Iii республикалық студенттік ғылыми-практикалық конференциясының баяндамалар жинағЫ

После нескольких лет эволюции GPU способен обеспечить терафлопы производительности при проведении вычислений с плавающей запятой. Главным успехом GPGPU в течение последних нескольких лет стала простота программирования соответствующей модели параллельных вычислений. Благодаря данной модели программирования разработчики могут изменить свои приложения и перенаправить обработку требовательных к ресурсам блоков программ на GPU. Остальная часть приложения выполняется на CPU. Для переноса функции программы на GPU требуется изменение кода функции для включения возможностей параллелизма и добавление ключевых слов «C», позволяющее перенос данных с и на GPU. Задача разработчика – задействовать десятки тысяч потоков одновременно. Аппаратное обеспечение GPU контролирует и планирует потоки. Современные ускорители предлагают впечатляющие возможности по обработке изображений, однако они могут использоваться и для решения других задач, даже не имеющих прямого отношения к графике.

Существует масса проблем и ограничений при разработке программ для видеоадаптера (так называемых шейдеров) по сравнению с приложениями для традиционных архитектур. Так, например, все современные видеоадаптеры не разрешают рекурсивные вызовы функций, имеют ограничение на глубину вложенных условных операторов (if) и число итераций циклов. И, конечно, сама модель программирования отличается своей спецификой: любая задача, которую требуется решить на видеопроцессоре, должна быть сформулирована как задача растеризации. Несмотря на это, решение задачи на видеопроцессоре имеет свои преимущества перед традиционной реализацией с использованием центрального процессора.

Во-первых, при решении некоторой задачи на видеокарте (если, конечно, это не видеоигра или сложная система трехмерного моделирования) центральный процессор остается незагруженным и может использоваться для выполнения других полезных задач. Во-вторых, определенный класс задач может быть решен на видеопроцессоре значительно быстрее, чем на центральном процессоре (задача трассировки лучей). Современные видеоадаптеры представляют собой массивно-параллельные процессоры для обработки вещественных чисел в формате с плавающей запятой и содержат сотни (!) независимых шейдерных процессоров[1]. Таким образом, для решения на видеоадаптере подходят задачи, требующие большого числа схожих вычислений, которые могут быть выполнены независимо.

Последние поколения графической аппаратуры полностью поддерживают 32-битные числа с плавающей точкой стандарта IEEE-754, что вполне достаточно для многих задач. Поддержка вещественных чисел двойной точности планируется в ближайшем будущем.

Для разъяснения принципов организации вычислений на видеоадаптерах обратимся, например, к задаче сложения двух матриц большой размерности. А именно, пусть A и B - матрицы размера n х m и требуется вычислить матрицу C = A + B. Вполне очевидно, что матрицы A и B легко представить в виде прямоугольных текстур размера n х m в формате с плавающей точкой (такие текстуры уже несколько лет поддерживаются аппаратурой).

Все вычисления выполняются во фрагментном шейдере. На вход фрагментного шейдера поступают координаты обрабатываемого пикселя (обычно они отнормированы и принимают значение в промежутке [0,1]), которые можно интерпретировать как координаты соответствующего элемента матрицы. Кроме того, шейдер имеет доступ к текстурам (которые используются для хранения матриц A и B). Таким образом, в качестве цвета шейдер может вернуть сумму выборок из текстур с матрицами A и B. Важно отметить, что если рендеринг производится в текстуру в формате с плавающей точкой, то рассчитанные фрагментным шейдером компоненты цвета пикселя не усекаются по отрезку [0,1]. Иными словами, в качестве цвета можно возвращать произвольный четырехкомпонентный вещественный вектор.

Рисунок 2. Все полезные вычисления выполняются во фрагментном шейдере

Заключительный этап решения задачи состоит в загрузке результирующей текстуры из памяти видеоадаптера в память центрального процессора (это действие является "бутылочным горлышком" многих задач, т.к. сильно нагружает системную шину) и чтении данной текстуры в массив вещественных чисел (в нем и будут храниться значения вычисленной матрицы C). Подводя итоги, можно сказать, что задачу сложения матриц можно неплохо приспособить к архитектуре графического адаптера. Это объясняет тот факт, что одними из первых задач общего назначения, которые были решены на видеоадаптере, были задачи сложения и умножения матриц, а также всевозможные действия над векторами.

Мелкоструктурный параллелизм в подзадачах заключается в том, что каждую подзадачу можно решать сообща.

1. 
   General-Purpose Computation Using Graphics Hardware
   

2. 
   Расширение ARB_texture_float.
   

3. 
   www.thg.ru/graphic/nvidia_cuda/index.html
   

Жоба мақсаты: «Есептеу техникасы» кафедрасының сайтын жасау арқылы кафедра жұмысын ұйымдастыруды тиімділеу.

Жобаны жүзеге асыру міндеттері: студенттер мен оқытушылар арасында сайт арқылы жылдам байланыс орнату, студенттердің оқу материалын қолдануын қамтамасыз ету; оқу үлгерімін бақылауға болатын студенттердің электронды деректер базасын құру; кафедра жұмысы туралы ақпаратпен қамтамасыз ету.

Көтерілген мәселелер:

- факультет ішіндегі ұйымдастыру жұмысындағы бірыңғай жүйенің қалыптаспауы;

- оқытушыларды жалықтыратын қағаз жұмысы;

- студенттер мен оқытушылар арасындағы өзара байланыстың аздығы, сонымен қатар студенттердің үлгерімі туралы ата-аналардың керекті мөлшерде ақпарат алмауы;

- ақпараттық технологиялар саласындағы жаңа мақалаларға, жаңалықтарға және кітапханаға арналған ақпараттың таралмауы;

Мәселені шешу:

- Web-сайт жасаудың қазіргі заманғы технологияларын меңгеру;

- Web-қосымшалардың көмегімен кез келген уақытта оқытушылар мен студенттер арасында өзара байланысты жүзеге асыру;

- Кафедра Web-сайты арқылы оқу процессін, кафедра жұмысын ұйымдастыруға қатысты қолжетімді ақпаратпен қамтамасыз ету;

- әрбір студенттің қауіпсіз авторизациялануы;

- студенттерді оқу материалымен қамтамасыз ету;

- әр студенттің емтихандар мен рейтинг бағаларын қабылдап отыруы, бұл ақпараттың ата-аналарға сайт арқылы қол жетімді болуы;

Қазіргі уақытта әлемде көптеген ақпараттық көздер бар, ал оларды сақтаудың басты құралы деректер базасын басқару жүйесі болып табылады. Алайда көптеген деректер базасындағы ақпараттың ашықтығы қарапайым пайдаланушы үшін деректерге физикалық қосылудың оңайлығын білдірмейді, себебі бұл үшін сәйкес деректер базасын басқару жүйесіне тек физикалық кіру ғана емес, сонымен қатар қолданылатын деректер модель туралы білім, деректер базасының схемасы, сұраныстар тілімен пайдалану қабілеті болу керек.[2] Сондықтан бүгін берілген деректер базасына тиімді қосылу мәселесі көптеген ұйымдар, компаниялар, ғылыми орындар үшін маңызды болып қалады, және оның шешімі Web-технологияны қолдану аясында қарастырылады.

Ұсынып отырған жобада есептеу техникасы кафедрасының сайты өңделген. Бұл сайтта оқытушылар, бакалавриатта, магистратурада білім алушылар және Phd.докторанттар кез келген уақытында оқу мәселесіне қатысты төмендегідей ақпаратты ала алады:

• 
  Сабақ кестесі;
  
• 
  СМӨЖ тапсырмалары;
  
• 
  Ақпараттық технологиялар саласындағы соңғы жаңалықтар, мақалалар және материалдар;
  
• 
  Тіпті ұлттық тәрбиеге арналған ақпарат;
  
• 
  Кафедра жаңалықтары, хабарландырулар тақтасы;
  
• 
  Кафедраның мәдени, ғылыми, оқу бағыттары бойынша жұмыстарымен хабардар ету;
  

Жобада тек Web-сайтпен ғана емес, деректер базасымен жұмыс істеу жоспарланды, яғни Web-сайт пен деректер базасының байланысы жүзеге асты. Сонымен қатар Web-сервердің сыртқы қолданбалы программалармен өзара әрекеттесуі үшін Common Gateway Interface интерфейсінің спецификациясы қолданылды.

1-сурет. CGI-скриптінің өзара әректеттесу схемасы

2-сурет. CGI-шлюз өзара әрекеттесу схемасы

Қорытындылай келе, жаңа технологиялар арқылы Web-қолданбаларды кез келген ұйымның жұмысына лайықтап ұйымдастыруға болады. Ал ұсынылып отырған жоба кафедраның оқу процессін, мәдени, ғылыми, оқу бағыттары бойынша жұмыстарын оңайлатуы, тиімділеуі анық.

1. 
   Разработка Web-приложений на PHP и MySQL – Лаура Томсон, Люк Веллинг, 2003, Москва
   
2. 
   Самоучитель PHP – Д.Н.Колисниченко, 2004, Санкт Петербург
   
3. 
   http://citforum.ru/database/postgres95/index.shtml
   
4. 
   www.intuit.ru
   

УДК 336.6

В этой статье будет рассмотрена новая мощная технология - нечеткая логика. Системы, которые основаны на нечеткой логике, разработаны и успешно внедрены в таких областях, как управление технологическими процессами, управление транспортом, медицинская диагностика, техническая диагностика, финансовый менеджмент, биржевое прогнозирование, распознавание образов. Спектр приложений очень широкий - от видеокамер и бытовых стиральных машин до средств наведения ракет ПВО и управления боевыми вертолетами. Практический опыт разработки систем нечеткого логического вывода свидетельствует, что сроки и стоимость их проектирования значительно меньше, чем при использовании традиционного математического аппарата, при этом обеспечивается требуемый уровень прозрачности моделей.

Нечеткая логика (fuzzy logic) и математическая теория нечетких множеств (fuzzy sets) являются обобщениями классической формальной логики и классической теории множеств. Данные понятия были впервые предложены американским ученым Лотфи Заде (Lotfi Zadeh) в 1965 г. Основной причиной появления новой теории стало наличие нечетких и приближенных рассуждений при описании человеком процессов, систем, объектов.

Прежде чем нечеткий подход к моделированию сложных систем получил признание во всем мире, прошло не одно десятилетие с момента зарождения теории нечетких множеств. И на этом пути развития нечетких систем принято выделять три периода.

Первый период (конец 60-х – начало 70 гг.) характеризуется развитием теоретического аппарата нечетких множеств (Л. Заде, Э. Мамдани, Беллман). Во втором периоде (70–80-е годы) появляются первые практические результаты в области нечеткого управления сложными техническими системами (парогенератор с нечетким управлением). Одновременно стало уделяться внимание вопросам построения экспертных систем, построенных на нечеткой логике, разработке нечетких контроллеров. Нечеткие экспертные системы для поддержки принятия решений находят широкое применение в медицине и экономике. Наконец, в третьем периоде, который длится с конца 80-х годов и продолжается в настоящее время, появляются пакеты программ для построения нечетких экспертных систем, а области применения нечеткой логики заметно расширяются. Она применяется в автомобильной, аэрокосмической и транспортной промышленности, в области изделий бытовой техники, в сфере финансов, анализа и принятия управленческих решений и многих других.

Триумфальное шествие нечеткой логики по миру началось после доказательства в конце 80-х Бартоломеем Коско знаменитой теоремы FAT (Fuzzy Approximation Theorem). В бизнесе и финансах нечеткая логика получила признание после того как в 1988 году экспертная система на основе нечетких правил для прогнозирования финансовых индикаторов единственная предсказала биржевой крах. И количество успешных фаззи-применений в настоящее время исчисляется тысячами. [2]

Что же касается 90-х годов, то у западных и американских исследователей они прошли под девизом - гибридизация методов интеллектуальной обработки информации. В результате объединения нескольких технологий искусственного интеллекта появился специальный термин – ‘мягкие вычисления’ (soft computing), который ввел Л. Заде в 1994 году. В настоящее время мягкие вычисления объединяют такие области как: вероятностные рассуждения, нечеткая логика, искусственные нейронные сети и эволюционные алгоритмы. Они дополняют друг друга и используются в различных комбинациях для создания гибридных интеллектуальных систем.

Осложненные условия эксплуатации современных технологических комплексов приводят к необходимости учета в процессе контроля и управления некоторых видов неопределенности. Согласно работе М. Блэка, неопределенность имеет место, когда универсальное множество состоит более чем из одной точки. Если для этих элементов множества заданы соответствующие вероятности или другие вероятностные характеристики, то имеет место вероятностная неопределенность. Если известны только граничные элементы множества - интервальная неопределенность. И, наконец, при задании для каждого элемента множества соответствующей степени принадлежности - нечеткость.

Неопределенность можно проклассифицировать по степени неопределенности (полная определенность, вероятностная, лингвистическая, интервальная, полная неопределенность), по характеру неопределенности (параметрическая, структурная, ситуационная) и по использованию получаемой в ходе управления информации (устранимая и неустранимая).

Для широкого класса задач априорная неопределенность может быть сведена к параметрической, когда вероятностные законы распределения для исследуемых ситуаций, величин и наблюдаемых процессов известны с точностью до конечного числа параметров.

В теории управления с неполной информацией важное место принадлежит задачам, в которых неизвестные параметры объекта управления заданы с точностью до априорных оценок, а процессы управления и идентификации должны происходить одновременно.

Последнее обстоятельство привело к появлению теории дуального управления, где, как правило, неизвестным параметрам приписываются вероятностные распределения, заданные с точностью до априорных оценок случайных величин.

Многие современные задачи управления просто не могут быть решены классическими методами из-за очень большой сложности математических моделей, их описывающих.

Классические методы управления хорошо работают при полностью детерминированном объекте управления и детерминированной среде, а для систем с неполной информацией и высокой сложностью объекта управления оптимальными являются нечеткие методы управления.

Таким образом, влияние нечеткой логики оказалось, пожалуй, самым обширным. Подобно тому, как нечеткие множества расширили рамки классической математическую теорию множеств, нечеткая логика ‘вторглась’ практически в большинство методов Data Mining, наделив их новой функциональностью.
Литература

1. 
   Лекция Президента Республики Казахстан Н.А.Назарбаева в Евразийском Национальном Университете имени Л.Н.Гумилева, май 2006г.
   
2. 
   Николай Паклин. Нечеткая логика - математические основы. www.basegroup.ru
   

УДК 004.432