Математическое и программное обеспечение массивно-параллельных вычислений в распределенных системах на базе аппарата нейронных сетей
Диссертация
Методы построения обобщенного алгоритма решения нейросетевой задачи, особенностью которых является учет возможностей параллельных реализаций на уровнях динамического формирования структуры сети и проведения вычислительных экспериментов с синтезируемыми нейросетевыми конфигурациямисредства специального математического и программного обеспечения массивно-параллельных вычислений в распределенных… Читать ещё >
Список литературы
- Аведьян Э.Д. Алгоритмы настройки многослойных нейронных сетей // Автоматика и телемеханика. 1995. — N4. — С. 106−118.
- Айвазян С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985. — 487 с.
- Алексеев А.В. Разработка математического и программного обеспечения интеллектуального анализа данных в микроэкономических системах на основе нейросетевых технологий. Диссертация на соискание ученой степени канд. техн. наук. Москва, 2001 .-114с.
- Аляутдинов М.А., Галушкин А. И., Назаров Л. Е. Методы распараллеливания и программно-аппаратной реализации нейросетевых алгоритмов обработки изображений // Нейрокомпьютеры: разработка, применение, № 2. Москва: Изд-во «Радиотехника». 2003 г. — С. 3−21.
- Амосов А.А., Дубинский Ю.А, Копченова Н. В. Вычислительные методы для инженеров: Учеб. пособие. М.: Высш. шк., 1994. — 544 с.
- П.Богачев К. Ю. Основы параллельного программирования. М.: БИНОМ. Лаборатория знаний, 2003. — 342 с.
- Бухгейм А.Л. Введение в теорию обратных задач. Новосибирск: Наука, 1988,271с.
- Буцев А.В., Первозванский А. А. Локальная аппроксимация на искусственных нейросетях // Автоматика и телемеханика. 1995. — N9. — с. 127−136.
- Верлань А.В., Сизков Н. М. Методы решения интегральных уравнений. Справочное пособие.- Киев.: Наукова думка, 1988.-315 с.
- Вилков Д.В. Алгоритм настройки весовых коэффициентов для многослойного персептрона // Нейроинформатика и ее приложения: Материалы IX Всероссийского семинара. Красноярск: ИПЦ КГТУ, 2001. с. ЗЗ
- Винокуров В. А. О понятии регуляризуемости разрывных отображений // «Журнал вычислительной математики и математической физики», -1971,-т. 11, № 5-
- Винокуров В. А. Регуляризуемость и аналитическая представимость // «Доклады АН СССР», 1975, — т. 220, № 2.
- Власова Е.А. Ряды: учеб. для вузов. 2-е изд. (Сер. Математика и техническом университете) / Под ред. Зарубина B.C., Крищенко А. П. М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. — 612 с.
- Воеводин В.В. Информационная структура алгоритмов. М. МГУ, 1997.-139 с.
- Воеводин В.В. Массивный параллелизм и декомпозиция алгоритмов // ЖВМ и МФ. 1995. — Т. 35. N6, — С.988−996
- Воеводин В.В. Математические модели и методы в параллельных процессах. — М.:Наука, 1986. 296 с.
- Воеводин В.В. Математические основы параллельных вычислений. М.:МГУ, 1991.-345 с.
- Воеводин В.В. Параллельные структуры алгоритмов и программ. -М.: ОВМ АН СССР, 1987. 148 с.
- Воеводин В.В., Воеводим Вл. В Параллельные вычисления. СПб.: БХВ-Петербург, 2002. — 608 с.
- Галушкин А.И. Теория нейронных сетей. Кн. 1: Учеб. пособие для вузов / Общая ред. Галушкина А. И. М.: ИПРЖР, 2000. — 416 с.
- Галушкин А.И. Теория нейронных сетей. Кн. 3: Учеб. пособие для вузов / Общая ред. Галушкина А. И. М.: ИПРЖР, 2000. — 416 с.
- Галушкин А.И., Остапенко Г. П. Пути и средства реализации нейросетевых алгоритмов, VIII Всероссийская конференция. Труды конференции. Москва. 2002.
- Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985.-509 с.
- Головко В.А. Нейронные сети: обучение, организация и применение. Кн. 4: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. М.: ИПРЖР, 2001.
- Горбань А.Н. Быстрое дифференцирование сложных функций и обратное распространение ошибки // Нейроинформатика и ее приложения. Тезисы докладов V Всероссийского семинара. Красноярск: изд. КГТУ, 1997, -с. 54−56.
- Горбань А.Н. Обучение нейронных сетей. — М.: изд. СССР-США. СП «Параграф», 1990. 160 с.
- Горбань А.Н., Россиев Д. А. Нейронные сети на персональном компьютере. Новосибирск: Наука. Сибирская издательская фирма РАН, 1996.-276 с.
- Джейн А., Мао Ж., Моиуддин М. Введение в искусственные нейронные сети // Открытые системы, 1997. N4. — С. 16−24.
- Дубровин В.И., Субботин С. А. Алгоритм ускоренного обучения нейросетей // Нейроинформатика и ее приложения: материалы IX Всероссийского семинара. Красноярск: ИПЦ КГТУ, 2001. с. 63−64
- Дэннис Дж., Шнабель Р. Численные методы безусловной оптимизации и решения нелинейных уравнений. М.: Мир, 1988. — 440 с.
- Ершов Н.М. Стохастические алгоритмы обучения нейросетей в задаче определения коэффициентов переноса среды // Вест. Моск. ун-та. Сер. 15, Вычислительная математика и кибернетика. 1996. № 4. С. 31−34.
- Калинин А.В. Методы обеспечения надежности сервисной сети анализа данных // Современные проблемы информатизации в технике и технологиях: Сб. трудов. Вып. 8. Воронеж: Центрально-Черноземное книжное издательство, 2003. С. 110−111.
- Калинин А.В. Оптимизация надежности распределенной сети анализа данных // Новые технологии в научных исследованиях, проектировании, управлении, производстве. Труды региональной научно-технической конференции. Воронеж: ВГТУ, 2003. С. 207.
- Калинин А.В., Подвальный C.JT. Применение нейронных сетей для решения обратных некорректных задач математической физики // Электротехнические комплексы и системы управления. Воронеж: ВГТУ, 2003. С 4−8.
- Калинин А.В., Подвальный СЛ. Создание методов параллельной реализации алгоритмов обучения и синтеза структуры нейронных сетей //
- Электротехнические комплексы и системы управления. Сб. науч. тр. Воронеж: Изд-во ВГТУ, 2003. С. 57−63.
- Каллан Р. Основные концепции нейронных сетей.: Пер. с англ. -М.: Издательский дом «Вильяме», 2001.-288 с.
- Козлов В.А., Мазья В. Г., Фомин А. В. Об одном итерационном методе решения задачи Коши для эллиптических уравнений // ЖВМ и МФ.-1991.-Т.31.- № 12.-С. 64−74.
- Комашинский В.И., Мирнов Д. А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия-Телеком, 2002. — 94 с.
- Корженевский А. В. Использование искусственных нейронных сетей для решения обратных задач электроимпедансной и магнитоиндукцион-ной томографии // Журнал радиоэлектроники. 2001, N 12.
- Круглов В.В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2002. — 382 с.
- Кушаковский М.С. Аритмии сердца: Руководство для врачей. -СПб.: Гиппократ, 1992. 544 с.
- Лаврентьев М.М. О некоторых некорректных задачах математической физики.-Новосибирск: Изд-во СО АН СССР.-1962.- 134 с.
- Лаврентьев М.М., Савельев Л .Я. Теория операторов и некорректные задачи. Новосибирск: Изд-во Ин-та математики, 1999.
- Латерс Р., Лионе Ж.-Л. Метод квазиобращения и его приложения,-М.: Мир, 1970.-336 с.
- Лихтциндер Б.Я., Кузякин М. А., Росляков А. В., Фомичев С. М. Интеллектуальные сети связи. М.: Эко-Трендз, 2002. — 206 с.
- Малышев А.Н. Введение в вычислительную линейную алгебру. -Новосибирск: Наука, 1991.-228 с.
- Миркес Е.М. Нейрокомпьютер. Новосибирск: Наука, Сибирская издательская фирма РАН, 1998.-418 с.
- Нейронные сети. Statistical Neural Networks / Пер. с англ. М.: Горячая линия-Телеком, 2000. — 182 с.
- Нейронные сети: история развития теории. Кн. 5 / Под ред. Гапуш-• кина А.И., Цыпкина Я. З. М.: ИПРЖР, 2001. — 840 с.
- Полевой Н.Ю. Интеллектуализация принятия решений при лечении больных бронхиальной астмой на основе нейросетевого моделирования. Автореферат диссертации на соискание ученой степени канд. мед. наук. Воронеж, 2001. 19 с.
- Полевой Н.Ю. Методика построения набора входных параметров для нейросетевых моделей в области медицины // Интеллектуальные информационные системы: тр. Всеросс. конф. Ч. 2. Воронеж: ВГТУ, 1999. С. 2122.
- Рамм А.Г. Многомерные задачи рассеяния: Пер. с англ. М.: Мир, 1994.-494 с.
- Розенблат Ф. Аналитические методы изучений нейронных сетей // Зарубежная электроника, 1965.-№ 5. С. 40−50.
- Розенблат Ф. Принципы нейродинамики. М.:Мир, 1965. — 302 с.
- Романов А. Г. Обратные задачи математической физики. М.: Наука, 1984, 368 с.
- Таненбаум Э., Ван Стеен М. Распределенные системы. Принципы и парадигмы. СПб.: Питер, 2003. — 877 с.
- Технологии создания распределенных систем. Для профессионалов. / Цимбал А. А., Аншина МЛ. СПб.: Питер, 2003. — 576 с.
- Тихонов А. Н. Арсенин В.Я. Методы решения некорректных задач.-М.: Наука, 1986.-312 с.
- Тихонов А. Н. Самарский А.А. Уравнения математической физики.-М.: Наука, 1983.- 735 с.
- Тихонов А.Н., Гончарский А. В., Степанов В. В., Ягола А. Г. Численные методы решения некорректных задач.- М.: Наука, 1990,226 с.
- Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. — 184с.
- Филюшин Ю.И. Концепция и принципы построения интеллектуальных сетей связи. -М.: ЦАТИ «Информсвязь», 1995.
- Хехт-Нильсен Р. Нейрокомпьютинг: история, состояние, перспективы // Открытые системы. 1998. — N4−5, — с. 11−19.
- Эндрюс Г. Р. Основы многопоточного, параллельного и распределенного программирования.: Пер. с англ. М.: Издательский дом «Вильяме», 2003.-512 с.
- Baxt W.G. Use of an artificial neural network for the diagnosis of myocardial infarction // Ann. Intern. Med. 1991. — V. 115, № 11. pp. 843−848.
- Brodksy M.A., Allen B.J., Capparelli E.V. et. al. Factors determining maintenance of sinus rhythm after chronical atrial fibrillation with left atrial dilatation//Amer. J. Cardiol.- 1989.-Vol. 63.-No. 15.-P. 1065−1068.
- Campbell C. Constructive Learning Techniques for Design Neural Networks Systems // Neurocomputing. 1997. — V. 10. — P. 178−231.
- Cybenco G. Approximation by superposition of a sigmoidal function // Math. Control Systems and Signals. 1989. — N2. — P. 303−314
- Duch W., Korczak J. Optimisation and global minimization methods suitable for neural networks // Neural Networks. 1998. — V.10. — P. 203−244.
- Emmerich W. Engineering distributed objects. New York: John Wiley, 2000.
- Foster I., Kesselman C. Computation grids: the future of high performance distributed computing. San Mateo, С A: Morgan Kaufman, 1998.
- Fujiki A., Joshida Sh., Sasayama Sh. Paroxysmal atrial fibrillation with and without primary atrial vulnerability // J. Electrocardiol. 1989. — Vol. 22. -No 2.-P. 153−158.
- Hoher M., Kestler H.A., Palm G. et. al. Neural network based QRS classification of the signal averaged electrocardiogram // Eur. Heart J. 1994. — V. 15 — Abstr. Supplement ХИ-th World Congress Cardiology (734). — P. 114.
- Jansen M., Klaver E., Verkaik P., Van Steen M. and Tanenbaum A. Encapsulating distribution in remote objects. Information and software technology, vol. 43, no. 6, 2001. pp. 353−363.
- Kalinin A., Podvalny S., Chernikova I. The distributed environment of manufacturing control // Proceedings of the 13-th international conference on flexible automation and intelligent manufacturing. Tampa, Florida. USA, 2003. P. 177−181.
- Kalinin A.V., Podvalny S.L. and Balashov A.A., Chernikova I.A. The neural nets with distributed architecture // Proceedings of the 12-th international conference on flexible automation and intelligent manufacturing. Dresden. Germany, 2002. P. 522−527.
- Liang Y.C., Feng D.P., Lee H.P., Lim S.P., Lee K.H. Successive approximation training algorithm for feed forward neural networks // Neurocomput-ing, 2002. V. 42. — P. 311−322.
- Loshin P. Big book of lightweight directory access protocol (LDAP) RFCs. San Mateo, CA: Morgan Kaufman, 2000.
- Perrone P., Venkata R., Chaganti Building Enterprise Systems with J2EE. Indianapolis, 2000
- Poli R., Cagnoni S., Livi R. et al. A neural network expert system for diagnosing and treating hypertension // Computer. 1991. — № 3, pp 64−71.
- Rumelhart D. E., Hinton G. E., Williams R. J. 1986. Learning internal reprentations by error propagation. In Parallel distributed processing, vol. 1, pp. 318−62. Cambridge, MA: MIT Press.
- S. Podvalniy, A. Kalinin, I. Chernikova Multivariate distribution generation // ICEIS: proceedings of the third international conference on enterprise information systems, Setubal. Portugal, 2001. P. 518−521.
- S. Podvalniy, V. Burkovskiy, V. Nazarov, A. Kalinin. Instrument of neural net control of complex chemical-technological processes // ICPR, Praga. 2001.
- Siegel J. Corba 3: Fundamental and Programming. New York, 2000
- Simon N. Constructive Supervised Learning Algorithms for Artificial Neural Networks // Neural Networks, 1993. V.2. — P. 343−395.
- Snir M., Otto S., Huss-Lederman S., Walker D. and Dongarra J. MPI: the complete reference the MPI core. Cambridge, MA: MIT Press, 1998.
- Sun Microsystems: Java Remote Method Invocation Specification, JDK 1.2. Sun Microsystems, Mountain View, Calif., 1998.
- Sun Microsystems: JavaSpaces service specification, version 1.1. Sun Microsystems, Palo Alto, CA, 2000.
- Sun Microsystems: Jini architecture specification, version 1.1. Palo Alto, CA, 2000.
- Sundarajan N. and Saratchandran P. Parallel architectures for artifitial neural networks Computer Society, 1998.
- Van Steen M., Homburg P. and Tanenbaum A. Globe: a wide-area distributed system. IEEE Concurrency, vol. 7, no. 1, pp. 70−78,1999.
- Von Eicken Т., Culler D., Goldstein S. and Schauser K. Active messages: a mechanism for integrated communication and computation. Proc. 19th Int’l symp. on computer architecture, 1992. pp. 256−266.
- White H. Learning in artificial neural networks: A statistical perspective // Neural Computation. 1989. — V. l, N4, — P. 425−464.
- Wooldridge M. Agent-based computing. Interoperable Communication Networks, vol. 1, no. l, pp. 71−97, 1998.
- Y. LeCun, L. Bottou, G. Orr, and K. Muller, «Efficient BackProp,» in Neural Networks: Tricks of the trade, (G. Orr and Muller K., eds.), 1998.44 pages.
- Yasinaga M., Yoshida E. Optimization of parallel BP implementation: training speed of 1.056 MCUPS on the massively parallel computer CP-PACS, IJCNN-98 Alaska, May, 1998.