Методика проектирования структуры вычислительных систем выявления слабоконтрастных неоднородностей в отраженном радиолокационном сигнале тема диссертации и автореферата по ВАК РФ 05.13.15, кандидат технических наук Карпов, Дмитрий Анатольевич

  • Карпов, Дмитрий Анатольевич
  • кандидат технических науккандидат технических наук
  • 2011, Москва
  • Специальность ВАК РФ05.13.15
  • Количество страниц 135
Карпов, Дмитрий Анатольевич. Методика проектирования структуры вычислительных систем выявления слабоконтрастных неоднородностей в отраженном радиолокационном сигнале: дис. кандидат технических наук: 05.13.15 - Вычислительные машины и системы. Москва. 2011. 135 с.

Оглавление диссертации кандидат технических наук Карпов, Дмитрий Анатольевич

Введение.

Глава 1. Система формирования радиолокационных портретов морской поверхности и распознавания слабоконтрастных неоднородностей.

1.1. Модуль «радар-процессор».

1.2. Модуль «спецвычислитель».

1.2.1. Выявление слабоконтрастных неоднородностей с помощью авторегресиионой обработки.

1.2.2. Выявление слабоконтрастных неоднородностей с помощью вейвлет-преобразований.

1.3. Специальное программное обеспечение.

1.4. Анализ решений аналогичных задач.

1.5. Постановка задачи.

Выводы.

Глава 2. Построение моделей вычислительной системы выявления слабоконтрастных неоднородностей.

2.1. Моделирование.

2.2. Анализ объекта моделирования.

2.3. Математические модели вычислительной системы.

2.3.1. Модель работы вычислительной системы состоящей из одной СпецЭВМ и одного модуля «радар-процессор».

2.3.2. Модель работы вычислительной системы состоящей из одной СпецЭВМ и одного модуля «спецвычислитель».

2.3.3. Модель работы вычислительной системы состоящей из одной СпецЭВМ, оснащенной одним модулем «радар-процессор» и одним модулем «спецвычислитель».

2.3.4. Модель работы вычислительной системы состоящей из двух СпецЭВМ, в первой — один модуль «радар-процессор», во второй — один модуль «спецвычислитель».

2.3.5. Модель работы вычислительной системы состоящей из двух СпецЭВМ, в первой —два модуля «радар-процессор», во второй —два модуля «спецвычислитель».

2.3.6. Модель работы вычислительной системы состоящей из двух СпецЭВМ, в каждой из которых по одному модулю «радар-процессор» и «спецвычислитель».

2.3.7. Поверка моделей № 1 и № 2 на основе реальных испытаний модулей «радар-процессор» и «спецвычислитель».

2.3.8. Анализ способов наращивания производительности вычислительной системы, путем объединения нескольких модулей в составе одной или двух СпецЭВМ на основании моделей 3 и 4.

Выводы.

Глава 3. Разработка структуры вычислительной системы выявления слабоконтрастных неоднородностей.

3.1. Разработка методики проектирования вычислительных систем выявления слабоконтрастных неоднородностей.

3.2. Выявление характеристик реальной СпецЭВМ для сравнения с требованиями модели вычислительной системы.

3.2.1. Определение пропускной способности шины интерфейса модулей.

3.2.2. Определение пропускной способности памяти.

3.2.3. Определение пропускной способности накопителя.

3.2.4. Определение пропускной способности сети.

3.2.5. Определение пропускной способности дискретной видеоподсистемы.

3.3. Методика проектирования вычислительных систем выявления слабоконтрастных неоднородностей.

Выводы.

Глава 4. Практическая реализация.

Выводы.

Рекомендованный список диссертаций по специальности «Вычислительные машины и системы», 05.13.15 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методика проектирования структуры вычислительных систем выявления слабоконтрастных неоднородностей в отраженном радиолокационном сигнале»

При разработке современных вычислительных систем существенную роль играют выбор структуры вычислительной системы и подбор комплектующих для входящих в её состав ЭВМ. Незначительное изменение входных параметров или параметров обработки может оказать существенное влияние на требования к вычислительной системе и привести к необходимости ее повторного проектирования. Для облегчения задачи проектирования вычислительных систем необходим механизм, позволяющий быстро выбрать структуру вычислительной системы и выработать требования к её компонентам.

В рамках данной работы впервые разработана методика построения вычислительной системы выявления слабоконтрастных неоднородностей на фоне морской поверхности. Эта система позволяет обнаруживать разливы нефти и нефтепродуктов на морской поверхности, большие косяки рыб и другие аномалии на и под морской поверхностью путем обработки отраженного радиолокационного сигнала.

Процедура обработки сигнала проводится в два этапа: на первом этапе производится оцифровка принятого сигнала и его предварительная обработка, позволяющая получить радиолокационный портрет морской поверхности; на втором этапе, на основе анализа' набора радиолокационных картин, происходит выявление слабоконтрастных неоднородностей. Для решения каждой из задач было решено использовать специальные модули цифровой обработки* сигналов: на модуль «радар-процессор» были возложены функции решения задач первого этапа, на модуль «спецвычислитель» — функции по решению задач второго этапа.

Основной проблемой при проектировании вычислительной системы стало обеспечение необходимости решения поставленной задачи выявления слабоконтрастных неоднородностей в режиме реального времени на различных типах радиолокационных станций (РЛС) с широким диапазоном требований по длине рабочей области и точности представления результатов обработки. Предложенная методика позволит существенно ускорить процесс разработки подобных вычислительных систем, работающих в режиме реального времени, под заданные требования заказчика, включающие площадь обрабатываемой поверхности, дальность и точность представления результата.

Целью данной работы является разработка комплексной методики построения вычислительной системы по обработке отраженного радиолокационного сигнала с морской поверхности и выявлению в нем слабоконтрастных неоднородностей в реальном масштабе времени.

Для разработки этой методики в ходе работы были выявлены и решены задачи анализа нагрузки на компоненты специальной ЭВМ при обработке радиолокационной информации и выявления «узких» мест вычислительной системы; разработки и проверки математических моделей, позволяющих рассчитать нагрузку, как для уже имеющихся образцов системы оцифровки радиолокационной информации, так и для вычислительной системы объединяющей несколько СпецЭВМ с целью увеличения её производительности; выбрана модель объединения нескольких СпецЭВМ, позволяющая достичь большей производительности в режиме реального времени; рассмотрены существующие методы оценки производительности вычислительных систем и предложены способы оценки характеристик комплектующих СпецЭВМ, позволяющих проверить соответствие характеристик конкретной СпецЭВМ требованиям, предъявляемым моделью; разработки на основе выбранной математической модели методики построения вычислительной системы; разработки программы, позволяющей рассчитать на основе требований к вычислительной системе и заданной организации, требования к компонентам СпецЭВМ.

Научная новизна работы заключается в разработке принципиально новой модели вычислительной системы, позволяющей- по параметрам работы конкретной РЛС, значению угла обзора, требованиям к результату обработки определить количественные и качественные требования к СпецЭВМ и их компонентам, входящим в состав вычислительной системы. А также, по результатам моделирования, впервые в отечественной практике, разработана методика проектирования вычислительных систем выявления слабоконтрастных неоднородностей, обеспечивающая эффективное использование ресурсов СпецЭВМ и позволяющая обработать больший объем информации в вычислительной системе, состоящей из нескольких СпецЭВМ в режиме реального времени.

Практическая ценность работы заключается в возможности быстрого и экономичного подбора комплектующих для СпецЭВМ, входящих в состав вычислительной системы, что, в свою очередь, сокращает временные и финансовые затраты на разработку и модернизацию вычислительной системы под требования заказчика. Эта методика позволяет с помощью типового программного обеспечения строить вычислительные системы, работающие в режиме реального времени, для РЛС с различными характеристиками радиолокационных сигналов.

Предложенные методы тестирования компонентов ЭВМ также позволяют быстро определить их пригодность для решения поставленной задачи и требуемое количество СпецЭВМ для построения вычислительной системы заданной производительности.

Применение методики выбора структуры вычислительной системы выявления слабоконтрастных неоднородностей было опробовано в рамках темы «Орел-МИРЭА».

Результаты диссертационной работы были внедрены при выполнении НИР и НИОКР для ЗАО «Альтаир-НТПЦ».

На защиту в данной работе выносятся следующие положения:

- результаты анализа нагрузки на компоненты вычислительной системы и выявленные «узкие места»;

- математические модели существующих образцов вычислительной системы и результаты их проверки;

- математические модели вычислительной системы, состоящей из нескольких СпецЭВМ;

- математическая модель вычислительной системы, обеспечивающая обработку большего объема информации в реальном масштабе времени;,

- методика выбора структуры вычислительной системы;

- способы оценки производительности комплектующих СпецЭВМ, позволяющие проверить соответствие характеристик СпецЭВМ требованиям, предъявляемым моделью;

- применение методики и разработанного программного обеспечения для практического выбора структуры вычислительной системы, соответствующей параметрам радиолокационной станции и режимам её работы.

Похожие диссертационные работы по специальности «Вычислительные машины и системы», 05.13.15 шифр ВАК

Заключение диссертации по теме «Вычислительные машины и системы», Карпов, Дмитрий Анатольевич

Выводы

Анализ приведенных в главе результатов расчетов программы «ModelVSkN» по формулам предложенной методики позволяет сделать вывод, что для обеспечения функционирования вычислительной системы выявления слабоконтрастных неоднородностей с исходными заданными параметрами достаточно двух исследованных СпецЭВМ.

При увеличении частоты зондирующих импульсов до 1600 Гц данная вычислительная система будет функционировать на пределе реальной пропускной способности шины PCI исследованных СпецЭВМ.

Для работы с РЛС с частотой зондирующих импульсов 3200 Гц, необходимо либо перестроить вычислительную систему, увеличив количество СпецЭВМ до четырех, добавить дополнительные модули «радар-процессор», а модули спецвычислитель распределить между всеми СпецЭВМ, либо сократить дальность рабочей области.

Использование отдельной ЭВМ отображения в данных вариантах не целесообразно.

128

Заключение f В данной работе представлено подробное описание вычислительной системы выявления слабоконтрастных неоднородностей и основных её компонентов: модулей «радар-процессор», «спецвычислитель» и специального программного обеспечения. Вместе с описанием модулей приведены их структурные схемы и алгоритмы работы модулей и программного обеспечения.

Проведен анализ вычислительной системы выявления слабоконтрастных неоднородностей и позволивший выявить компоненты СпецЭВМ, влияющие на производительность вычислительной системы в целом. Такими компонентами стали: шина интерфейса модулей (сейчас PCI и Compact-PCI), оперативная память, шина видеоадаптера и накопитель.

Для разработки методики проектирования* вычислительных систем выявления слабоконтрастных неоднородностей, были предложены шесть основных математических моделей:

1. Модель работы вычислительной системы состоящей из одной СпецЭВМ и одного модуля «радар-процессор».

2. Модель работы вычислительной системы состоящей из одной СпецЭВМ и одного модуля «спецвычислитель».

3. Модель работы вычислительной системы состоящей из одной СпецЭВМ, оснащенной" одним модулем «радар-процессор» и одним> модулем «спецвычислитель».

4. Модель работы вычислительной системы состоящей из двух СпецЭВМ, в первой — один модуль «радар-процессор», во второй — один модуль «спецвычислитель».

5. Модель работы вычислительной системы состоящей из двух СпецЭВМ, в первой — два модуля «радар-процессор», во второй — два модуля «спецвычислитель».

6. Модель работы вычислительной системы состоящей из двух СпецЭВМ, в каждой из которых по одному модулю «радар-процессор» и «спецвычислитель».

Для каждой модели были приведены структурные схемы и выведены формулы расчета нагрузки на основные компоненты СпецЭВМ.

Проведенный анализ расчетных результатов и результатов практических тестов показал корректность выведенных формул для моделей № 1 и № 2. ч! j

А анализ моделей № 3 и № 4 позволил прийти к выводу, что наиболее перспективным с точки зрения оптимизации по критерию производительности будет использование модели № 3, предполагающей объединение в составе одной СпецЭВМ различных модулей, отвечающих за обработку выделенной зоны. При этом каждая из СпецЭВМ, входящих в состав вычислительной системы, отвечает за обработку своей зоны из всей области обработки.

Этот анализ также позволил отказаться от модели № 5, обладающей недостатками модели №4 и положил в основу разрабатываемой методики проектирования вычислительных систем модель № 6, являющуюся развитием модели № 3.

Модель № 6, предполагает объединение в составе одной СпецЭВМ модулей разных типов, проводящих обработку «своего» сегмента зоны обнаружения. Деление зоны обнаружения между СпецЭВМ в составе одной вычислительной системы при этом производится по дальности.

При разработке методики также были рассмотрены возможные варианты распределения задач вывода и сохранения информации между СпецЭВМ вычислительной системы:

1. Каждая СпецЭВМ хранит оцифрованную информацию самостоятельно, отображение идет на одной из них.

2. Хранение и отображение информации осуществляется на одной СпецЭВМ.

3. Вводится дополнительная ЭВМ для хранения и отображения информации.

4. Вводится дополнительная ЭВМ для отображения информации, а оцифрованную информацию хранит каждая СпецЭВМ самостоятельно.

Так как варианты 2 и 3, предполагающие хранение всей оцифрованной информации на одной из СпецЭВМ, применимы только для ограниченного ряда вычислительных систем с малым объемом обрабатываемой информации, так как в них подсистема хранения информации становится наиболее перегруженным элементом и требует не только высокопроизводительной подсистемы записи информации, но и высокопроизводительной сетевой подсистемы, от их дальнейшего рассмотрения было решено отказаться.

При сравнении вариантов 1 и 4 был сделан вывод, что при условии предварительной обработки информации и ее подготовки к отображению на

СпецЭВМ оцифровки, нагрузка на СпецЭВМ оцифровки и отображения возрастет в соответствии с объемом принимаемой от других СпецЭВМ информации. Это позволило прийти к следующему выводу в рамках разработанной методики: если производительности СпецЭВМ оцифровки для обеспечения отображения недостаточно и/или необходимо разместить экран отображения на некотором расстоянии от СпецЭВМ оцифровки, то задачу отображения лучше переложить на отдельную ЭВМ. В других случаях возможно использование варианта с возложением задачи отображения на одну из СпецЭВМ оцифровки.

В работе также были рассмотрены методы тестирования компонентов СпецЭВМ и было предложено использование тестов, ориентированных на выдачу реальной производительности компонентов ЭВМ при решении требуемой задачи, в отличие от тестов, определяющих «сырую» производительность. Для каждого из основных компонентов ЭВМ были предложены соответствующие методы тестирования.

Предложенная методика и формулы расчета были реализованы в программе расчета требований к компонентам СпецЭВМ исходя из заданной производительности и структуры вычислительной системы.

Данная программа, названная «Мос1е1\/ЗкМ», была использована при расчете нагрузки на компоненты СпецЭВМ вычислительной системы в рамках НИОКР «Орел-МИРЭА» для ЗАО «Альтаир-НТПЦ». Полученные результаты позволили принять решение и о структуре вычислительной системы, и об ограничениях, накладываемых на режимы обработки при использовании вычислительной системы вместе с РЛС с увеличенной частотой зондирующих импульсов.

131

Список литературы диссертационного исследования кандидат технических наук Карпов, Дмитрий Анатольевич, 2011 год

1. Amara Graps, "An 1.troduction to Wavelets," Computing in Science and Engineering, vol. 2, no. 2, pp. 50-61, Summer, 1995.

2. ATI Stream: тесты приложений на GPU. Редакция THG. http://www.thg.ru

3. Аверилл M. Лоу, В. Девид Кельтон. Имитационное моделирование 3-е издание Сп-Б, 2004

4. Алекович Г., Левитас Б., Минин A.C. Исследование возможности обнаружения и идентификации подповерхностных объектов. Труды научно-практической конференции «Георадар в России -2000». Москва, МГУ, 15-19 мая, 2000, с.23.

5. Александрович А., Бородакий Ю., Чуканов В.О. Проектирование высоконадежных информационно-вычислительных систем. М.: Радио и связь. 2004.

6. Альянса, И. Н. Моделирование вычислительных систем. Ленинград: Машиностроение, 1988.

7. Афанасьев А.П., Посыпкин М.А., Хританков A.C. Аналитическая модель оценки производительности распределенных систем. Программные продукты и системы. № 4, 2009 г.

8. Баканов В. Параллелизация обработки данных на вычислителях потоковой (Dataflow) архитектуры. Суперкомпьютеры. 2011. № 5.

9. Баранов Л.Д. Вопросы проектирования высокопроизводительных систем первичной обработки сигналов. VI Международный форум "Высокие технологии XXI века". — М., 2005.

10. Баранов Л.Д. Новые технологии проектирования высокопроизводительных систем ЦОС. VI Международная конференция "Кибернетика и высокие технологии XXI века". — Воронеж, 2005.

11. Баранов Л.Д. Проектирование высокопроизводительных систем цифровой обработки сигналов. Автореферат диссертации кандидата технических наук. — М., 2005.

12. Баранов Л.Д., Златников В.М., Кучернюк И.Н. Специализированный процессор диспетчеризации информационных потоков высокопроизводительной системы цифровой обработки сигналов. //Вопросы радиоэлектроники. — М., 2004. — Серия ЭВТ.

13. Берилло А. NVIDIA CUDA — неграфические вычисления на графических процессорах. 2008. ¡XBT.com.

14. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. — М.: «Мир», 1989.

15. Васильев И.А., Геннадиева Е.Г., Ивашов С.И., Макаренков В.И., Метальников В.М., Разевиг В.В., Саблин В.Н., Шейко А.П. Многочастотный СВЧ-датчик для обнаружения мин. Радиотехника. №2, 1999, стр. 49-52.

16. Васильев И.А., Ивашов С.И., Саблин В.Н. Широкозахватная радиотехническая система обнаружения мин. Радиотехника. №4, вып. 29, Радиолокационные системы и системы радиоуправления, №5, 1998, стр. 55-58.

17. Гиголо А.И. Диагностика подповерхностных объектов, зондируемых сверхширокополосными сигналами. Автореферат диссертации^ кандидата технических наук. — М., 2004.

18. Голубев Е.В., Иванов. Е.Л., Ловягин A.C., Нефедов Б.М., Смольянинов A.A. Спецвычислитель для обработки радиолокационных сигналов. Статья в сборнике «Теоретические вопросы вычислительной техники.и программного обеспечения», МИРЭА, 2003.

19. Д.Французов Оценка производительности вычислительных систем. Открытые системы. № 2, 1996:

20. Иванов Е.Л., Голубев Е.В., Губарев В.А., Карпов Д.А., Ловягин A.C., Мороз Ю.В., Нефедов Б.М., Смольянинов A.A. Макет спецвычислителя обработки радиолокационной информации. 52 научно-техническая конференция МИРЭА. Сборник трудов. ч.З. М.: МИРЭА, 2003.

21. Ищук И.Н., Фесенко А.И., Громов Ю.Ю. Идентификация свойств скрытых подповерхностных объектов в инфракрасном диапазоне волн. М.: Машиностроение, 2008.

22. Капитонова Ю.В., Летичевский A.A. Математическая теория проектирования вычислительных систем. М. : Наука, Гл. ред. физ.-мат. лит.1988.

23. Карпов Д.А. Математическая модель вычислительной системы выявления слабоконтрастных неоднородностей. Сборник трудов. «Динамика неоднородных систем». Труды Института системного анализа РАН. Т. 53 (2). -М.: Книжный дом «ЛИБРОКОМ», 2010.

24. Карпов Д.А. Математическая модель работы ПЭВМ, оснащенной модулем оцифровки информации «радар-процессор». Сборник трудов. «Динамика неоднородных систем». Труды Института системного анализа РАН. Т. 53 (1). -М.: Книжный дом «ЛИБРОКОМ», 2010 г

25. Коваленко С.М., Мороз Ю.В.,. Строганов М.В, Карпов-Д.А. и др. Система обработки радиолокационной информации для обнаружения слабоконтрастных аномалий отражённого сигнала. М., Научный вестник МИРЭА, № 2(9), 2010, стр. 69-84.

26. Кривов М., Казеннов A. CUDA4: покорение суперкомпьютеров. Суперкомпьютеры. 2011. № 5.

27. Кузьминский М.Б. Процессоры для высокопроизводительных вычислений. «Открытые системы», № 09, 2007.

28. Лавриненко C.B. Разработка отказоустойчивого мультинейропроцессора цифровой обработки сигналов. Автореферат диссертации кандидата технических наук. — Ставрополь, 2008.

29. Ле Куанг Минь, Романовский A.C. Алгоритмы поиска всех путей успешного функционирования для расчёта показателей надёжности структурно-сложных систем // Информатика и системы управления в XXI веке: Сборник трудов МГТУ -2007.- № 5 С. 180-184.

30. Ле Куанг Минь, Романовский A.C. Оценка эффективности применения методов активной защиты от отказов в иерархических вычислительных системах // Вестник МГТУ. Сер. Приборостроение. 2007. №4. - С. 62-69.

31. Ле Куанг Минь, Смирнов А.С. Разработка программы поиска всех путей успешного функционирования системы для расчета показателей надежности структурно-сложных систем // Материалы межвузовскй научно-технической конференции. СПб.: 2003. 4.V - С. 95-97.

32. Ле Куанг Минь. Анализ методов обеспечения отказоустойчивости и живучести вычислительных систем // Естественные науки и технологии. — 2007,- №3 С. 236-238.f

33. Ле Куанг Минь. Анализ эффективности применения методов повышения отказоустойчивости ИВС реального времени // Микроэлектроники и информатики 2007: Тез. докл. Всероссийская конференция. М., 2007. -С.253.

34. Ле Куанг Минь. Методика и средства обеспечения отказоустойчивости бортовых вычислительных систем реального времени. Автореферат диссертации кандидата технических наук. — М., 2008.

35. Линников О.Н., Сосулин Ю.Г., Толмазов Б.Б., Трусов В.Н., Юфряков Б.А., Обработка сигналов и изображений в импульсном радиолокаторе подповерхностного зондирования. Радиотехника и электроника, 2004, т.49, №7.

36. Ловягин А.С., Строганов М.В., Иванов Е.Л. Алгоритм авторегрессионной обработки радиолокационных портретов. Межвузовский сборник научных трудов «Теоретические вопросы вычислительной техники, программного обеспечения». М., МИРЭА, 2006

37. Материалы сайта фирмы AMD по технологии ATI Stream http://www.amd.com/ru/products/technologies/stream-technology/Pages/stream-technology.aspx.

38. Материалы сайта фирмы NVIDIA по технологии CUDA — http://www.nvidia.ru/object/cudahomenewru.html; http://www.nvidia.com/object/cudahomenew.html.

39. Материалы Совета по оценке производительности транзакций (ТРС — Transaction Processing Performance Council) — http://www.tpc.org.

40. Мороз Ю.В. Структура радар процессора. Межвузовский сб. научных трудов «Теоретические вопросы вычислительной техники и программного обеспечения» М, МИРЭА,2007 г.

41. Мороз Ю.В., Иванов Е.Л., Ловягин А.С. Алгоритм обработки радиолокационных сигналов для синтеза радиолокационных портретов. Межвузовский сборник научных трудов «Теоретические вопросы вычислительной техники, программного обеспечения». М., МИРЭА, 2008.

42. Мышкис А. Д., Элементы теории математических моделей. — 3-е изд., испр. — М.: КомКнига, 2007.

43. Оппенгейм А., Шафер Р. Цифровая обработка сигналов. Изд. 2-е, испр. — М.: «Техносфера», 2007.

44. Осколков И. NVIDIA CUDA доступный билет в мир больших вычислений. Компьютерра. 30.04.2009.

45. Пат. 2122224 РФ, МПК7 G 01 V 3/12, G 01 N 22/00. Способ обнаружения мин в почве / O.A. Морозов, М.Ф. Воскобойник. Заявитель и патентообладатель НПО «Маргатеп». № 97121734/25; заявл. 25.11.98; опубл. 20.11.98, Бюл. № 23. - 3 с.

46. Перекалин A. CUDA быстрее, «Chip», № 07. 2009.

47. Поликарпов Г. CUDA катится мир? Параллельные вычисления с использованием видеокарты, «Хакер», № 07, 2009.

48. Севостьянов, А.Г. Моделирование технологических процессов: учебник / А.Г. Севостьянов, П.А. Севостьянов. М.: Легкая и пищевая промышленность, 1984.

49. Сергиенко А.Б. Цифровая обработка сигналов. Питер. 2003.

50. Советов Б. Я., Яковлев С. А., Моделирование систем: Учеб. для вузов — 3-е изд., перераб. и доп. — М.: Высш. шк., 2001.

51. Хуанг Т.С. Быстрые алгоритмы в цифровой обработке изображений. М.: Радио и связь. 1984.

52. Червяков Н.И., Чунаков Д.В., Лавриненко C.B. Нейросетевая реализация дискретных вейвлет-преобразований. — М.: Нейрокомпьютеры: разработка и применение, № 1-2, 2008.

53. Шаповаленко С. Динамическое моделирование и анализ корпоративных вычислительных систем. Сетевой журнал. 2001. № 6.

54. Шеннон Р. Имитационное моделирование систем — искусство и наука. — М.: Мир, 1978.

55. Шон Пипер, Джоан Пол, Майкл Сколт. Новая эра в оценке производительности компьютерных систем. «Открытые системы», № 09, 2007.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.