СТРУКТУРНАЯ ОРГАНИЗАЦИЯ ГРАНУЛИРОВАННЫХ ВЫЧИСЛЕНИЙ ПРИ ОБРАБОТКЕ ДАННЫХ НА РЕКОНФИГУРИРУЕМЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМАХ

  • С.А. Бутенков ООО “Научно-исследовательский центр СуперЭВМ и нейрокомпьютеров”
Ключевые слова: Гранулированные вычисления, реконфигурируемая вычислительная система, информационная грануляция, матроид, жадный алгоритм, алгебраическая система

Аннотация

Процессы накопления, сжатия, хранения, извлечения, обработки и анализа данных традиционно рассматриваются в различных разделах теоретической информатики. Для решения прикладных задач технической реализации этих этапов работы с данными привле-каются методологически различные подходы, основанные на разнородных математических моделях данных, и, соответственно, технически различные программные и аппаратные средства. При этом оптимизация построения средств обработки данных рассматривается на каждом этапе отдельно и с использованием частных математических моделей данных. Это приводит разработчиков сложных систем обработки данных к ситуации, в которой кроме процессов собственно обработки, необходимо выполнение процессов преобразования форм представления данных для следующего этапа обработки. Такие промежуточные пре-образования форматов данных требуют существенного расхода аппаратных ресурсов и времени, особенно в случае больших объемов данных (Big Data). В ряде наших работ введен, разработан и применен в новых вычислительных средствах новый математический аппарат представления и обработки данных, основанный на применении теории алгебраических сис-тем для гранулированного (укрупненного) представления данных. Новый подход реализует идеи машины гранулированных вычислений, введенные Lotfi Zadeh. Он органично включает в себя все указанные этапы работы с данными (на единой математической и алгоритмической основе) и позволяет широко применять в задачах, связанных с хранением и обработкой дан-ных эффективные алгоритмы линейной сложности (жадные алгоритмы). Новое математи-ческое представление данных позволяет естественным образом сжимать данные на всех этапах обработки за счет основных свойств методологии информационной грануляции. По-скольку методы, основанные на максимально типизированных алгоритмах гранулированных вычислений (без циклов и ветвлений) эффективно реализуются на реконфигурируемых высо-копроизводительных вычислительных системах, в настоящей работе предложены струк-турные решения для реализации эффективных алгоритмов обработки гранулированных дан-ных в классе «быстрых алгоритмов» для построенных на реконфигурируемых средствах ма-шин гранулированных вычислений.

Литература

1. Lin T.Y., Yao Y.Y. and Zadeh L.A. (eds.). Data Mining, Rough Sets and Granular Computing. Physica-Verlag, Heidelberg, 2002.
2. Lin T.Y. Granular Computing: Structures, Representations, Applications and Future Direc-tions, In: the Proc. of 9th International Conference, RSFDGrC 2003, Chongqing, China, May 2003, Lecture Notes on Artificial Intelligence LNAI 2639, Springer-Verlag, 16-24.
3. Kalyaev I.A., Levin I.I., Semernikov E.A., Shmoylov V.I. Rekonfiguriruemye mul'tikonveyernye vychislitel'nye struktury [Multiconference reconfigurable computing structure]. Rostov-on-Don: Izd.-vo YuNTS RAN, 2009, 344 p.
4. Zadeh L.A. Toward a theory of fuzzy information granulation and its centrality in human rea-soning and fuzzy logic, Fuzzy Sets and Systems, 1997, Vol. 90, pp. 111-127.
5. Yao Y.Y. Granular computing: basic issues and possible solutions, Proceedings of the 5th Joint Conference on Information Sciences, 2000, pp. 186-189.
6. Butenkov S.A., Zhukov A.L. Informatsionnaya granulyatsiya na osnove izomorfizma algebraicheskikh sistem [Information granulation based on isomorphism of algebraic systems], Sb. trudov Mezhdunarodnoy algebraicheskoy konferentsii, posvyashchennoy 80-letiyu so dnya rozhdeniya A.I. Kostrikina, Nal'chik, 12-18 iyulya 2009 g. [Proceedings of the international al-gebraic conference, devoted to the 80th anniversary of the birth of A. I. Kostrikin, on July 12-18, 2009], pp. 206-209.
7. Butenkov S. Granular Computing in Image Processing and Understanding, In Proceedings of IASTED International Conference on Artificial Intelligence and Applications “AIA 2004”, Innsbruk, Austria, February 10-14, 2004.
8. Butenkov S.A. Metody informatsionnoy granulyatsii v parallel'nykh vychisleniyakh [Methods of information granulation in parallel computing], Materialy 3-y Vserossiyskoy nauchno-tekhnicheskoy konferentsii «SKT-2014», 29 sentyabrya-4 oktyabrya 2014 g., Divnomorskoe, Gelendzhik [.Materials of the 3rd all-Russian scientific and technical conference "SKT-2014", September 29-October 4, 2014, Divnomorskoye, Gelendzhik], Vol. 1, pp. 99-104.
9. Butenkov S., Zhukov A., Nagorov A., Krivsha N. Granular Computing Models and Methods Based on the Spatial Granulation, XII Int. Symposium «Intelligent Systems», INTELS’16, 5-7 October 2016, Moscow, Russia. Elsevier Procedia Computer Science. 103, 2017, pp. 295-302.
10. Pedrysz W. Granular Computing – the emerging paradigm, Journal of Uncertain Systems, 2007, Vol. 1, No. 1, pp. 38-61.
11. Zadeh L.A. From Computing with Numbers to Computing with Words – From Manipulation of Measurements to Manipulation of Perceptions, IEEE Transactions on Circuits and Systems, 1999, Vol. 45, pp. 105-119.
12. Zadeh L.A. Soft computing and fuzzy logic, IEEE Software, 1994, Vol. 11, Nos. 1-6, pp. 48-56.
13. Mal'tsev A.I. Algebraicheskie sistemy [Algebraic system]. Moscow: Nauka, 1970, 392 p.
14. Krivsha N., Krivsha V., Beslaneev Z., Butenkov S. Greedy algorithms for Granular Computing Problems in Spatial Granulation Technique, XII Int. Symposium «Intelligent Systems», INTELS’16, 5-7 October 2016, Moscow, Russia. Elsevier Procedia Computer Science, 2017, 103, pp. 303-307.
15. Butenkov S.A. The development of Intelligent Data Analysis paradigm for the Theory of In-formation Granulation, Proceedings of IV International Conference “Integrated models and Soft Computing in Artificial Intellect”, Colomna, May 28-30 2007, Vol. 1, pp. 188-194.
16. Butenkov S.A. Robust Representation and Processing for weakly structured information, In Proceedings of IEEE-sponsored International Conference on Artificial Intelligence “AIS 2004”, Divnomorskoe, Russia, September 5-10, 2004, pp. 89-91.
17. Butenkov S.A. Nemetricheskiy podkhod v zadachakh granulyatsii dannykh [Non-metric ap-proach in data granulation problems], Nauchnye trudy SWorld [Scientific works of SWorld], Issue 4 (41). Ivanovo: Nauchnyy mir, 2015, 104 p, Vol. 2, pp. 91-99.
18. Rogozov Yu.I., Butenkov S.A., Nagorov A.L., Beslaneev Z.O. Modeli dannykh na osnove teorii informatsionnoy granulyatsii [Data models based on the theory of information granulation], Trudy Pyatoy Mezhdunarodnoy konferentsii «Sistemnyy analiz i informatsionnye tekhnologii» SAIT-2013, Krasnoyarsk, 19-25 sentyabrya 2013 g. [Proceedings of the Fifth international conference "System analysis and information technologies" SAIT-2013, Krasnoyarsk, 19-25 September 2013], Vol. 2, pp. 395-398.
19. Butenkov S.A., Krivsha V.V., Al'-Douyani S.KH.S. Postroenie sistemy nechetkikh otnosheniy vzaimnogo polozheniya na dekartovykh granulakh [Construction of a system of fuzzy relations of mutual position on Cartesian granules], Trudy mezhdunarodnoy nauchno-tekhnicheskoy konferentsii «Iskusstvennye intellektual'nye sistemy» (IEEE AIS’06) [Proceedings of the inter-national scientific and technical conference "Artificial intelligent systems" (IEEE AIS'06)]. Moscow: Fizmatlit, 2006, Vol. 2, pp. 99-105.
20. Vatolin D., Ratushnyak A., Smirnov M., Yukin V. Metody szhatiya dannykh [Data compression methods]. Moscow: DIALOG-MIFI, 2003, 384 p.
Опубликован
2019-04-04
Выпуск
Раздел
РАЗДЕЛ IV. РЕКОНФИГУРИРУЕМЫЕ И НЕЙРОСЕТЕВЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ