МЕТОД ПРЕОБРАЗОВАНИЯ КОДА СИСТЕМЫ ОСТАТОЧНЫХ КЛАССОВ В ПОЗИЦИОННЫЙ С КОРРЕКЦИЕЙ ОШИБОК НА ОСНОВЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

Как предложенный метод представления чисел, обеспечивающий лучшие надежностные характеристики, система остаточных классов широко применяется для синтеза отказоустойчивых модулярных нейрокомпьютеров. Однако высокая эффективность вычисления немодульных операций, являющихся ключевыми компонентами системы остаточных классов, все еще не достигнута из-за необходимости использования дорогостоящих и сложных операторов, которые требуют большого количества вычислительных ресурсов и много времени на выполнение. В данной работе рассмотрены весьма эффективные обратно конвертируемые преобразователи кода системы остаточных классов на основе искусственных нейронных сетей с расширением кодового слова по контрольным основаниям избыточной системы остаточных классов, обеспечивающие определение, местонахождение и коррекцию ошибок в модулярных конструкциях, что позволило заменить дорогостоящие операции, такие как операции вычисления проекций при использовании обобщенной позиционной системы счисления

система остаточных классов, китайская теорема об остатках, обобщенная позиционная система счисления, отказоустойчивость, искусственные нейронные сети, синдром ошибки, residue number system, Chinese remainder theorem, mixed radix conversion, failure-tolerance, artificial neural networks, error correctness

1. Omondi A., Premkumar B. Residue Number Systems: Theory and Implementation. London: Imperial College Press, 2007. 296 p.

2. Szabo N.S., Tanaka R.T. Residue arithmetic and Its Application to Computer Tecnology. McGraw-Hill, 1967.

3. Червяков Н.И. Нейрокомпьютеры и их применение: учеб. пособие для студентов по направлению подгот. бакалавров и магистров «Прикладная математика и информатика» / Н.И. Червяков [и др.]; под ред. А.И. Галушкина, Н.И. Червякова. М., 2003. Сер. кн. 11 Нейрокомпьютеры и их применение: науч. сер. Том «Нейрокомпьютеры в остаточных классах».

4. Макоха А.Н., Сахнюк П.А., Червяков Н.И. Дискретная математика: учебное пособие. М., 2005.

5. Червяков Н.И. Математическая модель нейронной сети для коррекции ошибок в непозиционном коде расширенного поля Галуа / Н.И. Червяков, И. А. Калмыков, Ю.О. Щелкунова, В.В. Бережной. URL: http://www.radiotec.ru/catalog. php?cat=jr7&art=4044.

6. Калмыков И. А. Архитектура отказоустойчивой нейронной сети для цифровой обработки сигналов / И. А. Калмыков, Н. И. Червяков, Ю. О. Щелкунова, А. А. Шилов, В. В. Бережной // Нейрокомпьютеры: разработка, применение. 2004. № 12. С. 51-60.

7. Yang L-L. And Hanzo L. Redundant Residue Number System Based Error Correction Codes. In VTC'2001. Atlantic City, USA, 07-10 Oct 2001. P. 1472-1476.

8. Goh V. T. and Siddiqi M. U. Multiple error detection and correction based on Redundant Residue Number System // IEEE Transactions on Communications. Vol. 56. 2008. № 3. P. 325-330.

9. James Jilu and Pe Ameenudeen. A novel method for error correction using Redundant Residue Number System in digital communikation systems. IEEE 2015 International Conference on Advances in Computing, Communication and Informatics (ICACCI), 2015. P. 1793-1798.

10. Nor Zaidi Haron and Said Hamdioui. Redundant Residue Number System Code for Fault-Tolerant Hybrid Memories // ACM Journal on Emerging Technologies in Computing Systems. Vol. 7. 2011. № 1. Article 4.

11. Червяков Н. И., Сахнюк П. А., Шапошников А. В. Пути эффективного использования иерархических структур фрагментов нейронных сетей ПЛИС XILINX при аппаратной реализации цифровых фильтров с параллельной обработкой данных // Нейрокомпьютеры: разработка, применение. 2001. № 10. С. 26-33.