Системное автоматизированное проектирование
А)
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
-
систему управления
базой данных
общего назначения;
- справочно-обучающую.
Развитие технологии
проектирования
и специального
программного
обеспечения
связано с внедрением
бригадного
метода. Его
существо заключается
в одновременной
работе нескольких
проектировщиков
на с
Рис.5.
Структура
технических
средств АРМ
(а) и состав
аппаратуры
рабочих мест
(б).
Таблица 4
| Модель АРМ | Назначение | Состав технических средств |
| АРМ-Р-01 | Минимальный базовый комплект как основа других вариантов | ЭВМ типа СМ, ОЗУ емкостью 8К слов, 16 разрядов, НМД 1370, дисплей VT-340 |
| АРМ-Р-02 | Размещение, редактирование графической и текстовой информации, диалога с ЦВК САПР на базе ЕС ЭВМ |
АРМ-Р-01
с графическим
дисплеем |
| АРМ-Р-03 | Инструментальный комплекс для разработки программного обеспечения | АРМ-Р-01 с устройством мозаичной печати DZM-180 |
КОМПЛЕКСИРОВАНИЕ АРМ
Состав базового программного обеспечения и технических средств АРМ позволяет использовать АРМ автономно или в нескольких вариантах сопряжения с другой аппаратурой.
АРМы с одним или несколькими рабочими местами могут объединяться в последовательный комплекс. Комплекс настраивается на решение одной или ряда последовательных на маршруте проектирования задач (рис.7.б).
Например, ввод задания на разработку печатных плат, синтаксический контроль и размещение элементов выполняют на первом АРМе и по каналу связи передают на второй АРМ. На нем проводится трассировка, корректировка и передача информации для изготовления комплекта конструкторской документации на третий АРМ.
Подобная маршрутно-специализированная конфигурация позволяет устранить непроизводительные затраты времени на смену магнитных носителей, загрузку систем и ограничить количество периферийных устройств.
Построение информационно-графических комплексов для САПР на базе АРМ (рис.7.а, б, в, г) расширяет возможности и увеличивает эффективность применения САПР. НА ЦВК выполняются программные модули по директивам с АРМов, а ввод, контроль, вывод и редактирование производится пользователем на средствах АРМ.
В этом случае требуется удаленное размещение технических средств АРМ и ЦВК. Для этого используются устройства сопряжения (групповые устройства сопряжения - ГУС и индивидуальные ИУС), телефонные каналы связи , мультиплексоры и аппаратура передачи данных.




Рис.7. Варианты использования АРМ в САПР:
а - групповое АРМ;
б - маршрутно-ориентированное АРМ;
в - иерархически связанные ЦВК-АРМ;
г - удаленные АРМ в иерархических САПР.
ПЕРСПЕКТИВЫ РАЗВИТИЯ АРМ
Дальнейшее развитие АРМ связано с:
- использованием новых технических средств,
- разработкой нового базового и прикладного программного обеспечения,
- развитием технологии автоматизированного проектирования,
- объединением АРМ в иерархические и сетевые структуры.
Широкое распространение получают профессиональные персональные ЭВМ с использованием процессоров 386 и 486 и специализированных, а также соответствующего программного обеспечения.
Параметры новых АРМ:
- быстродействие - 5-10 млн.оп/сек,
- объем внешней памяти - до 500 Мбайт,
- скорость обмена информацией по каналам связи - свыше 2 Мбайт/сек.
Рабочие места будут оборудованы цветными графическими дисплеями с регенерацией или растровыми с размерами экрана до 50 см по диагонали и проекционных с площадью экранов в несколько квадратных метров.
Базовое программное и лингвистическое обеспечения должны включать в себя:
- средства создания многомашинных сетевых и иерархических структур;
- мониторную систему;
- операционную систему реального времени;
вязанных друг с другом АРМами по разработке логики и схемотехники БИС, топологии БИС и печатных плат, конструкций узлов и блоков изделий РЭА.
КОМПЛЕКСИРОВАНИЕ ТЕХНИЧЕСКИХ СРЕДСТВ САПР
Комплектование технических средств САПР производится на основе следующих требований:
- полноты,
- унификации,
- расширяемости,
- резервируемости,
- экономичности разработки и эксплуатации,
- эксплуатационного удобства и технологичности.
Полнота технических средств означает наличие в САПР набора технических средств всех групп для выполнения операций по всему циклу автоматизированного проектирования.
Унификация технических средств означает использование однотипных единиц оборудования для выполнения одних и тех же функций на различных уровнях САПР.
Расширяемость (открытость) технических средств означает возможность количественных и качественных изменений в составе технических средств по изменению требований к производительности и степени автоматизации проектирования, а также появления новых более совершенных типов оборудования.
Резервируемость технических средств реализуется дублированием тех или иных средств и позволяет снизить влияние их сбоев и отказов на функционирование САПР. Избыток технических средств не только повышает живучесть САПР, но и является обязательным условием успешной обработки потока задач, интенсивность которого изменяется во времени.
Экономичность разработки технических средств позволяет удешевить создание и внедрение САПР за счет последовательного многоэтапного ввода оборудования и наращивания мощности САПР с небольшим опережением относительно роста текущих потребностей.
Экономичность эксплуатации технических средств позволяет снизить непроизводительные потери за счет сочетания режимов реального времени с пакетной обработкой, коллективного использования рабочих мест.
Эксплуатационное удобство технических средств позволяет увеличить производительность разработчика и снизить уровень ошибок при взаимодействии оператора с ЭВМ за счет совершенства программно-аппаратного обеспечения.
Технологичность технических средств характеризуется степенью соответствия состава оборудования перечню проектных операций, свойственных применяемой технологии проектирования заданного объекта.
В соответствии с этими требованиями в последнее время признаны наиболее целесообразными САПР из унифицированных модулей. Они имеют достаточно развитые технические и базовые программные средства. В составе периферийных модулей широкое распространение получили "интеллектуальные терминалы" и "инженерные графические станции", создаваемые на основе микропроцессорных вычислительных средств.
Выводы:
1. Рассмотрены назначение, структура САПР, технические средства.
2. Рассмотрены назначение, структура автоматизированных мест проектировщиков и их возможности по созданию аппаратуры.
3. Определены перспективы развития технических средств автоматизированного проектирования.
НЕЙРОСТРУКТУРЫ
ВВЕДЕНИЕ
Теоретические основы нейросетевого подхода к изучению процессов переработки информации в мозге были заложены Маккалоком и Питтсом .Они изучили модельную нейронную сеть, представляющую
собой совокупность элементов( названных формальными нейронами),обменивающихся между собой информацией с помощью направленных связей. Каждый из формальных нейронов представляет собой простой процессор, осуществляющий суммирование сигналов, которые поступают на его входы. Его состояние характеризуется внутренней переменной , принимающей значение 0 ( пассивное состояние), если сумма сигналов на входах меньше фиксированного порога, и 1 ( активное состояние, в котором нейрон способен посылать сообщения другим нейронам в сети ), если указанная сумма превышает порог. Авторами
показано, что сеть таких нейроподобных элементов в принципе способна выполнять различные логические функции и по своей вычислительной мощности сопоставима с вычислительными машинами фон
неймановского типа.
Позднее Ф. Розенблатт предложил архитектуру нейронной сети, получившую название персептрона . Это вызвало большой интерес, поскольку открывалась возможность создания технических устройств, способных решать интеллектуальные задачи, такие как распознавание образов.
Основным элементом персептрона является пороговый вентиль, аналогичный формальному нейрону Мак-Коллака и Питтса. Он осуществляет суммирование с определенными весами сигналов, поступающих
от других нейронов, и переходит в состояние логической единицы(или наоборот, нуля), если эта сумма превышает пороговое значение.
В последние годы наблюдается рост активности в области теории и технической реализации искусственных нейронных сетей, в идейном отношении близких к персептрону Розенблатта. В работах Андерсона, Гроссберга, Кохонена, Хопфилда и др., выполненных в конце 70-х - начале 80-х годов, были разработаны более сложные и гибкие архитектуры сетей, составленных из нейроподобных элементов, и изучены функциональные возможности таких систем. Следует отметить, что этот процесс происходил на фоне общего возрастания интереса к многопроцессорным системам(к которым относятся в том числе и нейронные сети) и к реализации на них параллельных процессов обработки информации. Сочетание в архитектуре нейронных
сетей массированного параллелизма при обработке информации с использованием элементов-связей ( аналогов синапсов в биологии ) на стадии обучения системы выделило нейронные сети в самостоятельный
класс многопроцессорных вычислительных устройств.
Здесь рассмотрим основные архитектуры нейронных сетей, их общие и функциональные свойства и наиболее распространенные алгоритмы обучения сетей.
ОСНОВНЫЕ АРХИТЕКТУРЫ И ОСОБЕННОСТИ
На рис.1 приведена классификация нейросетевых систем.

Рис.1. Диаграмма, иллюстрирующая связь нейросетевых структур с многопроцессорными архитектурами.
FAN - процессор с распространением возбуждения.
Среди признаков, отличающих нейронные сети, часто называют массированный параллелизм при вычислениях, а также возможность программирования сетей путем обучения или адаптации. Выделяют
также локальность памяти каждого из нейронов.
ЭЛЕМЕНТЫ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ - НЕЙРОНЫ И СВЯЗИ
Нейронная сеть представляет собой совокупность элементов двух типов-процессоров, называемых нейронами, и элементов ( в общем случае также процессоров) - называемых связями между нейронами.
Нейрон - процессор специального вида, который имеет один выход и некоторое число входов (N) (рис.2.). Как правило, предполагается, что все нейроны выполняют одинаковую, сравнительно простую функцию
( либо
существует
небольшое число
типов нейронов
с различными
функциями),
например, сложение
величин сигналов
,
i = 1,...,N , поступающих
на его входы
( возможно, с
некоторыми
весами
). Выходной сигнал
нейрона определяется
с помощью суммы
i вида
![]()
![]()
= g [
]
,
где g - нелинейная функция, определенная для каждого типа нейрона, О - порог. Пороговому элементу
i Маккалока и Питтса соответствует функция g(x), имеющая вид ступеньки ( рис.3.а)
g(x) = O (x) , O(x) =
.
Для моделирования некоторых нейроподобных элементов подходит функция, представленная на рис.3 г, вида g(x) = 1 - O (x).Нелинейные функции более общего вида, в которых переходная область имеет конечную ширину а , изображены на рис.3. б и в. Нейроны такого типа удобны для моделирования аналоговых нейронных сетей.
Рис.3. Примеры нелинейных функций отклика нейронов, используемых для моделирования сетей.
Между
каждыми двумя
нейронами в
сети ( с номерами
i и j)могут быть
установлены
две направленные
связи: (ij) и (ji) (рис.4).В
некоторых
случаях, например
в модели Хопфилда,
эти связи считаются
равными. Каждой
связи в сети
присваивается
вес
. Это можно выполнить
двумя способами.
В первом случае
считается , что
собственно
связи между
нейронами
представляют
собой пассивные
проводники,
параметры
которых неизменны.
В процессе
обучения изменяются
веса
( см. рис.1 ), с которыми
суммируются
входные сигналы
на каждом нейроне.
При этом нумерация
входов всех
нейронов
предполагается
согласованной
с нумерацией
нейронов в
сети. При втором
способе все
входы в нейрон
предполагаются
эквивалентными,
при обучении
изменяются
свойства связей
( например, их
сопротивления,
емкости или
коэффициенты
усиления входящих
в них усилителей
). С точки зрения
математического
моделирования
эти способы
могут не различаться.
Однако при
технической
реализации
в зависимости
от используемой
технологии
может оказаться
предпочтительней
один из указанных
способов. Например,
пороговый
вентиль относится
к первому типу, а сеть из аналоговых усилителей с насыщением - ко второму.
ТИПЫ АРХИТЕКТУР
а) Сети Хопфилда
Модель, предложенная Хопфилдом, относится к типу бинарных (или как вариант, биполярных, когда, переменная, описывающая внутреннее состояние нейронов, может принимать и отрицательное значение, например +1 и -1), а ее обучение представляет собой вариант обучения с супервизором. Она основывается на некоторых аналогиях с физическими системами, в частности, со спиновыми стеклами , а также с нелинейными динамическими системами, обладающими подходящей структурой аттракторов в фазовом пространстве. Каждый такой аттрактор может рассматриваться как отдельная запись информации ( образа ) в памяти системы. Релаксация системы из произвольного начального состояния ( имеющего смысл предъявленного
стимула) к устойчивой точке представляет собой физическую аналогию восстановления информации по достаточной ее части - распознавания образов.
В
модели Хопфилда
состояние
системы описывается
N -мерным вектором
V = (
),
где
=
0 или 1 - описывает
состояние i-го
нейрона. Состояние
системы, которому
соответствует
одна из вершин единичного гиперкуба в N- мерном пространстве, меняется во времени по следующему алгоритму. Каждый нейрон изменяет свое состояние в случайный момент времени со средней скоростью w так, что в следующий момент случайно выбранный элемент с номером i принимает значения
= 1, если
и
= 1, если
(2)
Здесь
- порог срабатывания
i-го нейрона. В
дальнейшем,
как правило,
предполагается,
что
для всех i либо
=1/2
.
В
последнем
случае выбор
порогов соответствует
переходу к
"биполярным"
нейронам, состояния
которых описываются
спиновыми
переменными
.
Поэтому в большинстве
случаев можно
просто говорить о моделях (0,1) и (+_1), определяя тем самым возможные состояния элементов при нулевых порогах.
Для
хранения образов
памяти
, s= 1,..., n используется
матрица связей
следующего
вида:
, i-=j ,
(3)
В такой сети воздействие на i-нейрон будет определяться выражением для "силы"( являющейся аналогом мембранного потенциала в нейробиологии)

i-=j,
=
0.
Для
случайно выбранных
векторов
среднее значение
члена в
скобках равно
нулю, если s-=s'.
Тогда справедливо
выражение:
![]()
принимает
положительные
значения при
=
1 и отрицательные
при
=0.
Поэтому
при пренебрежении
шумом, даваемым
членами с s-=s',
состояние
образов памяти
устойчиво
( во всяком случае , при n < N ). Возможно появление дополнительных устойчивых состояний сети, не совпадающих с векторами памяти - "ложные образы ".
Динамика нейронной сети, описываемая уравнениями (2)-(3), имеет в качестве аттракторов только устойчивые стационарные точки. В случае симметричной матрицы Т в системе возможно наличие
большого числа стационарных состояний. Теория дискретных сетей Хопфилда получила в последнее время
значительное развитие. Возможность введения функции, имеющей смысл энергии, уменьшающейся в процессе релаксации начального состояния системы, позволила применить для исследования системы
хорошо разработанный аппарат статистической физики. В частности, введение сопряженной к энергии величины - эффективной "температуры" - позволило исследовать структуру устойчивых состояний и воз-
можности их изменения в процессе обучения .
Возможна реализация нейронной сети на аналоговых элементах (операционных усилителях). Это позволяет использовать их для решения задач комбинаторной оптимизации, коммивояжере, задаче о
раскраске карт, задаче оптимизации размещения электронных элементов на чипе.
б) СЕТЬ КОСКО
Коско предложил модель нейронной сети с синхронной динамикой, которая получила название двунаправленной ассоциативной памяти ( bidirectional associative memory, BAM). Она представляет инте-
рес для оптических реализаций нейронных сетей. В этой модели вся совокупность нейронов разделена на подмножества ( вообще говоря, различной мощности) - А и В . Сеть устроена таким образом, что
выходы
нейронов подсети
А связаны с
входами нейронов
подсети В
и наоборот(
см. рис. ). Матрица
связей
строится
по правилу:

оно имеет вид суммы прямых произведений векторов памяти
Рис. Схема модели двунаправленной ассоциативной памяти Коско.
Динамика этой системы описывается парой уравнений
,
.
Так
же, как и в случае
модели Хопфилда,
для ВАМ единственными
аттракторами
в фазовом
пространстве
являются устойчивые
стационарные
точки, называемые
парой (
). Эти точки
достигаются
из
произвольного
начального
состояния -
пары векторов
(
).
Имеются модификации нейронной сети Коско:
- за счет введения матриц