Группа | Научная литература |
---|---|
Название на русском языке | Язык программирования Planning C. Инструментальные средства. Новые подходы к обучению нейронных сетей |
Авторы на русском языке | Пекунов В.В. |
Название на английском языке | The New Programming Language Planning C. Tools. The New Approaches to the Artificial Neural Network’s Learning |
Авторы на английском языке | Pekunov V.V. |
Вид издания на русском языке | Монография |
Издательство на русском языке | LAP LAMBERT Academic Publishing, 2017. - 171 с. |
Монография имеет целью развитие элементов теории и некоторых практических аспектов применения процедур с планированием повторного входа (одним из реальных предельных случаев параллельных и сингулярных объектно-событийных моделей), в данном случае – разрабатывается новый язык последовательного и параллельного программирования Planning C, являющийся расширением C++. Язык поддерживает основные шаблоны распараллеливания: портфель задач, вектор, конвейер. Также возможно описание (и применение) произвольных вычислительных топологий, в том числе с применением порождающего программирования. Имеются и иные, классические средства распараллеливания для общей и распределенной памяти. Показана хорошая эффективность распараллеливания Planning C-программ для систем на базе CPU, CPU+CPU и CPU+GPU. Доказана алгоритмическая полнота Planning C. Доказано, что предельными абстрактными вычислителями для процедур с планированием повторного входа (ПППВ) являются расширенные машины Тьюринга (элементарная и параллельная). Язык может применяться при обучении глубоких нейронных сетей, например, с использованием предложенных в работе новых методов (модификации генетического случайного поиска и переборно-секционированного подхода к минимизации функционала ошибок).
Монография содержит введение, четыре главы и заключение. В первой главе предлагается формализм процедуры с планированием повторного входа, описано его применение для реализации последовательных алгоритмов, доказан ряд утверждений о вычислимости. Во второй главе, на основании обзора современных средств параллельного программирования, с учетом выявленных их достоинств и недостатков предлагаются подходы к описанию различных параллельных алгоритмов на базе вышеуказанных процедур, а также состоящих из них цепей и топологий, введено понятие универсального дедуктивного макромодуля, упрощающего формирование таких топологий. В третьей главе рассмотрены разработанные инструментальные средства Planning C. В четвертой главе рассматривается применение ПППВ при программировании обучения искусственных нейронных сетей (ИНС) прямого распространения, описываются разработанные математические и алгоритмические методы и подходы к обучению ИНС, проведена их апробация, в том числе на параллельных системах. В заключении указаны основные выводы работы.