А. Преобразование Фурье, Уолша, Хаара и их применение в управлении, связи и в других областях. М.: Наука, 1989.-496с.

18. Прэтт У. Цифровая обработка изображений. В двух книгах. М.: Мир, 1982.

19. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин: Пер.с.англ. М.: Мир, 1972,- 232 с.

20. Малинецкий Г.Г., Степанцов М.Е. Моделирование диффузионнных процессов с помощью клеточных автоматов с окрестностью Марго-луса. // Ж. Вычисл. Матем. и матем. Физ., 1998, Т. 38, № 6, С. 1017-1020.

21. Bastien Chopard and Pascal О. Luthi, A Lattice Boltzmann Wave Model and its Applications. In S. Bandini and G. Mauri (Eds) ACRI '96, pp. 13-24, Springer-Verlag London Limited, 1997.

22. Sipper Moshe, Evolution of parallel cellular machines: the cellular programming approach/ Moshe Sipper (Lecture notes in computer science, 1194, Springer, 1997)

23. Sipper Moshe, Non-Uniform Cellular Automata: Evolution in Rule Space and Formation of Complex Structures. Artifical Life IV, R.A. Brooks and P.Maes (eds.), pp394-399. 1994.

24. Борисюк Г. H. и др. Осцилляторные нейронные сети. Математические результаты и приложения // Математическое моделирование 1992 том 4 №1.-258 с.

25. Баев К.В. Нейронные механизмы программирования спинным мозгом ритмических движений. Киев: Наукова думка, 1984.

26. Виноградова О.С. Гиппокамп и память. М-: Наука, 1975.

27. Abbott L.F. A network of oscillators // J. Phys. A: Math, and Gen., 1990, V. 23. P. 3835-3859.

28. Atiya A., Baldi P. Oscillations and synchronizations in neural networks: an exploration of the labelling hypothesis // Intern. J. Neural Systems, 1989, V. 1, N2, P. 103-124.

29. Basti G., Penone A. On the cognitive function of deterministic chaos in neural networks // In: Proc. of IEEE/IJCNN-89 Intern. Joint Conf. on Neural Networks, Washington, D. C., 1989, V.I, P. 657-663.

30. В. П. Павлов. Осциллятор. M.: БСЭ, 1974.

31. Экклс Дж., Физиология нервных клеток, пер. с англ., М., 1959г.

32. Ходжкин А., Нервный импульс, пер. с англ., М., 1965г.

33. Смирнов А. Д. Архитектура вычислительных систем. М.:Наука,1990.-320 с.

34. Вентцель Е.С. Овчаров JI.A. Теория вероятностей и ее инженерные приложения. М.: Наука. Гл. ред. физ.-мат. лит. - 1988. -480 с.

35. Гмурман В.Е. Теория вероятностей и математическая статистика. Учеб. пособие для вузов. М.: Высшая школа, 1998, 479 с

36. Саульев В.К. Математические методы теории массового обслуживания. М.: Статистика, 1979.

37. Груздев М. Общая характеристика функций БПФ и оценка производительности процессора цифровой обработки сигналов Л1879ВМ1 (NM6403),HTU «Модуль», 2002, http://www.module.ru/files/nm6403fftbench-r.pdf

38. М. Mitchell, J.P. Crutchfield and Р.Т. Hraber. Dynamics computation and the "edge of chaos": A re-examination. In G. Cowan D. Pines and

39. D. Melzner editors. Complexity: Metaphors, Models and Reality, pages 491-513 Addison-Wesley Reading MA. 1994.

40. Веников В. А., Веников Г. В. Теория подобия и моделирования М.: Высшая школа, 1984.

41. Шеннон Р. Имитационное моделирование систем — искусство и наука. -М.: Наука, 1978. -420 с.

42. Моисеев Н. Н. Математические задачи системного анализа. М.: Наука, 1981 г.

43. Дж. Форрестер. Мировая динамика. М.: Наука, 1978 г.

44. Богоцкая Н.В., Вайнцвайг М.Н., Диментман A.M., Лосев И.С. Ассоциативные алгоритмы обобщения // Изв. АН СССР. Техн. кибернетика. 1985. N 1. С. 20-28.

45. Вайнцвайг М.Н., Диментман A.M. Ассоциативное запоминающее устройство с расширенными функциональными возможностями // Вопросы кибернетики М.: Сов. радио, 1979. Вып. 49. С. 120-126.

46. Ли. С., Паул М.С. Запоминающее устройство с распределенной логикой, дающее возможность выборки по содержанию, и его применение к извлечению информации // ТИИЭР. 1963. N 6. С. 931-940.

47. Кохонен Т. Ассоциативная память. -М. :Мир, 1980.

48. Кохонен Т. Ассоциативные запоминающие устройства. -М. :Мир, 1982.

49. А.с. №1751817, МКИ G11C 15/00. Ячейка ассоциативной памяти / И.В. Огнев, В.В.Борисов, О.В. Исаев. -Опубл. 1992, Бюл. 28.

50. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов: Пер. с англ.- М.: Мир, 1988.- 488 е., ил.

51. Фет Я. И. Параллельные процессоры для управляющих систем.-М: Энергоиздат, 1981.-160 с.

52. Крайзмер Л.П., Бородаев Д.А., Гутенмахер Л.И. и др. Ассоциативные запоминающие устройства. -JI.: Энергия, 1967. -183 с.

53. Лорье Ж.-Л. Системы искусственного интеллекта: Пер. с фр. -М.: Мир, 1991. -568с.

54. Огнев И.В., Борисов В.В., Вельмакин С.П. Способы классификации и анализ современного состояния ассоциативных запоминающих устройств. -М., Деп. ВИНИТИ № 1091-В91, 1991. -25С.

55. Борисов В.В., Огнев И.В. Ассоциативная память для систем искусственного интеллекта. -М., Деп. в ВИНИТИ №2982-В92, 1992. -27 с.

56. Робинсон Г. Интеллектуальная память для обработки изображений// Computerweek-Moscow, N3, 1996. -Р.9.

57. Математическая энциклопедия в 5 т. / Гл. ред. И.М. Виноградов. -М.: Сов. энциклопедия. 1984.

58. Белый А.А., Бовбель Е.И., Микулович В.И. Алгоритмы быстрого преобразования Фурье и их свойства. Обзор. Зарубежная электроника, 1979, N2. -с. 3-58.

59. Ратнер В.А., Шамин В.В. Сайзеры: моделирование фундаментальных особенностей молекулярно-биологической организации. Соответствие общих свойств и конструктивных особенностей коллективов макромолекул // Журн. общ. биологии. 1983. Т.44. N.1. С.51-61.

60. White D.H. A theory for the origin of a self-replicating chemical system. I: Natural selection of the autogen from short random oligomers // J. Mol. Evol. 1980. V.16. N.2. P. 121-147.

61. Кимура М. Молекулярная эволюция: теория нейтральности. М.: Мир, 1985, 400 с.

62. Мак-Каллок У.С., Питтс У. Логическое исчисление идей, относящихся к нервной активности // Автоматы, под ред. Шеннона К.Э. и Маккарти Дж. М.: ИЛ, 1956. С. 362 384.

63. Hebb D.O. The organization of behavior. A neuropsychlogical theory. N.Y.: Wiley and Sons, 1949. 355 p.

64. Либерман E.A. Молекулярная вычислительная машина клетки (МВМ). Общие соображения и гипотезы // Биофизика. 1972. Т.17. N.5. С.932-943.

65. Соколов Е.Н. Исследование механизма памяти на уровне отдельного нейрона // Журн. высш. нерв. деят. 1967. Т.17. N.5. С.909-924.

66. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения. М.: Наука, 1987. 288 с.

67. Малинецкий Г.Г., Степанцов М.Е. Моделирование диффузионнных процессов с помощью клеточных автоматов с окрестностью Марго-луса. // Ж. Вычисл. Матем. и матем. Физ., 1998, Т. 38, № 6, С. 1017-1020.

68. A. Glazov, I. Kisel, Е. Konotopskaya and G. Ososkov, Filtering Tracks in Discrete Detectors Using a Cellular Automaton. NIM A329 (1993) 262-268.

69. N.H. Packard and S. Wolfram: Journal of Statistical Physics, 38 (March 1985) p 901-946.

70. B. Chopard. A cellular automata model of large scale moving objects. J. Phys., A(23):1671-1687, 1990.

71. Теория автоматического управления: Учеб. для вузов / Под ред. А. А. Воронова.-М.: Высш. шк.,1986.

72. Цыпкин Я.З. Основы теории автоматических систем.-М.: Наука,1977.

73. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. с. 136.

74. Muller В., Reinhardt J. Neural networks. Springer-Verlag. 1990.