Обобщенная модель вычислений кластера нейрокомпьютеров

Тип работы:
Реферат
Предмет:
Физико-математические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 004. 75, 004. 272. 45
В. Н. Ручкин, В. А. Романчук, В.В. Лукашенко
ОБОБЩЕННАЯ МОДЕЛЬ ВЫЧИСЛЕНИЙ КЛАСТЕРА НЕЙРОКОМПЬЮТЕРОВ
В статье рассматривается обобщенная модель вычислений кластера, рабочие узлы (машины) которого работают на базе нейропроцессоров. Данная работа выполнена в рамках гранта РФФИ 14−07−261 «Кластеризация и организация облачных и распределенных вычислительных систем на базе нейропроцессоров».
Кластеризация, нейропроцессорные технологии, распределенные вычисления.
В общем виде любая задача, поступившая для выполнения в кластер, может быть представлена в виде алгоритма — последовательности машинных команд и данных [4]. Известно, что нейрокомпьютерные системы, осуществляя
© Ручкин В. Н., Романчук В. А., Лукашенко В. В., 2015 г^нты тоторью м°жн° сгруппир°-вать по классам эквивалентности и в зависимости от решения этой задачи формируют оптимальную структуру обработки [2]. Данный принцип был перенесен на распределенную структуру типа кластер, вычислительными узлами которого являются нейрокомпьютерные модули. В предлагаемой нами модели распределенный вычислительный кластер виртуализован до абстрактной вычислительной машины с пулом ресурсов, как описано в работе [1].
В основе предлагаемой модели вычислений кластера нейрокомпьютеров лежит функциональный принцип, согласно которому главную роль играет множество операций, выполняемых на процессорных модулях распределенной вычислительной системы нейрокомпьютеров.
Операции (О) — это последовательность действий в алгоритме:
O = {0″ 02,…, 0, ,… Д,}.
В результате анализа алгоритма, поступившего в кластер, необходимо выбрать оптимальную структуру обработки. Множество возможных структур представим как S = S2,…, Si… }, где Si — конвейер, вектор или их сочетание в виде комбинаций конвейерно-векторной, или векторно-конвейерной, или матричной и других структур.
Проектируемая структура должна выполнять заданный список операций под управлением алгоритма.
Алгоритм (А) — упорядоченная последовательность введенных операций или действий. Такая последовательность называется кортежем, А = {01,02,…, 0Ы}, под
которым понимается конечный ряд операций 01, определяемых согласно следующему выражению:
л (1) = {О1,Од,…, ОЬ, 02, О1,…, Ог}длиной| Л (1) |.
Структура распределенного нейрокомпьютерного подкластера рассматривается на уровне устройств. Поэтому на первом этапе определяется элементная база. Решение такой задачи математически сводится к нахождению отображения
О, ^ [ЫКт}-Ут = 1, Кт- V/ = 1, Ь, (1)
где под множеством команд МК = {МК1, МК2,…, МКт } конкретного комплекта СБИС подразумевается внутренний язык вычислительной системы- МКт —
минимальное количество команд, реализующее операцию О1.
Вопрос выбора элементной базы вычислительных машин в виде конечных узлов вычислительного кластера рассмотрен выше.
На следующем этапе в зависимости от решения задачи проектирования (1)
каждому 1 -му алгоритму обработки ставится в соответствие программа обработки PR (1) посредством определяемого отображения:
А (1) ^ РЯ (1), 1 = 1, N.
(2)
Под программой обработки информации РЯ (1) понимается кортеж команд РЯ (1) = {МК1,МК2,…, MKi,…, МКМ}. При этом характеристиками рассматриваемой программы РЯ (1)
РЯ1) ^ (РЯ1), Т (1), Хш (1)) (3)
являются длина программы | РЯ (1) |, определяемая как число макрокоманд, входящих в программу, частота повторения макрокоманд Хт (), т = 1, М, и время выполнения программы Т = ^ ХШ1т, где 1ш — время выполнения ш -й команды.
т=1
В результате решения задачи (2) определяется программа обработки однопроцессорного варианта нейрокомпьютера, что соответствует централизованной структуре обработки информации. Для решения задачи в распределенной вычислительной системе введем понятие структуры S, которую будем понимать как отношение параллельности выполнения подпрограмм ЯО/, ЯОк двумя раз-
личными процессорными модулями: R0/SwR0k- R0l, R0k е PR. Отношение
параллельности понимается как выполнение одновременно двух и более подпрограмм на разных вычислительных машинах кластера.
Тогда на третьем этапе проектирования определяется множество всевозможных структур Sw е S, позволяющих некоторой j -й программе обработки
РЯ поставить в соответствие множество подпрограмм R0i:
Sw е S: РЯ ^ {Я0г }- У г = 1,/-= 1, Ж. (4)
В результате решение задачи (4) определяет технические затраты Q (^w), такие как требуемое число нейрокомпьютеров кластера, программные затраты R (iw), суммарный набор макрокоманд для каждой программы:
Я (^) =у & quot- МК (-)
?-ч=1 /=1 /
На четвертом этапе осуществляется оптимальный выбор вычислительной структуры для последующей реструктуризации вычислительного кластера или его части из пула виртуализованных ресурсов. Формирование оптимальной структуры также осложнено возможной стратегией проектирования, включающей в себя минимум аппаратных и программных средств и удовлетворяющей требованиям по производительности. Алгоритм разбиения поступившей для выполнения в вычислительный кластер задачи на подзадачи, а также задачи выбора оптимальной структуры кластера по заданной стратегии в рамках данной работы не рассматривается.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. Лукашенко, В. В. Разработка математической модели реструктуризуемого под классы задач виртуализуемого кластера вычислительной grid-системы на базе нейропроцес-соров [Текст] / В. В. Лукашенко, В. А. Романчук // Вестник Рязанского государственного университета имени С. А. Есенина: науч. журнал. — 2014. — № 1/42. — С. 176−181.
2. Романчук, В. А. Разработка модели сложной нейропроцессорной системы [Текст] / В. А. Романчук, В. Н. Ручкин, В. А. Фулин // Цифровая обработка сигналов. — Рязань: Информационные технологии, 2012. — № 4. — С. 70−74.
3. Ручкин, В. Н. Когнитология и искусственный интеллект [Текст] / В. Н. Ручкин, В. А. Романчук, В. А. Фулин. — Рязань: Узорочье, 2012. — 260 с.
4. Ручкин, В. Н. Архитектура компьютерных сетей [Текст] / В. Н. Ручкин, В. А. Фулин // Диалог-МИФИ. — М., 2008. — С. 238.
5. Ручкин, В. Н. Проектирование и выбор специализированных средств обработки информации [Текст] / Московский государственный открытый университет. — М., 1997. — 120 с.
6. Foster, I. The anatomy of the GRID [Text] / I. Foster, C. Kesselman, S. Tuecke // International Journal of High Performance Computing Applications. — 2001. — № 3/15. — P. 200−222.
REFERENCES
1. Foster, I. The anatomy of the GRID [Text] / I. Foster, C. Kesselman, S. Tuecke // International Journal of High Performance Computing Applications. — 2001. — № 3/15. — P. 200−222.
2. Lukashenko, V.V. Razrabotka matematicheskoy modeli restrukturizuyemogo pod klassy zadach virtualizuyemogo klastera vychislitel'-noy grid-sistemy na baze neyroprotsessorov [Development of Mathematical Model of restructured under the classes of problems virtualizue-mogo cluster computing grid-based systems neuroprocessors] / V.V. Lukashenko, V.A. Roman-chuk // Bulletin of the Ryazan State University named after S. A. Yessenin: science magazine. — 2014. — № 1/42. — P. 176−181.
3. Romanchuk, V.A. Razrabotka modeli slozhnoy neyroprotsessornoy sistemy [The development model of a complex system neuroprocessor] / V.A. Romanchuk, V.N. Ruchkin, V.A. Fulin // Digital signal processing. — Ryazan: Information Technology, 2012. — № 4. — P. 70−74.
4. Ruchkin, V.N. Kognitologiya i iskusstvennyy intellekt [Cognitive science and artificial intelligence] / V.N. Ruchkin, V.A. Romanchuk, V.A. Fulin. — Ryazan: Uzorochye, 2012. — 260 p.
5. Ruchkin, V.N. Arkhitektura komp'-yuternykh setey [Architecture of computer networks] / V.N. Ruchkin, V.A. Fulin // Dialog-MIFI. — Moscow, 2008. — P. 238.
6. Ruchkin, V.N. Proyektirovaniye i vybor spetsializirovannykh sredstv obrabotki in-formatsii [Design and selection of specialized information processing facilities] / Moscow State Open University. — Moscow, 1997. — 120 p.
V.N. Ruchkin, V.A. Romanchuck, V.V. Lukashenko
A GENERALIZED MODEL OF NEUROCOMPUTER CLUSTERS
The paper presents a generalized model for computing clusters, the production nodes of which function on the basis of neuroprocessors. The research is supported by RFFI grant 14−07−261 & quot-The Formation of Cloud System and Distributed Computer System Based on Neuroprocessor& quot-.
Cluster formation, neuroprocessor technologies, distributed computing.

ПоказатьСвернуть
Заполнить форму текущей работой