Найти

Результаты поиска

• АППАРАТНО-ОРИЕНТИРОВАННЫЙ МЕТОД УСКОРЕННОГО ПОИСКА ВХОЖДЕНИЙ ОБРАЗЦА НА ОСНОВЕ СТРУКТУРНО-ПРОЦЕДУРНЫХ ВЫЧИСЛЕНИЙ

  Е. А. Титенко , Э.И. Ватутин , М.А. Титенко , А. П. Локтионов , Э.В. Мельник

  2024-11-10

  Аннотация ▼

  Операция поиска вхождений образца в тексте является общезначимой в современных вы-
  числительных средствах при решении проблемно-поисковых задач. Наибольший интерес пред-
  ставляют аппаратно-программные решения, имеющие однородную структуру и регулярные связи
  между вычислительными блоками. Целью работы является сокращение временных затрат на
  поиск вхождений на основе применения параллельного поиска в ассоциативной памяти и метода
  распараллеливания по итерациям. Предлагаемый метод использует ассоциативную память для
  параллельного поиска вхождений и динамическую реконфигурации структуры исходной строки из
  одномерного вида в матричную форму. Вовлечение в реконфигурацию всех элементов влечет из-
  быточные затраты внутренней блочной памяти на последовательный просмотр частичных вхо-
  ждений по одному множеству стартовых позиций, кратных длине образца (второй символьный
  операнд. Вместо этого предложен метод совмещения во времени поиска частичных вхождений по
  двум наборам подстрок, кратных длине образца, с одновременным пропорциональным уменьшени-
  ем элементов разрядного среза ассоциативной памяти по каждому набору, что позволяет на те-
  кущем шаге поиска обрабатывать несколько символов образца. Количественные оценки времени
  поиска определяются количеством операций сравнения и записи подстрок в общем цикле работы,
  а также пропорциями времени данных операций. Показано, что для образцов более 10 элементов
  временной выигрыш составляет примерно в 1,8-2 раза. Данный эффект получен за счет исключе-
  ния шагов последовательного сдвига с переходами между граничными элементами строк. Разра-
  ботанный метод обеспечивает конвейерную обработку потока строковых операндов с совмеще-
  нием просмотра на текущем шаге поиска неединичного множества символов обрабатываемой
  строки. Сокращение времени поиска обеспечивается введением конвейера, количество ступеней которого зависит от коэффициента редукции размера разрядного среза, что позволяет аппарат-
  но реализовать структурно-процедурный подход, применяемый в реконфигурируемых вычисли-
  тельных системах

• АППАРАТНО-ПРОГРАММНЫЕ СРЕДСТВА ДИНАМИЧЕСКОЙ РЕКОНФИГУРАЦИИ ГРУППИРОВКИ МАЛЫХ КОСМИЧЕСКИХ АППАРАТОВ

  С.Г. Емельянов , С.Н. Фролов , Е.А. Титенко , Д.П. Тетерин , А.П. Локтионов

  2024-08-12

  Аннотация ▼

  Целью исследования является автоматизация управления группировкой малых космических
  аппаратов (наноспутников) в условиях ее переменной численности за счет актуализации ее со-
  стояния на основе рассылки и обработки широковещательных запросов между аппаратами и
  применения нейронной сети Transformer для составления прогнозов состояния сети космических
  аппаратов. Исследуется задача обеспечения связности сети наноспутников, которая сводится к
  реализации адаптивного управления сетью с оценкой и прогнозированием состояния каналов связи
  между парами аппаратов на основе нейронной сети. Разработаны динамическая реконфигурация
  и машинное обучение сети аппаратов. Определены алгоритмические средства для первичного
  обучения нейронной сети и ее последующего дообучения с учетом предобработки исходных раз-
  реженных или полносвязанных наборов данных о сети аппаратов. По завершении обучения на
  синтетических данных созданная нейронная сеть способна прогнозировать качество связи с уче-
  том прямой видимости, ослабления сигнала в зависимости от расстояния и состояния аппарат-
  ной платформы наноспутника. Разработанная программная система выполняет детерминированную реконфигурацию по текущему состоянию сети наноспутников и адаптивную реконфигу-
  рацию по историческим данным анализом нейронной сетью Transformer скрытых закономерно-
  стей функционирования наноспутников. Для прогнозирования качества связи применен функцио-
  нал связи геодезических координат пар наоспутников и векторов их состояний с элементами
  матрицы качества связи между наноспутниками с заданными начальным моментом времени,
  величиной временного интервала, величиной шага дискретизации измерительного процесса. При-
  менение аппарата нейронных сетей, реализуемых на GPU, позволило прогнозировать возможные
  состояния наноспутников и досрочно проводить реконфигурацию группировки, в том числе уда-
  лять «проблемные» аппараты из состава группировки.

• АРХИТЕКТУРА НЕЙРОННЫХ СЕТЕЙ НА ОСНОВЕ КОДОВ НА ГРАФАХ

  В.С. Усатюк , С.И. Егоров , А.П. Локтионов , Е. А. Титенко , И.Е. Чернецкая

  2023-12-11

  Аннотация ▼

  Одним из важных достижений теории помехоустойчивого кодирования является
  открытие кодов на графах и их важного подмножества низкоплотностных кодов
  (LDPC-кодов). Используя проверочную матрицу кода на графе, можно получить марков-
  ское случайное поле. LDPC-код может быть вложен в модель Изинга (разновидность мар-
  ковского случайного поля) путем использования топологии тора с отрицательной
  кривизной. При этом кодовые слова соответствуют седловым точкам (экстремумам) в
  модели, а треппин-сеты соответствуют локальным минимумам. Использование
  LDPC-кодов с увеличенным кодовым расстоянием позволяет максимально разнести седло-
  вые точки, и таким образом повысить устойчивость нейронной сети к шуму и мощность
  представления. При этом блочная и разряженная структура, характерная для тора отри-
  цательной кривизны, упрощает мультиплексирование и снижает число обучаемых пара-
  метров нейронной сети. Целью исследования являются снижение вычислительной сложно-
  сти и увеличение точности нейронных сетей за счёт применения априорных структурных
  (квазициклических) разряженных графов для широкого класса задач машинного обучения на
  марковских случайных полях. В работе представлен новый подход, позволяющий осуществлять синтез архитектур нейронных сетей на основе кодов на графах. Предложенный под-
  ход осуществляет эффективное представление марковских случайных полей за счёт при-
  менения разряженных блочных (квазициклических) матриц (тензоров). Предложенный под-
  ход позволяет снизить число обучаемых параметров и логарифмически снизить слож-
  ность мультиплексирования тензора. Полученная на основе предложенного подхода архи-
  тектура трансформера в задаче поиска пути (pathfinder) с конкурса трансформеров (long
  range arena) заняла пятое место по точности классификации изображений 94.95% (1.72%
  от первого места) при значительно меньшей сложности (число параметров (умножений)
  синтезированной сети меньше в более чем 5 раз). Применение предложенного подхода к
  задачам факторизации на плотных графах, сетевых задачах, поверхностных сетках, кова-
  риационных матрицах позволило увеличить точность реконструкции по метрике Фробе-
  ниуса (на отдельных задачах на 8 порядков) в сочетание с упрощением структуры мульти-
  плексора в сравнение с методами усеченного сингулярного разложения TSVD и хордовой
  разряженной факторизации.