або періодичних в часі станів елементів. Третій клас складають блукаючі автомати, які з плином часу відвідують довільним (неперіодичним) чином всі можливі стану елементів, не затримуючись ні в одному з них. І, нарешті, четвертий клас складають дивні автомати, характер динаміки яких залежить від особливостей початкового стану елементів. Деякі початкові стану призводять до однорідного виродження автомата, інші - до виникнення циклічної послідовності станів, треті - до безупинно мінливих (як по системі raquo ;, так і без видимої системи) картинам активності елементів.
. 11.2 Клітинна нейронна мережа
Як і клітинний автомат, КНС представляється у вигляді дискретного однорідного простору клітин, розташованих у вузлах прямокутної, трикутної або гексагональної решітки і взаємодіючих з іншими клітинами усередині деякої локальної околиці. Однак, на відміну від клітинного автомата, зв'язки між клітинами КНС мають вагу, що дозволяє визначити силу впливу клітин один на одного. Крім того, стан клітини КНС описується безперервної величиною і визначається як арифметична, а не логічна функція станів клітин околиці, що є принциповою відмінністю КНС від клітинного автомата. Клітинні нейронні мережі вперше були запропоновані як модель для побудови аналогових електронних схем обробки зображень в 1988 році і з тих пір знайшли застосування в різних областях досліджень. Специфіка класу завдань, що вирішуються за допомогою КНС, заснована на паралельності і локальності обробки інформації в КНС, а також на безперервності зміни станів клітин. Можна виділити дві найбільш характерні області застосування КНС:
обробка зображень, наприклад, фільтрація, розпізнавання образів і генерація зображень спеціального типу і
моделювання розподілених нелінійних процесів реакційно-дифузійного типу, зокрема, автохвиль, процесів формування стійких структур і хаотичних коливань. Друга область застосування привертає останнім часом все більшу увагу, хоча вирішення завдань з першої області присвячена істотно більша частина публікацій про КНС.
У дослідженні КНС для моделювання розподілених нелінійних процесів в активних середовищах можна виділити кілька тенденцій, що розрізняються способом вибору КНС-моделі і її особливостями. Інтерес до використання КНС в якості моделі нелінійної динаміки виник в результаті дослідження поведінки кліткової нейронної мережі, орієнтованої на вирішення завдань обробки зображень за допомогою нелінійних електронних схем. У наслідку така КНС була названа стандартної raquo ;, а орієнтація на реалізацію КНС моделі у вигляді електронної схеми визначила специфіку формального представлення, зокрема, вид описують клітку рівнянь і використовуваної нелінійної функції. Запропонована в якості нелінійної, кусочно-лінійна функція сігмоідной типу також стала стандартною для багатьох КНС-моделей. Основним завданням побудови КНС-моделі розподіленої нелінійної динаміки на основі стандартної КНС стала побудова електронної схеми клітини, рівняння стану якої описують, в рамках деякої аксіоматики, зміна в кожній точці дискретизованого простору модельованого процесу. Прикладами використання стандартної КНС є моделювання виникнення стійких структур, моделювання електромагнітного поля. Можливість аналогової реалізації клітини КНС з практично будь нелінійністю дає можливість побудови КНС, рівняння стану якої відповідають диференційно-різницевих рівнянь для модельованого процесу. Аналогове рішення таких рівнянь на основі КНС за допомогою мікросхеми або засобами універсальної КНС-машини дає істотно більш високу швидкість і точність моделювання.
Таким чином, накопичений при дослідженні різних підходів матеріал вимагає більш глибокого теоретичного та експериментального дослідження з метою розробки методів КНС-моделей для класифікаційних процесів, орієнтованих на застосування сучасних високопродуктивних обчислювальних систем. Реалізація таких моделей на спеціалізованих аналогових КНС-машинах, що дозволяють на три порядки збільшити швидкість обробки інформації в порівнянні з розташованими в розпорядженні дослідників обчислювальними засобами, дає можливість істотного збільшення швидкості моделювання, однак повністю не виключає необхідність в обчислювальних системах, оскільки поки ще є великі труднощі в аналоговій реалізації тривимірних КНС-моделей. Крім того, існує завдання виявлення кількісних співвідношень між параметрами реальних даних і параметрами їх КНС-моделей з метою вирішення практичних дослідницьких задач. У зв'язку з цим дослідження клітинно-нейронної моделі представляється актуальним.
3. Класифікація даних
. 1 Постановка завдання і складнощі, пов'язані з її реалізацією
В даний час одним з актуальних питань інформаційних технологій є проблема кластер...
