Большинство же прикладных систем нейросетевой обработки данных использует эмуляцию нейросетей на обычных компьютерах, в частности на P . Такие програмы называются нейро-эмуляторами. [c.34]
Преимущества нейро-эмуляторов [c.35]
Программные системы, ориентированные на конкретную ЭВМ, являются непереносимыми. Переносимость программ обеспечивается за счет использования специальных и унифицированных алгоритмических языков или с помощью эмуляторов. Например, свойством машинной независимости обладает специальный алгоритмический язык Си. Если для двух или более ЭВМ разработаны трансляторы с этого языка, а операционные системы, используемые на данных ЭВМ, совместимы, то любая программа, написанная на языке Си, может быть выполнена на любой из этих ЭВМ. [c.73]
Эмулятор представляет собой программно-техническую систему, с помощью которой программы, ориентированные на одну ЭВМ, могут быть выполнены на другой. Однако использование эмуляторов в несколько раз увеличивает необходимое для выполнения программ машинное время. [c.73]
Элементное проектирование 91 Элементарные фрагменты графа 34, 35, 178 Эмулятор 73 [c.246]
Эмулятор — программа (или устройство), которая позволяет выполнять функции (имитировать работу) другого устройства. [c.261]
Модель полностью централизованной обработки оказывается очень эффективной при применении в качестве сетевой операционной системы той или иной разновидности Unix. В частности, уже довольно часто в качестве сетевой ОС применяют свободно распространяемую (бесплатную) операционную систему Linux, обеспечивающую чрезвычайно высокую производительность при одновременном обслуживании большого числа пользователей. При этом совершенно необязательно, чтобы прикладная программа была написана специально для этой операционной системы, поскольку Linux имеет эмулятор DOS, позволяющий выполнять большинство программ, написанных для DOS. [c.250]
Наш опыт свидетельствует, что главным препятствием к широкому практическому применению ней роком пьютинга служит недостаточное понимание его основ. Эта книга писалась с целью восполнить этот пробел. Поэтому основное внимание здесь уделяется описанию принципов нейросетевой обработки данных, их потенциальных возможностей и преимуществ, а также подробному разбору нескольких конкретных применений. Упор делается на концептуальной стороне дела, а не на описании конкретных алгоритмов. Предполагается что в случае необходимости читатель сможет воспользоваться одним из многочисленных коммерческих нейро-эмуляторов а не возьмется программировать нейросети "с нуля" на ++. Главная задача книги - научить читателя "видеть" нейросетевые постановки задач в его повседневной работе, помочь ему автоматизировать рутинную обработку сложной многофакторной информации с помощью современного математического аппарата - искусственных нейронных сетей. [c.1]
В общем, если речь идет не о распознавании изображений в реальном времени или других приложениях такого рода, а, скажем, об обработке и анализе обычных баз данных, не имеет особого смысла связываться с нейро-ускорителями. Скорее всего, производительности хорошей P окажется вполне достаточно. Поскольку большинство финансовых применений относится пока имено к этому классу задач, мы будем ориентировать нашего читателя на использование нейро-эмуляторов. Несколько условно нейро-software можно разделить на готовые нейро-пакеты общего назначения, более дорогие системы разработки нейроприложений, обладающие большими возможностями, но требующие и больших знаний, и, наконец, готовые комплексные решения с элементами нейросетевой обработки информации, обычно скрытыми от глаз пользователя. [c.35]
Нейрокомпьютеры и их программные эмуляторы, естественно, интересны не сами по себе, а как инструмент решения практических задач. Только в этом случае нейропродукция будет обладать потребительской стоимостью и иметь соответствующий объем рынка. Где же и как используется нейросетевая продукция сегодня [c.39]
Вообще говоря, то, что нейроны в рекуррентных сетях по многу раз принимают участие в обработке информации позволяет таким сетям производить более разнообразную и глубокую обработку информации. Но в этом случае следует принимать специальные меры к тому, чтобы сеть не зацикливалась (например, использовать симметричные связи, как в сети Хопфилда, или принудительно ограничивать число итераций, как это делается в эмуляторе MultiNeuron группы НейроКомп). [c.47]