| Аннотация |
Развитие теории и методов построения датчиков на основе нелинейных и, в частности, нейроморфных систем неразрывно связано с прогрессом в области импульсных нейросетей, постепенно приходящих на смену активно применяемым формальным нейросетям, и является ответом на постоянно растущие требования к датчикам различных физических величин в контексте точности, повторяемости и энергоэффективности. Известно, что нелинейные осцилляторы, находящихся на границе переключения режимов, обладают высокой чувствительностью и селективностью. При этом сигналы нейроморфных осцилляторов, представляющие собой поток импульсов, удобны не только для первичной обработки с помощью импульсных нейросетей, но и также хорошо сопрягаются с другими вычислительными средствами из-за простоты анализа их динамики методом оценки межимпульсных интервалов. Особый интерес представляет свойство мультичувствительности таких систем, т.е. комплексной реакции нелинейного осциллятора на одновременное изменение нескольких величин, с возможностью выделения информации о каждой из них по отдельности, что востребовано на практике в ряде приложений. При решении задач анализа и дискриминации сигналов, представляет ценность способность биоподобных динамических нейронов выступать первичными анализаторами и по-разному реагировать на сигналы с различными свойствами. С учетом высокой вычислительной эффективности программных реализаций систем, состоящих из небольшого количества динамических нейронов, и возможности создания энергоэффективных аппаратных нейросетей с функцией адаптации, подобные разработки могут найти применение во многих задачах диагностики и слияния данных.
Актуальность проекта обусловлена:
1. Развитием нейроморфной вычислительной техники, требующим разработки датчиков, выдающих результат измерения напрямую в форме, доступной для обработки импульсными нейросетями. Подобные системы особенно актуальны для решения задач слияния данных (sensor fusion), т.е. обработки потока информации, поступающей от разнородных сенсоров по множественным каналам, и решаемых в настоящее время преимущественно нейросетями 2-го поколения, обладающих рядом известных недостатков, на преодоление которых и направлено развитие импульсных нейросетей.
2. Необходимостью дальнейшего совершенствования датчиков физических величин, повышения их точности, селективности и других характеристик, что может быть достигнуто путем замены гармонических осцилляторов, лежащих в основе многих конструкций металлодетекторов, магнитометров и др., на нелинейные (нейроморфные).
3. Потребностью в снижении вычислительных затрат на обработку сигналов в системах слияния данных путем их предварительного нелинейного анализа на уровне датчиков. Помимо фильтрации от шума, представляет интерес предварительная классификация сигналов, в частности, дискриминация сигналов, однозначно не представляющих интерес для дальнейшей обработки.
Цель проекта – разработка и исследование измерительных систем нового поколения, основанных на динамических моделях нейронов и их сетях. Результатами проекта станут:
1. Математические основы построения нейроморфных сенсоров, включая новые математические модели сенсорных нейроподобных систем, методы их анализа и настройки параметров.
2. Новые принципиальные схемы нейроморфных осцилляторов, а также методика синтеза схемотехнических моделей на основе математических моделей, с учетом типа и назначения сенсорного элемента.
3. Новые знания о динамике физических реализаций нейроморфных сенсоров, о соответствии модели и прототипа, а также о чувствительности этих устройств к разнородным величинам и возможности их одновременного измерения (мультичувствительность).
4. Новая архитектура и знания о динамике системы слияния данных на основе нейроморфных сенсоров и резервуарного вычислителя, состоящего из нескольких слоев нелинейных осцилляторов.
Результаты проекта внесут вклад в развитие отечественных технологий сенсорики, систем сбора и обработки разнородных данных.
|
| Приоритеты научно-технического развития |
а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
|
