Устройства динамического приоритета на основе нейронных технологий тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат технических наук Южаков, Александр Александрович

• Южаков, Александр Александрович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Южаков, Александр Александрович

Ведение

1. Анализ алгоритмов и принципы реализации устройств динамического приоритета

1.1. Назначение и основные особенности устройств очередности

1.2. Классификация дисциплин обслуживания в устройствах очередности

1.3. Современные реализации устройств динамического приоритета

1.3.1. Принципы построения устройств динамического приоритета

1.3.2. Способы реализации устройств динамического приоритета

1.4. Выводы

2. Принципы реализации устройств динамического приоритета потоковой динамической архитектуры на основе нейронных 18 технологий

2.1. Построение устройств с настраиваемой структурой

2.1.1. Логические основы построения автоматов с настраиваемой структурой

2.2. Понятие и определение нейронного элемента и нейронной сети

2.3. Обобщенная сетевая структура устройства динамического приоритета потоковой динамической архитектуры

2.3.1. Базовые сетевые регулярные структуры УДП ПДА на основе однородных НЭ

2.3.2. Микроструктура формального нейронного элемента УДП ПДА

2.4. Выводы

3. Структура устройства динамического приоритета потоковой динамической архитектуры на основе применения нейронных структур

3.1. Регулярная однородная структура УДП ПДА

3.1.1. Структура УДП ПДА с моноканалом линейной структуры

3.1.2. Структура УДП ПДА с моноканалом типа «кольцо»

3.2. Структурный синтез УДП ПДА на нейронной структуре моноканал

3.2.1. Устройство динамического приоритета на нейронной структуре линейного типа топологии «моноканал» 3.2.1.1. Устройство динамического приоритета с дисциплиной обслуживания FIFO

3.2.1.2. Устройство динамического приоритета х абсолютным приоритетом

3.2.1.3. Устройство динамического приоритета с относительным приоритетом

3.2.2. Устройства динамического приоритета на моноканале типа «кольцо»

3.3. Анализ аппаратурных затрат на реализацию УДП ПДА на моноканале

3.4. Выводы

4. Методика определения вероятностно-временных 70 характеристик устройств динамического приоритета

4.1. Проблематика разработки и исследования моделей систем массового обслуживания для устройств динамического приоритета 70 Щ 4.2. Устройство динамического приоритета потоковой динамической архитектуры как система массового обслуживания

4.2.1. Модели неоднородных входных потоков

4.2.2. Модель открытой многоканальной системы массового обслуживания с отказами

4.2.3. Модель замкнутой системы массового обслуживания при матричном входящем потоке

4.2.4. Расчет объема оборудования нейронной сети устройства динамического приоритета потоковой динамической архитектуры

4.3. Выводы

Ф 5. Разработка и реализация устройств динамического приоритета с сетевой структурой в составе системы автоматизации 88 испытаний

5.1. Аппаратурное и программное обеспечения системы автоматизации испытаний авиационных агрегатов

5.1.1. Характеристики объекта автоматизации испытаний

5.1.2. Назначение системы

5.1.3. Структура системы

5.1.4. Функционирование системы

5.1.5. Результаты опытной эксплуатации САИ АА

5.2. Программно-аппаратурная реализация многоканальных адаптивных измерительных устройств

5.2.1. Адаптивные многоканальные преобразователи сетевой архитектуры

5.2.2. Устройство динамического приоритета в структуре адаптивного многоканального преобразователя сетевой архитектуры

5.2.2.1. Реализация устройств динамического приоритета с дисциплиной обслуживания FIFO

5.2.2.2. Реализация устройств динамического приоритета с абсолютным приоритетом

5.2.2.3. Реализация устройств динамического приоритета с

0 относительным приоритетом

5.3. Результаты опытной эксплуатации адаптивного многоканального измерительного преобразователя с устройством динамического приоритета

5.4. Выводы 110 Заключение 111 Литература 114 Приложение 3.1'. 119 Приложение 3.

Введение диссертации (часть автореферата) на тему «Устройства динамического приоритета на основе нейронных технологий»

В настоящее время в различных отраслях науки и техники широкое распространение находят информационно-управляющие системы (ИУС). ИУС используются в автоматизированных системах научных исследований, системах автоматизации испытаний (ракетных и авиационных двигателей, автомобилей, электронной аппаратуры и т.д.), автоматизированных системах управления технологическими процессами и пр. При этом ИУС выполняют функции сбора, преобразования, передачи, обработки, хранения и отображения экспериментальной информации. При постоянном возрастании сложности и быстродействия объектов управления возникает потребность в существенном увеличении производительности ИУС [1, 2].

Для обеспечения эффективного функционирования рассматриваемых систем в условиях конечного быстродействия устройств обработки информации и ограниченной полосы пропускания каналов связи разработаны и широко применяются различные алгоритмы адаптации процессов сбора, преобразования, обработки к параметрам входных сигналов. Указанные алгоритмы реализуются в подсистемах сбора информации (ПСИ) и подсистемах передачи информации (ППИ), входящих в ИУС. Большинство алгоритмов обслуживания измерительных преобразователей (ИП) в ИУС предполагает циклический опрос. Однако во многих случаях эти алгоритмы оказываются неэффективными [1,3]. Это объясняется тем, что существует целый ряд ИП, обладающих переменным временем преобразования tnр, которое зависит от значений измеряемых величин - измерители частоты, работающие по принципу заполнения периода измеряемой частоты импульсами образцовой частоты, АЦП последовательного счета и др. В таких ИП формирование существенных отсчетов должно производиться с максимальной частотой, определяемой верхней границей спектра измеряемого сигнала. При использовании адаптивных ИП (временных дискре-тизаторах) моменты формирования отсчетов определяются по критерию максимальной погрешности или по мгновенным значениям производных измеряемого сигнала.

В связи с указанными особенностями для современных ИУС входные информационные потоки являются асинхронными, и как правило, независимыми по отношению друг к другу, и по отношению к вычислительному устройству (ВУ). Измеряемые величины являются случайными, измерительные каналы в общем случае независимы и требования на обслуживание (обработку) поступают от них в случайные моменты времени. Кроме того, в составе информационных потоков ИУС присутствуют сообщения об авариях, нештатных ситуациях и других событиях, происходящих также в случайные моменты времени.

Для сопряжения входных информационных потоков с ВУ в ИУС используется функция упорядочения, которая выполняется устройством динамического приоритета (УДП) [5, 6]. Использование УДП, выполняющих функцию упорядочения, дает возможность снизить требования по быстродействию к ВУ (к подсистемам передачи и обработки информации), может ^ обеспечить дополнительные возможности для использования адаптации к параметрам входного потока и стать источником повышения эффективности ИУС [5].

Другим направлением повышения эффективности ИУС является использование в качестве ВУ высокопроизводительных многопроцессорных вычислительных систем (ВС). Как правило, обмен информацией между процессорами в таких системах организуется при помощи общего ресурса: общего оперативного запоминающего устройства и общей шины или индивидуальных ОЗУ и общей шины. Доступ к общему ресурсу осуществляется на основе процедуры арбитража, которая выполняется с использова-ф нием функции упорядочения поступающих требований. Использование реконфигурируемых УДП позволит менять алгоритм обслуживания в процессе работы, сделать подобные системы более гибкими и повысить эффективность их работы.

Таким образом, одной из важнейших системных функций, выполняемых в информационно-управляющих системах, является упорядочение случайных потоков требований.

Для отдельных типов ИУС характерным является большое число измеряемых и контролируемых параметров, которое в отдельных случаях достигает десятков тысяч. Большое число измеряемых каналов требует ^ применения специализированных аппаратных средств, обеспечивающих обработку большого числа информационных потоков. Большинство ИУС работает в режиме реального времени. Это означает, что время измерения, передачи и обработки информации весьма ограничено. Поэтому для ИУС предпочтительно использование быстродействующих многоканальных УДП.

Проведенные исследования показали, что программно-реализованные УДП на порядок уступают аппаратно-реализованным как по быстродействию, так и по количеству обслуживаемых источников требований. Кроме того, программное упорядочение требований от большого числа источников неизбежно связано с применением дополнительной аппаратуры расширения. Анализ показал, что реальное повышение эффективности функционирования ИУС прежде всего в части сокращения временных задержек требований, а также достижения рационального соотношения технических характеристик ИУС и стоимости технических средств может быть достигнуто лишь при использовании аппаратных УДП. Однако в большинстве известных случаев в ИУС функция упорядочения реализована программно, что обусловлено требованиями к гибкости УДП и отсутствием разработок по структурному синтезу устройств в базисе про-№ граммируемых логических схем, нейронных структур, позволяющих сохранить программируемость устройств при обеспечении высокого быстродействия.

Таким образом, актуальной является задача проектирования быстродействующих многоканальных аппаратно-реализуемых УДП ИУС в базисе нейронных технологий. Вместе с тем, вопросы проектирования УДП указанного класса слабо освещены в известной литературе. Существует достаточное количество работ, посвященных теоретическим и практическим аспектам общего синтеза дискретных устройств, методам проектирования и способам применения дискретных устройств общего назначения в базисе БИС, основам схемотехнического проектирования устройств ИУС. В то же время вопросы структурного проектирования быстродействующих многоканальных УДП, освещены в весьма ограниченном количестве работ, содержащих изложение общих принципов построения аппаратно-реализуемых УДП, а также частных методик, рассчитанных на синтез схем УДП малой размерности. С учетом изложенного актуальной является систематизация разработок в области проектирования аппаратно-реализуемых УДП, разработка методики проектирования УДП, ориентированных на реализацию в базисе современных нейронных технологий.

В работе были поставлены и решены следующие задачи:

- провести анализ алгоритмов и структурных решений устройств динамического приоритета, функционирующих в реальном времени и реализуемых в базисе однородных сред - нейронных сетей;

- разработать логические основы построения автоматов с настраиваемой структурой, для которых в качестве элемента структуры выбран формальный нейрон, а связи, объединяющие компоненты, организованы как нейронная сеть;

- разработать топологические принципы построения УДП на основе автоматов с настраиваемой структурой, включающих математическую модель формального нейрона и инфраструктуру;

- создать архитектурные решения и аппаратурно-программную реализацию УДП для различных дисциплины упорядочения: FIFO; абсолютный и относительный приоритет;

- создать математическую модель УДП в классе моделей систем массового обслуживания;

- осуществить проектирование и реализацию УДП в составе системы автоматизации испытаний авиационных агрегатов.

Научная новизна работы заключается в разработке методики проектирования УДП'с перестраиваемой структурой на базе нейронных сетей и создании математических моделей для определения емкостно-временных характеристик УДП.

Показано, что в устройствах указанного класса в качестве базиса следует использовать специализированный нейрон для которого предложена микроструктура и разработана математическая модель.

Предложена реализация структурного решения УДП на основе нейронной сети, которую целесообразно исследовать с использованием теории систем массового обслуживания.

Созданы модели СМО рассматриваемого класса УДП, что позволяет реализовать методику машинного проектирования. Указанная методика базируется на разработанных статистических и аналитических моделях СМО и машинно-ориентированном методе их расчета. Предложен способ расчета параметров СМО на основе мультивекторной и матричной модели неоднородного входного потока. Разработан алгоритм определения параметров УДП для модели замкнутой и разомкнутой СМО с изменяющимся режимом.

Осуществлен синтез в современном аппаратурно-программном базисе многорежимного устройства динамического приоритета нейронной архитектуры дисциплин обслуживания: FIFO, абсолютный приоритет, относительный приоритет.

Корректность полученных результатов теоретически обоснована приведенными доказательствами и утверждениями. Адекватность полученных моделей доказана на основании использования имитационного моделирования и статистических критериев.

Диссертация выполнена в рамках НИР № 6/04 от 24.03.2004 г., проведенной ГВП «МАГ» в течение 2004-2005 г.г. Разработанная система внедрена в опытную эксплуатацию в ОАО «СТАР».

Основное содержание диссертации изложено в 10 печатных работах [12, 48, 51, 54-56, 68, 73, 74, 75] и докладывались на ряде региональных, всероссийских и международных конференциях.

Диссертация состоит из введения, пяти глав, заключения, списка литературы и приложений.

Заключение диссертации по теме «Элементы и устройства вычислительной техники и систем управления», Южаков, Александр Александрович

5.4. Выводы

1. Разработана и внедрена в опытную эксплуатацию многоуровневая адаптивная информационно-измерительная система автоматизации испытаний авиационных агрегатов, предназначенная для индикации, регистрации и хранения текущих значений параметров авиационных агрегатов, а также выдачи управляющих воздействий при проведении регулировочных, контрольно-сдаточных, длительных и комплексных испытаний. Опытная эксплуатация подтвердила практическую реализуемость и эффективность применения устройств динамического приоритета и основных теоретических результатов, полученных в настоящей работе.

2. Предложена аппаратурно-программная реализация адаптивного многоканального измерительного преобразователя на базе алгоритма адаптивной коммутации, использующаяся для управления коммутатором устройство динамического приоритета.

3. Реализовано в современном аппаратурно-программном базисе многорежимное устройство динамического приоритета нейронной архитектуры.

4. Апробация разработанного устройства в системе САИ АА в структуре АМИП:

- подтвердила полученные теоретические результаты о возможности создания нейронных устройств динамического приоритета, программируемых на реализацию 3-х ДО: FIFO, относительный и абсолютный приоритет;

- показала возможность и направления применения УДП в измерительных преобразователях в целях сокращения избыточности отсчетов и получения требуемой точности восстановления сигналов;

- выявила дополнительный параметр, влияющий на качество сжатия информации - способ назначения системы приоритетов; при этом, если требуется повысить эффективность сжатия информации, то признание важности (приоритетности) сигнала является его активность, т.е. более активные сигналы должны иметь более высокий приоритет, если же требуется повысить точность восстановления измеряемых сигналов, то признаком важности (приоритета) сигнала является его низкая активность, т.е. более активные сигналы должны иметь менее высокий приоритет (изменение способа назначения приоритетов обеспечивает увеличение коэффициента сжатия в 1,42 раза и снижение погрешности восстановления в 1,22 раза).

ЗАКЛЮЧЕНИЕ

Рассмотрение особенностей ИУС, процессов в них протекающих позволило сформулировать основные требования, предъявляемые к устройствам динамического приоритета. Показано, что с учетом указанных Особенностей важными и сложными задачами являются прием поступающих в случайные моменты времени сообщений, хранение сообщений в течение времени их пребывания в очереди, организация очереди сообщений в соответствии с принятой дисциплиной обслуживания. Качество функционирования ИУС в значительной степени определяется алгоритмами УДП и заложенными в его работу дисциплинами обслуживания. Поэтому теоретические и прикладные исследования, направленные на разработку и совершенствование как самих УДП, так и методологии их проектирования и применения, приобретают все большую актуальность.

Эффективность массового применения УДП в ИУС в значительной степени определяется особенностями их проблемной ориентации, те адаптируемостью к разнообразным задачам пользователя и к разнородным требованиям конкретных процессов автоматизации. Основным способом проблемной ориентации УДП служит изменение состава их аппаратных и программных средств, перестройка структуры, изменение алгоритмов функционирования. Это позволяет считать проблему создания УДП с перестраиваемой структурой, обеспечивающую эффективную адаптацию важной задачей. Среди многих факторов, определяющих ее успешное решение, в работе выделяются:

1. Комплексное распределение функций между аппаратурными и программными средствами, использование базиса однородных сред - нейронные сети, выбор потоковой динамической архитектуры (ПДА).

2. Оптимизация структуры устройства, т.е. обеспечение заданных характеристик УДП ПДА при минимизации объема оборудования.

Показано, что для решения отмеченных задач рассмотрены и классифицированы логические основы построения автоматов с настраиваемой структурой. При этом:

- в качестве базиса реализации элементарного автомата выбран формальный нейрон; * v - структурой, объединяющей компоненты устройств, определена нейронная сеть.

Таким образом, проведен анализ математического описания формального нейрона и его базовых структур. Показано, что классом структур в котором можно обеспечить высокую производительность, надежность и живучесть, экономичность является нейронная сеть на основе моноканала для которой введено понятие формального нейрона УДП и разработана микроструктура базового формального нейрона УДП ПДА

Проведено обоснование выбранной топологии сети. Показано, что наиболее эффективной является топология моноканала. Для указанной топологии с моноканалом линейного типа и моноканалом типа «кольцо» разработаны архитектурные решения УДП ПДА следующих дисциплин обслуживания: FIFO, абсолютный приоритет, относительный приоритет. Анализ разработанных архитектур показал, что затраты на коммутационную аппаратуру УДП ПДА и структура нейрона линейно зависят от числа входных каналов устройства. Проведен сравнительный анализ разработанных УДП ПДА по функциональным возможностям и аппаратурным затратам. Показано, что для однородных нейронных сетей с моноканалом выигрыш в аппаратурных затратах, по сравнению с классической архитектурой, наступает при числе входов устройства равным 5; затраты УДП с моноканалом типа «кольцо» превышают затраты УДП с моноканалом линейного типа в основном за счет коммутационной аппаратуры.

Разработаны инженерные рекомендации по применению, выбору и использованию предложенных архитектур. Для этого, используя модели СМО, определяют требуемый объем оборудования УДП ПДА (число нейронов).

Показано, что с точки зрения теории СМО УДП ПДА на основе нейронной сети относятся к классу СМО с изменяющимся режимом (параметрами). Для расчета характеристик таких систем разработаны:

- мультивекторная и матричная модели входных неоднородных потоков УДП, инвариантные к областям применения;

- разомкнутая и замкнутая аналитическая и имитационная модели СМО с отказами в обслуживании с изменяющимися требованиями на число и интенсивность обслуживающих приборов.

На основании использования статистического критерия доказана адекватность разработанных имитационной и аналитической моделей с точностью не хуже 1 %.

Для снижения вычислительной трудности расчетов по предложенной аналитической модели удалось доказать, что стационарное распределение вероятностей имеют мультипликативную форму. Это обеспечивает реку-рентность вычислений, ускоряет расчеты и снижает затраты машинного времени на вычисление вероятностно-временных характеристик.

Для всех разработанных моделей созданы моделирующие программы, входящие в состав пакета прикладных программ моделирования УДП ПДА.

Разработанная методика проектирования УДП ПДА положена в основу созданного и внедренного многофункционального устройства АМИП автоматизированной системы испытаний авиационных агрегатов. Реализация в современном аппаратурно-программном базисе многорежимного УДП ПДА нейронной архитектуры

- подтвердила полученные теоретические результаты о возможности создания нейронных УДП ПДА, программируемых на реализацию 3-х дисциплин обслуживания: FIFO, относительный и абсолютный приоритет;

- показала возможность и направления применения УДП ПДА в измерительных преобразователях в целях сокращения избыточности отсчетов и получения требуемой точности восстановления сигналов;

- выявила дополнительный параметр, влияющий на качество сжатия информации - способ назначения приоритетов.

В диссертационной работе получены следующие научные результаты:

1. Проведен анализ алгоритмов и архитектур динамического приоритета; показано, что реализация УДП ПДА, функционирующих в реальном масштабе времени, целесообразна в аппаратурно-программном базисе нейронных сетей.

2. Рассмотрены и классифицированы логические основы построения автоматов с настраиваемой структурой для которых в качестве базиса разработан базовый формальный нейрон УДП ПДА и его микроструктура, а структурой, объединяющей компоненты, определена нейронная сеть.

3. Разработаны топологические принципы реализации УДП ПДА на основе нейронной сети, включающие архитектурные решения и аппара-турно-программную реализацию УДП для дисциплин обслуживания: FIFO, абсолютный и относительный приоритет.

4. Разработана методика проектирования УДП ПДА на базе нейронной сети на основе предложенного метода определения емкостно-временных характеристик устройств.

5. Предложены замкнутые и открытые имитационные и аналитические модели СМО с отказами в обслуживании с изменяющимися требованиями на число и интенсивность обслуживающих приборов. Доказана их адекватность.

6. Разработан алгоритм определения параметров предложенных СМО, основанный на свойстве, что стационарные распределения вероятностей состояний имеют мультипликативную форму, а это обеспечивает рекурентность вычислений.

7. Разработанная методика проектирования, методы и модели расчетов, а также принципы построения УДП ПДА применены при создании многофункционального устройства динамического приоритета в составе адаптивного АЦП системы автоматизации испытаний авиационных агрегатов, внедренной и принятой в опытную эксплуатацию.

Список литературы диссертационного исследования кандидат технических наук Южаков, Александр Александрович, 2006 год

1. Методы анализа и синтеза модульных информационно-управляющих систем / Н.А. Кузнецов и др... — М.: Физматлит, 2002. — 797 с.

2. Трояновский В.М. Информационно-управляющие системы и прикладная теория случайных процессов: учеб. пособие / В.М. Трояновский. — М.: Гелиос АРВ, 2004. 303 с.

3. Цифровые адаптивные информационно-измерительные системы / Б.Я. Авдеев и др.. СПб.: Энергоатомиздат, 1997. - 368 с.

4. Матушкин Н.Н. Анализ и синтез структур адаптивных преобразователей / Н.Н. Матушкин. Перм. гос. техн. ун-т. Пермь, 1997. - 47 с.

5. Южаков А.А. Интеллектуальные измерительные преобразователи на основе нейронных технологий / А.А. Южаков. Перм. гос. техн. ун-т. -Пермь, 1993.-280 с.

6. Джейсуол Д. Очереди с приоритетами / Д. Джейсуол. М.: Мир,1973.-280 с.

7. Ефимов Э.В. Цифровые автоматы с настраиваемой структурой (однородные среды) / Э.В. Ефимов, И.В. Прангишвилли. М.: Энергия,1974.-240 с.

8. Анисимов В.В. Асимптотический анализ очередей в системах с повторными вызовами и сдвоенными соединениями / В.В. Анисимов, Х.Л. Атадтанов. Институт кибернетики. Киев: ИК, 1991. -22 с.

9. Уолрэнд Дж. Введение в теорию сетей массового обслуживания / Дж. Уолрэнд. М.: Мир, 1993. - 336 с.

10. Хинчин А.Я. Работы по математической теории массового обслуживания / А.Я. Хинчин; под ред. Б.В. Гнеденко. 2-е изд. - М.: Едито-рия УРСС, 2004.-235 с.

11. Лазарев В.Г. Проектирование дискретных устройств автоматики / В.Г. Лазарев, Н.П. Маркин, Ю.В. Лазарев. М.: Радио и связь, 1985. -168 с.

12. Третьяков Н.В. Устройство динамического приоритета нейронной структуры / Н.В. Третьяков, Ал.Ал. Южаков, А.А. Южаков // Информационно-управляющие системы : сб. науч. тр. / Перм. гос. техн. ун-т. -Пермь, 1999.-С. 10-15.

13. А.с. № 1702368А1, G06F 9/46. Бюл. № 48, 1991.

14. А.с. № 666543, G06F 9/18. Бюл. № 21, 1979.

15. А.с. № 600556, G06F 9/18. Бюл. № 12, 1978.

16. А.с. № 1718219А2, G06F 9/18. Бюл. № 9, 1992.

17. А.с. № 1805469А1, G06F 9/46. Бюл. № 12, 1993.

18. А.с. № 1762306А1, G06F 9/46. Бюл. № 34, 1992.

19. А.с. № 1670687А2, G06F 9/46. Бюл. № 30, 1991.

20. Мельников В.А. Динамическая архитектура и модульные вычислительные системы на БИС / В.А. Мельников, С.Б. Кальченко, B.C. Хар-ченко // Зарубежная радиоэлектроника. 1990. - № 1. - С. 63-84.

21. Лазарев В.Г. Синтез асинхронных конечных автоматов / В.Г. Лазарев, Е.Н. Пийль. -М.: Наука, 1964.-320 с.

22. Глушков В.М. Синтез цифровых автоматов / В.М. Глушков. М.: Физматгиз, 1962. -210 с.

23. Якубайтис Э.С. Асинхронные логические автоматы / Э.С. Яку-байтис. Рига: Зинатне, 1996. - 158 с.

24. Евреинов Э.В. Одноразрядные универсальные вычислительные системы высокой производительности / Э.В. Евреинов, Ю.Г. Косарев. -М.: Наука, 1966.-110 с.

25. Мкртчян С.О. Нейроны и нейронные сети (Введение в теорию формальных нейронов и нейронных сетей) / С.О. Мкртчян. М.: Энергия, 1971.-232 с.

26. Масич Г. Применение нейрокомпьютерных систем Электронный ресурс. / Российская академия наук / Уральское отделение. Институт механики сплошных сред. Пермь, 2004. Режим доступа: http: neuralbench.ru

27. Nazarenko М.А., Rumyantsev V.B. D-transformation and polynomial track recognition // Commun. JINR El 1-96-337. Dubna, 1996. - 337 p.

28. Уоссермен Ф. Нейрокомпьютерная техника / Ф. Уоссермен. М.: Мир, 1992.-184 с.

29. Короткий С. Итоги науки и техники: физические и математические модели нейронных сетей / С. Короткий. М., изд. ВИНИТИ, 1990. Т.1.-250 с.

30. Mehra Р. & Way B.W., Los Alamitos С.А. Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992.-P. 132-139.

31. Anil K. Join, Jianchang Mao, K.M. Mohiuddin. Artificial Neural Networks: A. Tutoviol, Computer. Vol. 29. № 3. 1996. P. 31-44.

32. Галушкин А. Современные направления развития нейрокомпьютерных технологий в России / А. Галушкин // Открытые системы. 1997. -№ 4. - С. 89-101.

33. Борисов Ю. Нейросетевые методы обработки информации и средства их программно-аппаратной поддержки / Ю. Борисов, В. Кашка-ров, С. Сорокин // Открытые системы. 1997. - № 4. - 50-65.

34. Shevtsova N., Reggia J. Interhemispheric effects of simulated lesions in a neural model of letter identification, Brain and Cognition, 2000, V. 44. P. 577-603.

35. Shevtsova N., Reggia J. Lateralization in a bihemispheric model of letter identification, Model of Letter Identification, Neurocomputing, 1999. V. 26-27.-P. 875-880.

36. С. Короткий. Нейронные сети: алгоритм обратного распространения Электронный ресурс. / Лаборатория искусственного интеллекта.

37. Электрон, дан. М., 2005. Режим доступа: http: // lii.newmail.ru/NN/ KOROTKY/N2/kor-nn2.htm

38. Keun-Rong Hsieh and Wen-Tsuen Chen, A Neural Network Model which Combines Unsupervised and Supervised Learning, IEEE Trans, on Neural Networks, vol.4, No.2, march 1993. P. 4.

39. Chris Stergion. DARPA Neural Network Study, AFCEA Int'l Press, Fairfax, Va., 1996.-60 p.

40. J. Hertz, A. Krogh, and R.G. Palmer, Introduction to the Theory of Neural Computation, Addison-Wesley, Reading, Mass., 1991. 352 p.

41. S. Haykin, Neural Networks: A Comprehensive Foundation, MacMil-lan College Publishing Co., New York, 1994. 686 p.

42. M. Minsky and S. Papert, "Perceptrons: An Introduction to Computational Geometry", MIT Press, Cambridge, Mass., 1988. 292 p.

43. P. Werbos, "Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences", Phd Thesis, Dept. of Applied Mathematics, Harvard University, Cambridge, Mass., 1974. 120 p.

44. D.E. Rumelhart and J.L. McClelland, Parallel Distributed Processing: Exploration in the Microstructure of Cognition, MIT Press, Cambridge, Mass., 1986.-P. 3-44.

45. J. Feldman, M.A. Fanty, and N.H. Goddard, "Computing with Structured Neural Networks", Computer, Vol. 21, No. 3, Mar.1988. P. 91-103.

46. Shevtsova N., Reggia J. A neural network model of lateralization during letter identification. Journal of Cognitive Neuroscience, 1999. V. 11. № 2. P. 167-181.

47. M. Minsky, "Logical Versus Analogical or Symbolic Versus Connec-tionist or Neat Versus Scruffy", AI Magazine, Vol. 65, No. 2, 1991. P. 34-51.

48. Прангишвили И.В. Новые принципы реализации логических и вычислительных устройств на основе однородных микроэлектронных структур / И.В. Прангишвили, Е.В. Бабичева, В.В. Игнатушенко // Автоматика и телемеханика. 1965. - № ю. - С. 38-44.

49. Устройство очередности на основе нейронных технологий / Матушкин Н.Н. и др. // Информационно-управляющие системы : сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 1998. - С. 3-7.

50. Матушкин Н.Н. Измерительные системы на основе нейронных технологий / Н.Н. Матушкин, А.А. Южаков // Кибернетика и вуз : межвузов. сб. науч. тр. / Томск, гос. ун-т. Томск, 1994. - Вып. 28. - С. 92-97.

51. Объективные типы передачи данных // Приборы и элементы автоматики и вычислительной техники: экспресс-информация. М., 1989. -№35.-С. 10-18.

52. Нейронные технологии в реализации устройств очередности / Н.Н. Матушкин и др. // Нелинейные науки на рубеже тысячелетий : тез. междунар. информации. СПб., 1999.-С. 86-87.

53. Преснухин JI.H. Цифровые вычислительные машины / JI.H. Пре-снухин, П.В. Нестеров. — М. Высшая школа, 1974. 68 с.

54. Анисимов Б.В. Основы расчета и проектирования элементов ЦВМ / Б.В. Анисимов, Н.М. Соломатин. М.: Высшая школа, 1974. -464 с.

55. Приоритетные устройства в сетях тонких клиентов / E.JI. Кон и др. // Годишник на техническия университет във Варна, Болгария. -Варна, 2001.-С. 331-337.

56. Матушкин Н.Н. Методика синтеза позиционных устройств упорядочения случайных потоков событий / Н.Н. Матушкин, И.JI. Котельников // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 2003. - С. 15-21.

57. Гнеденко В.Б. Введение в теорию массового обслуживания / В.Б. Гнеденко, И.Н. Коваленко. М.: Наука, 1987. - 432 с.

58. Овчаров JI.A. Прикладные задачи массового обслуживания / JI.A. Овчаров. М.: Машиностроение, 1969. - 324 с.

59. Герасимов А.Н. Аналитические методы исследования и оптимизации вычислительных систем и сетей на основе сетевых моделей массового обслуживания / А.Н. Герасимов. М.: Радио и связь, 2001. - 240 с.

60. Ионин Б.Г. Многомерные статистические методы : метод, указания по выполнению практич. работ / Б.Г. Ионин / Новосибирск, гос. акад. экономики и управления. Новосибирск: Изд-во НГАЭиУ, 1994. - 51 с.

61. Глинский В.В.Статистический анализ: учеб. пособие / В.В. Глинский, В.Г. Ионин. 2-е изд. - М.: Филинъ, 1998. - 258 с.

62. Риордан Дж. Вероятностные системы обслуживания / Дж. Риор-дан.-М.: Связь, 1966.- 184 с.

63. Горцев A.M. Адаптивное управление потоками задач в вычислительной системе / A.M. Горцев // Автоматика и телемеханика. 2000. -№6.-С. 53-60.

64. Назаров А.А. Анализ математической модели адаптивной терминальной измерительной системы / А.А. Назаров, А.А. Южаков, М.М. Нулик // Автоматика и телемеханика. 1993. - № 11. - С. 108-119.

65. Южаков А.А. Прикладная теория систем массового обслуживания: учеб. пособие /А.А. Южаков. Перм. гос. техн ун-т. Пермь, 2004. -121 с.

66. Южаков А.А. Стохастические сети в проектировании технических систем / А.А. Южаков. Перм. гос. техн ун-т. Пермь, 1999. - 131 с.

67. Третьяков Н.В. Моделирование устройств очередности на однородной структуре / Н.В. Третьяков, Ал.Ал. Южаков, А.А. Южаков // Информационно-управляющие системы : сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 2002. - С. 306-313.

68. Матушкин Н.Н. Мультипликативность распределения состояний замкнутой СМО при неоднородном входящем потоке / Н.Н. Матушкин, А.А. Назаров, А.А. Южаков // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 1996. - С. 39-47.

69. Вентцель Е.С. Теория случайных процессов и ее инженерные приложения / Е.С. Вентцель,'Л.А. Овчаров. М.: Наука, 1991. - 389 с.

70. МикроЭВМ в информационно-измерительных системах / С.М. Переверткин и др.. М.: Машиностроение, 1982. - 248 с.

71. Profibus Электронный ресурс. Profibus Internathional Suppart Centre. 2006. Режим доступа: http://www.profibus.com

72. Системы автоматизированного управления длительными ресурсными испытаниями гидроагрегатов авиационных двигателей / М.В. Кавалеров и др. // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 2002. - С. 116-123.

73. Третьяков Н.В. Алгоритмы сжатия в сетях передачи речи / Н.В. Третьяков, Ал.Ал. Южаков, А.А. Южаков // Информационно-управляющие системы: сб. науч. тр. / Перм. гос. техн. ун-т. Пермь, 2002. -С. 168-172.

74. Адаптивные телеизмерительные системы / Б.Я. Авдеев и др.. -Л.: Энергоатомиздат, 1981. 248 с.

75. Теория вибрационных измерений / Л.И. Дехтяренко и др.. Киев: Наук, думка, 1988, - 168 с.

76. Эткин Л.Г. Виброчастотные датчики: теория и практика /Л.Г. Эт-кин. М.: Изд-во МГУ, 2004. - 407 с.

77. Штейнвольф А.Л. Расчеты и имитация негауссовых случайных вибраций / А.Л. Штейнвольф. Киев: Наук. Думка, 1993. - 250 с.