"ВМИР". Статьи, очерки, разное...

.
.
.



Сергей Бобровский


____Сообщения об уникальных достижениях специалистов в области искусственного интеллекта (ИИ), суливших невиданные возможности, пропали со страниц научно-популярных изданий много лет назад. Эйфория, связанная с первыми практическими успехами в сфере ИИ, прошла довольно быстро, потому что перейти от исследования экспериментальных компьютерных моделей к решению прикладных задач реального мира оказалось гораздо сложнее, чем предполагалось.
____На трудности такого перехода обратили внимание специалисты всего мира, и после детального анализа выяснилось, что практически все проблемы связаны с нехваткой ресурсов двух типов: компьютерных (вычислительной мощности, емкости оперативной и внешней памяти) и людских (наукоемкая разработка интеллектуального ПО требует привлечения ведущих специалистов из разных областей знания и организации долгосрочных исследовательских проектов).
____К сегодняшнему дню ресурсы первого типа вышли (или выйдут в ближайшие пять-десять лет) на уровень, позволяющий системам ИИ решать весьма сложные для человека практические задачи. А вот с ресурсами второго типа ситуация в мире даже ухудшается- именно поэтому достижения в сфере ИИ связываются в основном с небольшим числом ведущих ИИ-центров при крупнейших университетах.



____Автор попытался составить общую картину развития различных направлений ИИ путем анализа тематики европейских и американских конференций по ИИ за последние несколько лет (ежемесячно в мире проходят десятки таких конференций). Сначала вкратце рассмотрим наиболее активно развиваемые подходы ИИ - в порядке убывания их популярности у специалистов. Надо отметить, что меньшая популярность нередко связана не столько с потенциалом технологии, сколько с отдаленностью перспектив ее прикладной реализации (например, крайне высокий потенциал киберзаводов пока не вызывает серьезного интереса из-за наличия множества нерешенных задач по их управлению).



____Это направление стабильно держится на первом месте. Продолжается совершенствование алгоритмов обучения и классификации в масштабе реального времени, обработки естественных языков, распознавания изображений, речи, сигналов, а также создание моделей интеллектуального интерфейса, подстраивающегося под пользователя. Среди основных прикладных задач, решаемых с помощью нейронных сетей, - финансовое прогнозирование, раскопка данных, диагностика систем, контроль за деятельностью сетей, шифрование данных. В последние годы идет усиленный поиск эффективных методов синхронизации работы нейронных сетей на параллельных устройствах.



____На развитие сферы эволюционных вычислений (ЭВ; автономное и адаптивное поведение компьютерных приложений и робототехнических устройств) значительное влияние оказали прежде всего инвестиции в нанотехнологии. ЭВ затрагивают практические проблемы самосборки, самоконфигурирования и самовосстановления систем, состоящих из множества одновременно функционирующих узлов. При этом удается применять научные достижения из области цифровых автоматов.
____Другой аспект ЭВ - использование для решения повседневных задач автономных агентов в качестве персональных секретарей, управляющих личными счетами, ассистентов, отбирающих нужные сведения в сетях с помощью поисковых алгоритмов третьего поколения, планировщиков работ, личных учителей, виртуальных продавцов и т. д. Сюда же относится робототехника и все связанные с ней области. Основные направления развития - выработка стандартов, открытых архитектур, интеллектуальных оболочек, языков сценариев/запросов, методологий эффективного взаимодействия программ и людей.
____Модели автономного поведения предполагается активно внедрять во всевозможные бытовые устройства, способные убирать помещения, заказывать и готовить пищу, водить автомобили и т. п.
____В дальнейшем для решения сложных задач (быстрого исследования содержимого Сети, больших массивов данных наподобие геномных) будут использоваться коллективы автономных агентов. Для этого придется заняться изучением возможных направлений эволюции подобных коллективов, планирования совместной работы, способов связи, группового самообучения, кооперативного поведения в нечетких средах с неполной информацией, коалиционного поведения агентов, объединяющихся "по интересам", научиться разрешать конфликты взаимодействия и т. п.
____Особняком стоят социальные аспекты - как общество будет на практике относиться к таким сообществам интеллектуальных программ.



3.1 Нечеткая логика.

____Системы нечеткой логики активнее всего будут применяться преимущественно в гибридных управляющих системах.

3.2 Обработка изображений.

____Продолжится разработка способов представления и анализа изображений (сжатие, кодирование при передаче с использованием различных протоколов, обработка биометрических образов, снимков со спутников), независимых от устройств воспроизведения, оптимизации цветового представления на экране и при выводе на печать, распределенных методов получения изображений.
____Дальнейшие развитие получат средства поиска, индексирования и анализа смысла изображений, согласования содержимого справочных каталогов при автоматической каталогизации, организации защиты от копирования, а также машинное зрение, алгоритмы распознавания и классификации образов.

3.3. Экспертные системы.

____Спрос на экспертные системы остается на достаточно высоком уровне. Наибольшее внимание сегодня привлечено к системам принятия решений в масштабе времени, близком к реальному, средствам хранения, извлечения, анализа и моделирования знаний, системам динамического планирования.

3.4. Интеллектуальные приложения.

____Рост числа интеллектуальных приложений, способных быстро находить оптимальные решения комбинаторных проблем (возникающих, например, в транспортных задачах), связан с производственным и промышленным ростом в развитых странах.

3.5. Распределенные вычисления.

____Распространение компьютерных сетей и создание высокопроизводительных кластеров вызвали интерес к вопросам распределенных вычислений - балансировке ресурсов, оптимальной загрузке процессоров, самоконфигурированию устройств на максимальную эффективность, отслеживанию элементов, требующих обновления, выявлению несоответствий между объектами сети, диагностированию корректной работы программ, моделированию подобных систем.

3.6. ОС РВ.

____Появление автономных робототехнических устройств повышает требования к ОС реального времени - организации процессов самонастройки, планирования обслуживающих операций, использования средств ИИ для принятия решений в условиях дефицита времени.

3.7. Интеллектуальная инженерия.

____Особую заинтересованность в ИИ проявляют в последние годы компании, занимающиеся организацией процессов разработки крупных программных систем (программной инженерией). Методы ИИ все чаще используются для анализа исходных текстов и понимания их смысла, управления требованиями, выработкой спецификаций, проектирования, кодогенерации, верификации, тестирования, оценки качества, выявления возможности повторного использования, решения задач на параллельных системах.
____Программная инженерия постепенно превращается в так называемую интеллектуальную инженерию, рассматривающую более общие проблемы представления и обработки знаний (пока основные усилия в интеллектуальной инженерии сосредоточены на способах превращения информации в знания).

3.8. Самоорганизующиеся СУБД.

____Самоорганизующиеся СУБД будут способны гибко подстраиваться под профиль конкретной задачи и не потребуют администрирования.



____4.1. Автоматический анализ естественных языков (лексический, морфологический, терминологический, выявление незнакомых слов, распознавание национальных языков, перевод, коррекция ошибок, эффективное использование словарей).
____4.2. Высокопроизводительный OLAP-анализ и раскопка данных, способы визуального задания запросов.
____4.3. Медицинские системы, консультирующие врачей в экстренных ситуациях, роботы-манипуляторы для выполнения точных действий в ходе хирургических операций.
____4.4. Создание полностью автоматизированных киберзаводов, гибкие экономные производства, быстрое прототипирование, планирование работ, синхронизация цепочек снабжения, авторизации финансовых транзакций путем анализа профилей пользователей.
____4.5. Небольшое число конференций посвящено выработке прикладных методов, направленных на решение конкретных задач промышленности в области финансов, медицины и математики.
____Традиционно высок интерес к ИИ в среде разработчиков игр и развлекательных программ (это отдельная тема). Среди новых направлений их исследований - моделирование социального поведения, общения, человеческих эмоций, творчества.



____Профиль японских конференций (а этой стране принадлежит немало оригинальных и уникальных достижений в области ИИ), не сильно отличается от общемирового. Тем интереснее эти отличия - на них сосредоточены значительные объемы инвестиций государственных и частных японских организаций. Среди направлений, более популярных в Японии в сравнении с европейскими и американскими школами ИИ, отметим следующие: создание и моделирование работы э-рынков и э-ауционов, биоинформатика (электронные модели клеток, анализ белковой информации на параллельных компьютерах, ДНК-вычислители), обработка естественных языков (самообучающиеся многоязычные системы распознавания и понимания смысла текстов), Интернет (интеграция Сети и всевозможных датчиков реального времени в жилых домах, интеллектуальные интерфейсы, автоматизация рутинных работ на основе формализации прикладных и системных понятий Интернета, итерационные технологии выделения нужных сведений из больших объемов данных), робототехника (машинное обучение, эффективное взаимодействие автономных устройств, организация движения, навигация, планирование действий, индексация информации, описывающей движение), способы представления и обработки знаний (повышение качества знаний, методы получения знаний от людей-экспертов, раскопка и поиск данных, решение на этой основе задач реального мира - например, управления документооборотом).
____Много работ посвящено алгоритмам логического вывода, обучению роботов, планированию ими действий.



____Исследования в области нейронных сетей, позволяющих получить хорошие (хотя и приближенные) результаты при решении сложных задач управления, часто финансирует военное научное агентство DARPA. Пример - проект Smart Sensor Web, который предусматривает организацию распределенной сети разнообразных датчиков, синхронно работающих на поле боя. Каждый объект (стоимостью не более $300) в такой сети представляет собой источник данных - визуальных, электромагнитных, цифровых, инфракрасных, химических и т. п. Проект требует новых математических методов решения многомерных задач оптимизации. Ведутся работы по автоматическому распознаванию целей, анализу и предсказанию сбоев техники по отклонениям от типовых параметров ее работы (например, по звуку).
____Операция "Буря в пустыне" стала стимулом к развитию экспертных систем с продвинутым ИИ, применяемым в области снабжения. На разработках, связанных с технологиями машинного зрения, основано все высокоточное оружие.
____В СМИ нередко можно прочитать о грядущих схватках самостоятельно действующих армий самоходных машин-роботов и беспилотных самолетов. Однако существует ряд нерешенных научных проблем, не позволяющих в ближайшие десятилетия превратить подобные прогнозы в реальность. Прежде всего это недостатки систем автоматического распознавания, не способных правильно анализировать видеоинформацию в масштабе реального времени. Не менее актуальны задачи разрешения коллизий в больших сообществах автономных устройств, абсолютно точного распознавания своих и чужих, выбора подлежащих уничтожению целей, алгоритмов поведения в незнакомой среде и т. п. Поэтому на практике военные пытаются достичь менее масштабных целей. Значительные усилия вкладываются в исследования по распознаванию речи, создаются экспертные и консультационные системы, призванные автоматизировать рутинные работы и снизить нагрузку на пилотов. Нейронные сети достаточно эффективно применяются для обработки сигналов сонаров и отличения подводных камней от мин. Генетические алгоритмы используются для эвристического поиска решения уравнений, определяющих работу военных устройств (систем ориентации, навигации), а также в задачах распознавания - для разделения искусственных и естественных объектов, распознавания типов военных машин, анализа изображения, получаемого от камеры с низким разрешением или инфракрасных датчиков.



____Ключевым фактором, определяющим сегодня развитие ИИ-технологий, считается темп роста вычислительной мощности компьютеров, так как принципы работы человеческой психики по-прежнему остаются неясными (на доступном для моделирования уровне детализации). Поэтому тематика ИИ-конференций выглядит достаточно стандартно и по составу почти не меняется уже довольно давно. Но рост производительности современных компьютеров в сочетании с повышением качества алгоритмов периодически делает возможным применение различных научных методов на практике. Так случилось с интеллектуальными игрушками, так происходит с домашними роботами.
____Снова будут интенсивно развиваться временно забытые методы простого перебора вариантов (как в шахматных программах), обходящиеся крайне упрощенным описанием объектов. Но с помощью такого подхода (главный ресурс для его успешного применения - производительность) удастся решить, как ожидается, множество самых разных задач (например, из области криптографии). Уверенно действовать автономным устройствам в сложном мире помогут достаточно простые, но ресурсоемкие алгоритмы адаптивного поведения. При этом ставится цель разрабатывать системы, не внешне похожие на человека, а действующие, как человек.
____Ученые пытаются заглянуть и в более отдаленное будущее. Можно ли создать автономные устройства, способные при необходимости самостоятельно собирать себе подобные копии (размножаться)? Способна ли наука создать соответствующие алгоритмы? Сможем ли мы контролировать такие машины? Ответов на эти вопросы пока нет.
____Продолжится активное внедрение формальной логики в прикладные системы представления и обработки знаний. В то же время такая логика не способна полноценно отразить реальную жизнь, и произойдет интеграция различных систем логического вывода в единых оболочках. При этом, возможно, удастся перейти от концепции детального представления информации об объектах и приемов манипулирования этой информацией к более абстрактным формальным описаниям и применению универсальных механизмов вывода, а сами объекты будут характеризоваться небольшим массивом данных, основанных на вероятностных распределениях характеристик.
____Сфера ИИ, ставшая зрелой наукой, развивается постепенно - медленно, но неуклонно продвигаясь вперед. Поэтому результаты достаточно хорошо прогнозируемы, хотя на этом пути не исключены и внезапные прорывы, связанные со стратегическими инициативами. Например, в 80-х годах национальная компьютерная инициатива США вывела немало направлений ИИ из лабораторий и оказала существенное влияние на развитие теории высокопроизводительных вычислений и ее применение во множестве прикладных проектов. Такие инициативы будут появляться скорее всего на стыках разных математических дисциплин - теории вероятности, нейронных сетей, нечеткой логики.




Статья опубликована в PC Week/RE №32, 2001 г., стр. 32.

источник

Joint Architecture for Unmanned Systems (JAUS)



Скачать

.
.





____Шесть лет назад компания IBM и наши университетские партнеры поставили перед собой задачу – создать машину, подобную мозгу, – что в то время казалось невозможным. Сегодня в статье, опубликованной в журнале Science, мы представляем процессор с одним миллионом нейронов, разработанный в рамках программы DARPA SyNAPSE. Микросхема потребляет всего 70 мВт и способна выполнять 46 миллиардов синаптических операций в секунду на ватт – по сути, это синаптический суперкомпьютер, умещающийся на ладони.


____Последовательно шагая по пути исследований от нейробиологии к высокопроизводительным вычислениям, к новой компьютерной архитектуре, к новому языку программирования, алгоритмам, приложениям, мы пришли теперь к новой микросхеме – TrueNorth.

____Позвольте мне воспользоваться возможностью, чтобы пригласить вас в путешествие по этой нехоженой тропе.


Ретроспектива.

____Путь развития компьютеров можно отследить, по крайней мере, от 1642 года, когда Блеза Паскаль собрал свой механический калькулятор. Современная эра компьютерной техники началась с появления вычислительной машины ENIAC 15 февраля 1946 года [1]. Изобретение транзистора в 1948 году привело к разработке первой интегральной схемы в 1958 году, что, в свою очередь, позволило в 1971 году создать первый микропроцессор. С тех пор тактовая частота микропроцессоров увеличилась в 1000 раз. Примечательно, что эта эволюция шла в направлении, диаметрально противоположном вычислительной парадигме мозга. В итоге современные микропроцессоры в восемь раз быстрее (в плане тактовой частоты) и в четыре раза теплее (с точки зрения мощности, выделяемой на единицу площади коры), чем человеческий мозг.


____С учетом общего энергопотребления различие между мозгом и современными компьютерами становится еще более значительным. Отметим, что симуляция объекта масштаба человеческого мозга с сотней триллионов синапсов (и относительно простыми моделями нейронов и синапсов) требует 96 стоек Blue Gene/Q суперкомпьютера Sequoia Ливерморской национальной лаборатории, при этом скорость симуляции будет в 1500 раз медленнее работы мозга в режиме реального времени. Гипотетическому компьютеру для выполнения такого моделирования в режиме реального времени потребуется 12 ГВт, в то время как человеческий мозг потребляет лишь 20 Вт.

____Чем объясняется такое несоответствие?

____Здесь присутствуют два фактора: технология и архитектура. В отличие от сегодняшней неорганической кремниевой технологии мозг использует биофизические, биохимические и органические ресурсы. В то время как будущее связывают с нанотехнологиями, мы сосредоточились на втором факторе – архитектурных инновациях, в частности, на минимизации энергопотребления продукта, его площади и системных задержек, что может быть реализовано с помощью современных технологий.


Перспектива.

____Есть предположение, что кора головного мозга образована повторяющимися каноническими микроцепями. Вдохновленные этой гипотезой, в 2011 году мы продемонстрировали событийно-управляемое нейросинаптическое ядро, моделирующее мозг червя, в котором объединили вычислительное и запоминающее устройство. Теперь же мы уменьшили площадь нейросинаптического ядра в 15 раз, а энергопотребление сократили в 100 раз и, объединив 4096 ядер в сеть на кристалле, получили TrueNorth – микросхему с одним миллионом нейронов и 256 миллионами синапсов. Стоит отметить, что мы намеревались создать микросхему только с 1024 ядрами, но в ноябре 2011 года, как команда, мы приняли дерзкое решение увеличить количество ядер в 4 раза, то есть до 4096. Изготовленный по технологии компании Samsung с проектными нормами 28 нм, процессор TrueNorth с 5.4 млрд. транзисторов на сегодня является самой сложной микросхемой, когда-либо созданной IBM. При моделировании сложных рекуррентных нейронных сетей TrueNorth потребляет менее 100 мВт и имеет плотность мощности 20 мВт/см2.

____В отличие от доминирующей фон-неймановской архитектуры, TrueNorth, подобно мозгу, имеет параллельную, распределенную, модульную, масштабируемую, отказоустойчивую, гибкую архитектуру, объединившую средства вычислений, связи и хранения информации, и не имеющей механизма синхронизации. Справедливости ради надо сказать, что создание TrueNorth привело к полной переоценке возможностей имитирующих мозг компьютеров с точки зрения размеров, архитектуры, эффективности, масштабируемости и методов проектирования микросхем.


____Нельзя сказать, что проектирование и тестирование TrueNorth было простой задачей. Беспрецедентные размеры микросхемы, нетрадиционная архитектура, новая гибридная методология синхронно-асинхронных цепей и новый незнакомый технологический процесс требовали специальных подходов при разработке, верификации и методах тестирования, основанных на новаторстве, командной работе и управлении проектом на самом высоком уровне. Важнейшим элементом была функциональная эквивалентность «один-к-одному» между TrueNorth и нашим программным симулятором Compass. Эта эквивалентность позволила нам приступить к разработке приложений задолго до того, как микросхемы пришли с фабрики, а также позволила проверить правильность работы логики процессора.

____Исчерпав все доступные средства и инструменты проверки микросхемы до ее производства, чтобы убедиться, что ни один камень не остался не перевернутым, я даже предложил бутылку шампанского за $1000 тому, кто найдет хоть одну ошибку. Не было найдено ни одной. Не была найдено и год спустя после того, как процессор прошел все тесты, после чего мы были уже точно уверены, что фатальные ошибки отсутствуют. Мое шампанское было спасено!


____Проект просто не смог бы состояться без новаторского духа и огромной преданности ядра нашей команды, предоставившей важнейшие инструменты проектирования асинхронных схем, которые мы совместно совершенствовали в ходе работы над проектом. Ключевое значение имело сотрудничество с Samsung, благодаря которому мы получили доступ к их передовому производственному процессу 28 нм, позволившему выдержать ограничения по активной мощности, заложенные в архитектуру TrueNorth. Я безмерно благодарен более чем двумстам нашим сотрудникам, с 2008 года работающим в лабораториях и на фабриках IBM, в пяти университетах, одном стартапе и двух лабораториях Министерства энергетики. И, наконец, очень важной была поддержка, в том числе материальная, оказанная нам со стороны DARPA.


Дальнейшие шаги.

____Давайте проясним: мы не создали мозг, или некое его подобие. Мы создали компьютер, идею которого нам подсказало строение мозга. Входы и выходы этого компьютера представляют собой спайки (кратковременные колебания потенциала). Функционально он преобразует пространственно-временной поток входных спайков в пространственно-временной поток выходных спайков.

____Если бы было возможно визуализировать активность одного миллиона нейронов в TrueNorth, мы увидели бы что-то похожее на ночной городской пейзаж с мерцающими огнями. С учетом этой нетрадиционной вычислительной парадигмы, компиляция кода C++ в TrueNorth напоминала использование молотка для закручивания винта. В результате, чтобы получить возможность полноценного использования TrueNorth, мы разработали целую экосистему в комплекте с новым симулятором, новым языком программирования, интегрированной средой программирования, новыми библиотеками, новыми (и старыми) алгоритмами, а также с приложениями и новым учебным планом (любовно названным «SyNAPSE University»). Назначение экосистемы – значительно увеличить производительность труда программиста. Образно, если TrueNorth – это ENIAC, то наша экосистема соответствует языку FORTRAN.

____Мы работаем в лихорадочном темпе, чтобы сделать экосистему максимально доступной для сотрудников IBM, университетов, деловых партнеров, стартапов и клиентов. В сотрудничестве с международным научным сообществом, за счет использования экосистемы, мы предвидим возможность эффективным образом сопоставлять существующее тело алгоритмов нейронных сетей с архитектурой, а также быть в состоянии представлять себе и придумывать совершенно новые алгоритмы.


____В целях поддержки этих алгоритмов при постоянно разрастающихся масштабах оборудования микросхемы TrueNorth могут быть легко соединены друг с другом для создания огромных масштабируемых нейроморфных систем. В сущности, мы уже построили системы с 16 миллионами нейронов и 4 миллиардами синапсов. Теперь мы поставили перед собой амбициозную цель – интегрировать 4096 микросхем с 4 миллиардами нейронов и 1 триллионом синапсов в одну стойку, которая будет потреблять примерно 4 кВт.

____Такая архитектура, способная решать широкий класс проблем, связанных с задачами машинного зрения, слуха и многосенсорного восприятия, имеет потенциал коренного преобразования компьютерной индустрии благодаря интеграции возможностей, подобных возможностям мозга, в устройства, где вычисления ограничивается мощностью и скоростью. Эти системы могут эффективно обрабатывать в реальном времени многомерные, зашумленные данные с датчиков, потребляя при этом энергии на несколько порядков меньше, чем обычные компьютерные архитектуры.

____С одной стороны, TrueNorth будет применяться в портативных устройствах: смартфонах, сенсорных сетях, беспилотных автомобилях, роботах, системах общественной безопасности, приборах медицинской визуализации, устройствах анализа видео в режиме реального времени, в обработке сигналов, в приборах обнаружения запахов и в цифровой патологии. С другой стороны – в синаптических суперкомпьютерах для облачной обработки мультимедийных данных. Кроме того, наш чип может использоваться в сочетании с другими когнитивными компьютерными технологиями для создания систем, способных обучаться, рассуждать и помогать человеку принимать более обоснованные решения. Мы надеемся, что со временем SyNAPSE станет неотъемлемой составной частью проекта Watson компании IBM.


____Мы работаем совместно с iniLabs, создателем ретинальной камеры DVS, напрямую формирующей спайки, являющиеся естественными входами для TrueNorth. Интегрировав эти два устройства, мы начали изучение сквозной системы машинного зрения с крайне малым энергопотреблением.

____Если о сегодняшних фон неймановских компьютерах мы думаем как о «левом полушарии мозга» – быстрых, оперирующих символами и цифрами калькуляторах, тогда TrueNorth можно уподобить «правому полушарию» – медленным, сенсорным, распознающим образы машинам.

____Мы планируем дополнить наши нейросинаптические ядра синаптической пластичностью, чтобы создать новое поколение нейросинаптических компьютеров, адаптирующихся к условиям эксплуатации и способных к онлайн-обучению.

____Я не был там, где представляли ENIAC, но у меня есть четкое ощущение, что мы находимся в подобной поворотной точке истории вычислительной техники. Технологические и практические возможности огромны и могут затронуть каждую область науки, техники, бизнеса, правительства и общества. Я настроен оптимистично в отношении того, что непреходящая ценность нашей работы позволит совершенно по-новому взглянуть на сущность компьютерных вычислений. Это, я считаю, породит мощный дух творчества в университетах, стартапах, технологических компаниях и профессиональных сообществах бесчисленных областей знаний.

____Но мы еще не там. В самом деле, ведь TrueNorth – это направление движения, а не пункт назначения! Конечной целью является создание интеллектуальных машин, которые позволят планете познавать и трансформируют все отрасли промышленности. Захватывающе!


Dharmendra S. Modha





источник

.
.




Формализованный язык, описываемый в настоящей работе, был первоначально задуман как метаязык для формального описания семантики алгоритмических языков и поэтому получил название метаалгоритмического. Первый вариант метаалгоритмического языка описан в [1].

[1] В. Ф. Турчин, Метаязык для формального описания алгоритмических языков, сб. "Цифровая вычислительная техника и программирование", изд-во "Советское радио", М. - Л., 1966г.

В дальнейшем язык был значительно усовершенствован, хотя основные идеи остались прежними. В статье дано формальное описание метаалгоритмического языка в его окончательном виде; необходимо, однако, вначале коснуться целей создания этого языка и наметить пути их достижения...


Скачать

MultiNeuron - Neural Networks Simulator For Medical, Physiological, and Psychological Applications
A. N. Gorban, D. A. Rossiyev, M. G. Dorrer
Computing Center Russian Academy of Sciences,
Krasnoyarsk State Medical Academy
Krasnoyarsk State Technical Academy




Скачать