Пошук академічних текстів

Інформація × Реєстраційний номер 0826U001406, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 24-06-2026 Статус Запланована Назва роботи Метод емуляції цифрових логічних компонент дискретним перцептроном Здобувач Яковин Сергій Васильович, Керівник Мельничук Степан Іванович Опонент Кривенчук Юрій Павлович Опонент Возна Наталія Ярославівна Рецензент Шекета Василь Іванович Рецензент Піх Володимир Ярославович Опис Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 123 – Комп’ютерна інженерія. – Івано-Франківський національний технічний університет нафти і газу, Івано-Франківськ, 2026. У дисертаційній роботі вирішена науково-практична задача, що пов’язана із розробкою нових структурних рішень компонентів нейронних мереж. Важливим аспектом отриманих результатів є перспективи реалізації штучних нейронних мереж на платформах з обмеженими обчислювальними ресурсами. У вступі обґрунтовано актуальність задач дослідження перцептронних структур як базових компонентів нейронних мереж, зокрема в частині їх імплементації в дискретному базисі, з метою зниження обчислювальних затрат, сформульовано мету та поставлено основні завдання обраного напрямку дослідження; визначено об’єкт та предмет дослідження; вказано наукову новизну та практичне значення отриманих результатів, подано відомості про кількість публікацій автора та ступінь апробації роботи. У першому розділі проаналізовано сучасний стан розвитку та впровадження перцептронних структур у комп’ютерних системах за яким показано, що класичні перцептрони реалізуються через операції згортки чи кореляції, внаслідок чого мають обмежену виразну здатність і не можуть розпізнавати лінійно-нероздільні шаблони. Розглянуто сучасні підходи до побудови активаційних функцій. Встановлено, що існує чіткий зв’язок між кількістю вхідних параметрів булевої функції та мінімально необхідною кількістю вагових коефіцієнтів у перцептронній структурі, що дозволяє оцінювати її компонентну складність та реалізувати їх точну емуляцію з мінімальними ресурсами. Запропоновано вдосконалення реалізації класичного перцептрону при якому замість зваженого сумування використовується оцінка інформаційної ентропії, що дозволяє емулювати повний набір логічних функцій одним перцептроном. Означено перспективи подальшого розвитку перцептронних структур, зокрема з використанням різних інформаційних мір, що є інваріантні до інверсії бінарних сигналів і менш чутливі до шумів. У другому розділі вперше запропоновано реалізацію дискретного перцептрону на основі імовірнісних оцінок зміщених синаптичних сигналів, що дозволяє перейти до дискретного базису, а також уникнути операцій множення та спростити апаратну реалізацію. Розроблена структура визначає рівень активації перцептрону за кількістю унікальних станів зміщених синаптичних сигналів, що реалізує ентропійну оцінку за спрощеною формулою Хартлі без використання логарифмічної функції. Досліджено можливості емуляції логічних функцій на основі запропонованого перцептрону, що підтверджує здатність до опрацювання лінійно-нероздільних множин, а також універсальність підходу до побудови логічних компонентів у дискретному просторі. Запропоновано метод обмеження множини рішень для дискретного перцептрона шляхом аналізу матриці кількості унікальних станів для 2-ох бінарних входів при фіксованому порозі активації, що зменшує простір пошуку до 35% від повного. Досліджено вплив вибору функції активації як операції порівнювання (>, <, =, ≠), що у поєднанні з відповідними коефіцієнтами зміщення дозволяє адаптувати перцептрон до різних типів логічних функцій та їх типових комбінацій. У третьому розділі здійснено розробку моделі дискретного перцептрона на основі багатошарової класичної нейронної мережі, що дозволяє застосувати типові методи машинного навчання нейромереж для визначення коефіцієнтів зміщення для запропонованого дискретного перцептрона. Встановлено можливість використання дискретного перцептрона як поліфункціонального логічного елементу, здатного реалізовувати широкий спектр логічних операцій, зокрема за рахунок вибору відповідної активаційної функції та коефіцієнтів зміщення. Розроблено каскадно-умовний та умовно-логічний алгоритми компоненту визначення кількості унікальних станів і на основі порівняльного аналізу встановлено, що реалізації на основі логічних функцій, замість каскадних умов, мають нижчу часову складність, дозволяють покращити ефективність схемної/програмної реалізації та масштабованість на більшу кількість входів. У четвертому розділі розроблено апаратну структуру дискретного перцептрону на два бінарні входи, що включає окремі цифрові компоненти опрацювання вхідних сигналів, порівняння проміжних результатів та агрегування. Побудовано інтегрований модуль дискретного перцептрону, який реалізує логіку класифікації за ентропійною ознакою, що забезпечує емуляцію базових логічних функцій. Розроблено модульну апаратну структуру, що підтримує імплементацію конвеєризації для підвищення тактової частоти системи. Завдяки чітко визначеним межам між блоками можливе масштабування функціоналу без зміни логічних зв’язків, що забезпечує адаптивність для складніших конфігурацій на ПЛІС. Ключові слова: перцептрон; бінарні сигнали; імовірнісні оцінки; логічні функції; дискретні сигнали; комп'ютерні компоненти; програмовані логічні інтегральні схеми (ПЛІС); нейронні мережі; машинне навчання. Дата реєстрації 2026-05-08 Додано в НРАТ 2026-05-08 Закрити