Методы и алгоритмы обработки потоков данных в многопроцессорных вычислительных комплексах командно-измерительных систем на основе моделей нейронных сетей тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Фраленко, Виталий Петрович

• Фраленко, Виталий Петрович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Фраленко, Виталий Петрович

Список терминов, условных обозначений и сокращений

Введение

Глава 1. Аналитический обзор алгоритмов обработки потоков данных космического назначения на основе искусственных нейронных сетей

1.1. Актуальные задачи обработки потоков информации в НС КИС нового поколения

1.2. Основные свойства и классификация нейронных сетей

1.2.1. Преимущества аппарата ИНС

1.2.2. Классификация ИНС

1.2.3. Нейросетевые пакеты

1.2.4. Подходы к распараллеливанию ИНС

1.3. Анализ возможностей практического применения ИНС для решения задач космического назначения

1.3.1. Сжатие телеметрии и целевой информации

1.3.2. Шифрование телеметрии и командной информации, защита от сетевых атак

1.3.3. Обработка и анализ космических снимков

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы обработки потоков данных в многопроцессорных вычислительных комплексах командно-измерительных систем на основе моделей нейронных сетей»

Актуальность работы

Современные требования к космическим системам обуславливают необходимость поиска новых подходов к созданию командно-измерительных систем (КИС), научно-технического задела для разработки перспективной космической техники, конкурентоспособной на мировом рынке. КИС служат для приема, регистрации, отображения, предварительной обработки и передачи в ЦУП телеметрической информации в процессе испытаний и эксплуатации различных изделий ракетно-космической техники (РКТ), а также для контроля параметров орбиты космических аппаратов (КА).

В последние десятилетия во всем мире получила развитие новая прикладная область математики - нейроматематика, основанная на нейросетевых методах обработки данных. С помощью искусственных нейронных сетей (ИНС) можно прогнозировать временные ряды, выполнять распознавание оптических и звуковых сигналов, создавать самообучающиеся системы, управлять подвижными объектами и т.д. Для указанных задач характерны высокая размерность пространства признаков и критический фактор времени, что требует применения высокопроизводительной вычислительной техники.

Известны три направления аппаратной поддержки параллелизма алгоритмов обработки на базе ИНС: создание нейрочипов с использованием технологии РРСА, программно-аппаратная реализация на универсальных многопроцессорных вычислительных системах (МВС) и реализация алгоритмов на видеокартах (ОРОРЦ). В настоящее время становится актуальным внедрение суперкомпьютерной техники в организации Роскосмоса для осуществления имитационного моделирования, управления, обработки целевой информации в режиме, близком к реальному времени.

Предлагаемое в диссертационной работе алгоритмическое и программное обеспечение основывается на комплексе разработанных средств обработки данных космического назначения. При этом учитываются особенности ИНС, возможности современных технологий параллельного программирования и аппаратных средств отечественных суперкомпьютеров семейства «СКИФ». В рамках проектов по программам «Триада», «СКИФ» и «СКИФ-ГРИД», «Поток-ПС», «Космос-НТ» и др. (2005-2011 гг.) автором были разработаны библиотеки алгоритмов и программное обеспечение для ряда космических приложений, включая фильтрацию и сжатие снимков дистанционного зондирования Земли (ДЗЗ), обеспечение безопасности и эффективности передата информации. Несмотря на имеющиеся международные рекомендательные стандарты CCSDS, указанные задачи по ряду причин (техническое отставание элементной базы, существующая управленческая система и т.д.1) остаются нерешенными применительно к отечественным космическим аппаратам и наземным станциям командно-измерительных систем (НС КИС). Бюджет отечественного Роскосмоса в 2005-2011 годах вырос с 0,9 до 3,5 миллиарда долларов, что в 6 раз меньше, чем у США (19 миллиардов долларов), Это приводит к тому, что, к примеру, на космических аппаратах США для сжатия передаваемых данных используется дискретное вейвлет-преобразование (Discrete Wavelet Transform, DWT), а российская сторона передает данные в несжатом виде.

Вопросами обработки данных на нейронных сетях ранее занимались Rosenblatt F., KohonenT.K., Hopfield J.J., VermaB., HaykinS., MahoneyM., Cheng H., Wosserman F., Горбань A.H., Галушкин А.И., Новосельцев В.Б., Ясницкий JI.H. и другие исследователи. Несмотря на очевидный прогресс в этой области, в материалах, опубликованных в научных изданиях, практически отсутствуют достоверные данные по эффективности применения нейронных сетей (оценок качества, скорости, объема, точности и т.д.). В настоящей работе основной упор делается на совершенствование алгоритмов за счет использования интеллектуальных и суперкомпьютерных технологий при объективном подходе к оценке полученных результатов.

Цель диссертационной работы состоит в повышении эффективности и надежности процессов обработки и передачи данных в многопроцессорных вычислительных комплексах космического назначения на основе моделей искусственных нейронных сетей. Для достижения поставленной цели в работе решаются следующие основные задачи:

1) разработка и исследование нейросетевых алгоритмов фильтрации и сжатия изображений с потерями;

2) разработка алгоритмов нейросетевого шифрования и обеспечения безопасности сетевых узлов (защита компьютерных систем от атак);

3) оценка эффективности полученных алгоритмов и их сравнение с существующими аналогами;

4) создание математического и программного обеспечения МВС для решения задач параллельной обработки данных в системах космического назначения.

Методы исследования базируются на использовании теории искусственных нейронных сетей, методов алгебраической теории распознавания, элементов теории кодирования и методов машинного моделирования.

1 Архипов И. Россия прощается с космосом. http://www,inright.ni/artic1es/id 244/ 6

Научная новизна работы заключается в следующем:

1) предложен метод сжатия изображений с потерями, превосходящий возможности формата Jpeg-2000 в широком диапазоне коэффициентов сжатия, основанный на комбинации адаптивного алгоритма минимизации числа нейронов сети Кохонена и алгоритма сжатия без потерь;

2) разработаны алгоритмы, обеспечивающие повышение надежности процессов приема-передачи и обработки информации, включая алгоритм шифрования, обеспечивающий обучение на многосимвольных алфавитах и требующий малого объема памяти для хранения настроек, и алгоритм мониторинга аномальной сетевой активности;

3) предложен алгоритм фильтрации на основе наборов рециркуляционных сетей-экспертов и встроенного механизма классификации, позволяющий восстанавливать изображения при 50% заполнении шумами;

4) разработан метод выделения регионов на снимках ДЗЗ с помощью спектрографических текстур и нейронной сети, обеспечивающий возможность работы не только со спектральными характеристиками, но и непосредственно с пикселями изображения.

Практическая значимость полученных результатов определяется их применением для решения комплекса актуальных задач обработки данных космического назначения в НС КИС, направленных на расширение функциональности и повышение автономности. Разработанные в настоящей работе алгоритмы предоставляют пользователю возможность решения широкого круга задач нейросетевой обработки потоков данных как на кластерных вычислительных устройствах (КВУ), так и на обычных персональных компьютерах с высокой степенью эффективности. Практическая значимость результатов отражена в отчетах выполненных научных исследований в рамках:

1. Программы Союзного государства «Развитие и внедрение в государствах-участниках Союзного государства наукоемких компьютерных технологий на базе мультипроцессорных вычислительных систем», шифр «ТРИАДА» (проект ПР5 «Разработка новых алгоритмов, принципов создания систем обработки изображений и другой информации от космических средств наблюдения, ориентированных на применение многопроцессорных вычислительных кластеров повышенной вычислительной мощности»);

2 Buscema M. Recirculation neural networks, Substance Use & Misuse, vol. 33, no. 2, pp.383-388, 1998, special issue on artificial neural networks and complex social systems.

2. НИР «Разработка моделей для проведения математического и натурного моделирования по обоснованию принципов предварительной обработки и сжатия целевой информации в бортовых и наземных высокопроизводительных командно-информационных системах при формировании и передаче интегрированных цифровых информационно-управляющих потоков». Шифр НИР: «Поток-ПС»;

3. Программы Союзного государства «Космос-НТ» (НИР «Разработка прототипа программной нейросетевой системы контроля телеметрической информации, диагностики подсистем космических аппаратов, обработки космических снимков»);

4. Научно-технической программы Союзного государства «Разработка и использование программно-аппаратных средств ГРИД-технологий и перспективных высокопроизводительных (суперкомпьютерных) вычислительных систем семейства «СКИФ», шифр «СКИФ-ГРИД».

Внедрение результатов работы. Основные результаты диссертационной работы были использованы при разработке программного комплекса «ППС ИНС» для НИЦЭВТ по проекту «Триада» (свидетельство о государственной регистрации программы для ЭВМ №2010610208, см. прил. А) и модуля мониторинга аномальной сетевой активности на основе искусственных нейронных сетей «Эгида-НС» (свидетельство о государственной регистрации программы для ЭВМ №2011611277, см. прил. Б). Разработанное алгоритмическое и программное обеспечение внедрено в Научно-исследовательском институте космических систем им. A.A. Максимова (НИИ КС) (см. прил. В). Алгоритмы сжатия и фильтрации внедрены в учебный процесс Института программных систем «УГП имени А.К. Айламазяна» (НОУ ВПО ИПС «УГП имени А.К. Айламазяна») при проведении практических и теоретических занятий по дисциплинам «Математические основы обработки сигналов» и «Моделирование вычислительных систем» (см. прил. Г).

Результаты диссертационной работы докладывались и обсуждались на международных и всероссийских научно-практических конференциях и симпозиумах:

1) научно-техническая конференция ФГУП «РНИИКП» (10-12 октября 2006, Москва, ФГУП «РНИИ КП»);

2) XII ежегодная научно-практическая конференция УГП им. А.К. Айламазяна (19 апреля 2008, Переславль-Залесский);

3) I, III и IV всероссийские научно-технические конференции «Актуальные проблемы ракетно-космического приборостроения и информационных технологий» (28-30 апреля 2008, Москва, ФГУП «РНИИ КП»), (1-3 июня 2010, Москва, ОАО «Российские космические системы»), (15-17 июня 2011, Москва, ОАО «Российская корпорация ракетно-космического приборостроения и информационных технологий»);

4) V международная научно-практическая конференция «Исследование, разработка и применение высоких технологий в промышленности» (28-30 апреля 2008, Санкт-Петербург);

5) IX международная конференция «Распознавание образов и анализ изображений: новые информационные технологии» (РОАИ-9-2008) (14-20 сентября 2008, Нижний Новгород);

6) международная конференция «Программные системы: теория и приложения» (12-15 мая 2009, Переславль-Залесский);

7) III всероссийская научная конференция «Нечеткие системы и мягкие вычисления» (НСМВ-2009), (21-24 сентября 2009, Волгоград);

8) I специализированный международный симпозиум «Космос и глобальная безопасность человечества» (2-4 ноября 2009, Amathus Beach Hotel, Лимассол, Кипр);

9) XII всероссийская научно-техническая конференция «Нейроинформатика-2010» (25-29 января 2010, Москва, МИФИ);

10) I всероссийская научная конференция молодых ученых «Теория и практика системного анализа» (25-28 апреля 2010, Рыбинск);

11) III международная конференция по безопасности информации и сетей (SIN 2010) (711 сентября 2010, Таганрог).

Кроме того, результаты работы докладывались и обсуждались на семинарах Исследовательского центра искусственного интеллекта и Исследовательского центра мультипроцессорных систем ИПС имени А.К. Айламазяна РАН в г. Переславль-Залесский (2005-2011).

Основные результаты диссертационной работы изложены в 19 печатных работах, в числе которых 4 статьи опубликованы в рецензируемых изданиях, рекомендованных ВАК РФ.

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 102 наименования, и четырех приложений. Основная часть изложена на 116 страницах машинописного текста, иллюстрируется 44 рисунками и 52 таблицами.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Фраленко, Виталий Петрович

4.8 Основные выводы

1. Выполненная программная реализация алгоритмов обработки потоков данных входит составной частью в параллельную программную систему «Ш 1С ИНС», обновленная версия которой устанавливается на КВУ, предназначенное для решения задач космического назначения.

2. Разработанные алгоритмы в составе математического и программного обеспечения «1111С ИНС» существенно расширяют возможности наземных станций по обработке потоков данных в части фильтрации и сжатия изображений с потерями, обработки космических снимков ДЗЗ, шифрования и обеспечения безопасности информации.

3. Параллельные программные реализации алгоритмов обеспечивают сокращение времени вычислений (масштабировании), что подтверждено результатами экспериментов (см. табл. 2.7,2.14, 3.10 и 3.29).

Заключение

Основным результатом диссертации явилось создание алгоритмического и программного обеспечения, предназначенного для обработки потоков данных космического назначения на искусственных нейронных сетях, функционирующего на МВС. Решены следующие задачи:

1. Даны оценки качества алгоритмов сжатия изображений с потерями для ИНС Кохонена и прямого распространения. Комбинация предложенного адаптивного алгоритма минимизации числа нейронов и алгоритма сжатия без потерь позволила превзойти возможности формата Jpeg-2000.

2. Разработан новый алгоритм нейросетевого шифрования, который в отличие от известных методов обеспечивает гибкость настройки параметров и требует малого объема памяти.

3. Разработан программный комплекс обеспечения информационной безопасности наземных вычислительных комплексов на основе нейросетевой технологии мониторинга аномальной сетевой активности.

4. Разработан новый нейросетевой алгоритм фильтрации с учителем на основе наборов сетей-экспертов и встроенного механизма классификации, который позволяет восстанавливать изображения при 50% заполнении шумами.

5. Разработаны методы выделения целевых объектов и регионов на снимках ДЗЗ с помощью спектрографических текстур и нейронной сети, обеспечивающие возможность непосредственной работы с изображениями.

6. Создано алгоритмическое и программное обеспечение, реализующее разработанные алгоритмы обработки потоков данных на высокопроизводительных вычислительных средствах перспективной НС КИС.