Магистерская диссертация на тему: Обработка изображений основы аналоговых нейрокомпьютеров

Введение

Несмотря на то, что нейронные сети как научно-технический объект существуют более полувека, основные способы их практической реализации ограничиваются областью программного моделирования в различных средах визуального (и не визуального) проектирования. Программные реализации преобладают над аппаратными. Кроме того, аппаратные реализации вследствие своей относительной дороговизны до сих пор не имеют повсеместного распространения. Однако их удельный вес в общем количестве мировых технологических разработок неуклонно растет. Впереди планеты всей в данном направлении, как всегда, шагает Япония, где разработки на основе нейросетевых технологий успешно внедряются во множестве образцов бытовой техники, таких как фотоаппараты, микроволновые печи, видеокамеры и т.д. Не отстают и другие развитые страны.

Обработка изображений - одно из интенсивно развиваемых направлений исследования. Однако, обработка изображений на основы аналоговых нейрокомпьютеров все еще относительно новое направление.

Таким образом, актуальной научно-технической задачей является обработка изображения с помощью аналоговых устройств.

Цель диссертации: разработка алгоритмов и схем аналоговых нейрокомпьютеров для выполнения разных задач обработки изображений.

Задачи исследований:

1. Сравнительный анализ методов обработки изображений, используемых для устройств с аналоговой обработкой изображения

2. Аналитический обзор устройств с аналоговой обработкой изображений

3. Анализ цифровой и аналоговой реализации алгоритмов обработки изображений с использованием нейронных сетей

4. Разработка математической модели устройства аналоговой обработки изображений

5. Разработка аппаратно-ориентированных алгоритмов предварительной обработки изображений

6. Моделирование разработанных алгоритмов и устройств

Оглавление

- Введение 3

- Общие сведения о нейрокомпьютерах

- Что такое нейрокомпьютер

- История нейрокомпьютеров

- Современный нейрокомпьютер

- Нейрочипы

- Особенности архитектуры аналоговых и гибридных ЭВМ

- Основные методы неалгоритмических вычислений

- Компьютерной обработки изображений

- Определение компьютерной обработки изображений

- Устройства формирования изображений

- Пространственные спектры изображений

- Спектральные интенсивности изображений

- Вероятностные модели изображений и функции Автокорреляции

- Критерии качества изображений

- Заключение 38

- Список используемой литературы 39

Заключение

Нейронные сети основывались на высокоуровневом моделировании процесса мышления на обычных компьютерах. Чтобы создать искусственный интеллект, необходимо построить систему с похожей на естественную архитектурой, т.е. перейти от программной реализации процесса мышления к аппаратной.

Основу нейросетей составляют относительно простые, в большинстве случаев - однотипные, элементы (ячейки), имитирующие работу нейронов мозга - искусственные нейроны.

Естественным продолжением аппаратного и программного подхода к реализации нейрокомпьютера является программно-аппаратный подход. Аппаратный подход связан с созданием нейрокомпьютеров в виде нейроподобных структур (нейросетей) электронно-аналогового, оптоэлектронного и оптического типов. Для таких компьютеров разрабатываются специальные СБИС (нейрочипы, нейроускорители).

Список литературы

1. А. Горбань, Д. Россиев. Нейронные сети на персональном компьютере. // Новосибирск: Наука, 1996.

2. Ф. Уоссермен, Нейрокомпьютерная техника, М., Мир, 1992.

3. Итоги науки и техники: физические и математические модели нейронных сетей, том 1, М., изд. ВИНИТИ, 1990.

5. Marguerat С. Artificial neural network algorithms оn а parallel DSP system. In: Transputers'94 Advanced research and industrial applications. Proc. Оf the International conf. 21-23 Sept. 1994. IOS Press 1994, р. 278-287.

6. МD 1220 Data Sheet. March 1990, Micro Devices, 30 Skyline Dr., Lake Mary, F1 32746-6201, USA.

7. NXL420 Data Sheet. June 1992, Neurologix, Inc., 800 Charcot Аv., Suite 112, San Jose. Са. USA.

8. М. Yasunga, N. Msuda, М. Yagyu, М. Asai, М. Yamada, А. Masaki, Design, Fabrication and Evaluation оf а 5-Inch Wafer Scale Neural Networks LSI Composed оf 576 Digital Neurons, Proc. Int. Joint Conf. оn Neural Networks IJCNN" 90, June 1990.

9. 80170NX Electrically Trainable Analog Neural Network, Data Sheet, Intel Corp., Santa Clara, СА, 1991.

10. J. Alspector, Т. Jayakumar, S. Luna. Experimental Evaluation оf Learning in а Neural Microsystem, Proc. Оf NIPS" 91 in Advances in Neural Information Processing Systems-4, рр. 871-878, Morgan-Kaufmann Pub., San Mateo, СА, 1992.

11. Виксне П., Черников В., Фомин Д., Шевченко П. Применение микропроцессора NM6403 для эмуляции нейронных сетей. Сборник докладов V Всероссийской конференции "Нейрокомпьютеры и их применение". Москва, 17-19 февраля 1999.

12. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. - 1-е. - Высшая школа, 2002. - С. 184. - ISBN 5-06-004094-1

13. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. - 1-е. - М.: Горячая линия - Телеком, 2001. - С. 382. - ISBN 5-93517-031-0

14. Каллан Р. Основные концепции нейронных сетей = The Essence оf Neural Networks First Edition. - 1-е. - "Вильямс", 2001. - С. 288. - ISBN 5-8459-0210-X

15. Ясницкий Л.Н. Введение в искусственный интеллект. - 1-е. - Издательский центр "Академия", 2005. - С. 176. - ISBN 5-7695-1958-4

16. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. - 1-е. - Изд-во МГТУ им. Н.Э. Баумана, 2002. - С. 320. - ISBN 5-7038-1908-3