神经计算机

神经计算机，是一种计算系统，其中硬件和软件经过优化，用于实现基于神经网络原理的问题解决算法。

神经计算机的出现主要是由于用所谓的计算机拒绝了计算机中使用的逻辑基础（AND、OR、NOT）。冯·诺依曼架构，首先在描述解决问题的算法层面，然后在计算机的基本基础层面，逐渐过渡到使用形式神经元（具有调整输入信号加权系数的相应算法）作为基本元素计算系统的一部分，在最简单的情况下对生物神经元的功能进行建模。与其他算法相比，用于解决问题的神经网络算法通过现代硬件实现提供了尽可能高水平的计算并行化。根据信号处理的方法，它们区分了数字、模拟和模拟数字神经计算机（正是神经计算机导致了信息处理回归模拟方法的趋势，这种方法具有高性能和低成本）。

神经计算机主要用于解决系统范围的问题（信号处理 - 语音、地震、雷达、水声等；图像处理 -生物识别、航空航天等；决策系统、信息安全系统的实施等）、工业任务（ 地理信息、电信、空间、导航系统、技术系统诊断等）、社会经济问题（医学、生物信息学、教育、经济学等）。 神经计算机的主要优点：计算的并行性，从而带来高性能；对基本单元参数的稳定性和准确性要求不高；具有系统大空间维度的形式神经元的抗干扰和破坏（故障）能力 （此外，可以从具有大范围参数的低可靠性元素创建稳定可靠的神经网络）。

已知的神经计算机的实现形式是一组神经芯片（数字、模拟、模拟-数字）；在硬件中实现各种物理操作原理（光学、分子、量子）的嵌入式单元；各种架构的 经典工作站或超级计算机，带有实现神经网络算法来解决问题的软件。专用神经芯片通常是在处理器矩阵（收缩处理器）的基础上实现的。这种神经芯片接近传统的 RISC 处理器。受限（精简）指令集计算机 - 具有精简指令集的计算机]并结合了一定数量的处理器元件，并且控制和附加逻辑通常建立在附加电路的基础上。神经芯片与其他处理器之间的主要区别是通过使用专门的神经网络逻辑基础或特定的架构解决方案来提供高并行性的计算。利用表示神经网络算法的能力在神经网络逻辑基础上实现是神经芯片性能大幅提升的主要前提。

还有神经信号处理器，其核心由标准数字信号处理器（DSP，数字信号处理器；英文Digital Signal Processor——DSP）组成，芯片上实现的附加逻辑保证了特征神经网络运算的性能（例如、附加矢量处理器等。）。

基于具有独立存储器的多处理器计算系统的神经计算机的体系结构建立在基本机器（EM）的基础上，通过通信网络组合成计算复合体。每个EM由中央处理器和RAM组成；由于每个处理器都有自己的内存，因此得名“具有共享 RAM 的计算复合体”。由于计算复合体由相当自主的电子设备组成，因此这种结构也可以被认为是多机计算复合体。 EM是在所谓的基础上实施的。晶片机transputer = TRANSfer（发射机）+comPUTER（计算机），由Inmos（英国）于1979年开发]。晶片机是构建多处理器系统的元件，由大规模（超大规模）集成电路（VLSI）的单芯片制成。它们出现的客观原因是能够在一个芯片中实现 16 位（后来是 32 位）微处理器、存储器和四个通道适配器（串行通信接口彼此独立运行且独立于中央处理器）。这使得通过像建筑套件一样组装计算机系统来创建计算机系统成为可能，并且首次能够选择足以满足所解决问题的复杂性的处理器数量。与 具有 2、4、8、16 个处理器（通常不再）的经典多处理器计算机相比，具有大规模并行性的计算机被理解为具有 4、8、10、16 个处理器的计算机， 32、128、256、512、1024 等，其中根据处理器数量（物理体积或成本）观察到线性（或几乎线性）性能增长的原理。此类计算机的出现与Inmos公司开发的T414晶片机有关。与传统的微处理器不同，芯片上的晶片机实现了： 32 位微处理器； 2 KB片上随机存取存储器 (RAM) ;四个通道适配器。 Inmos 花了大约五年的时间来开发下一版本的 T800 晶片机。其中引入了两个块：一个用于执行浮点运算的块； 4 KB 片上 RAM。构建超高性能计算机的晶片机思想的优势还包括开发软件、接口 VLSI 系统（通道、图形、图像输入等）、面向问题的 VLSI 系统（信号和图像处理、磁盘系统、三角函数的实现等）。接口和面向问题的晶片机 VLSI 与晶片机一样，具有使用标准通信通道的级联特性。跨计算机系统于 20 世纪 90 年xxx发，是神经计算机作为软件和硬件模拟器的最有效实现。

根据神经计算机和神经网络的架构，神经计算机按逻辑类型（数字、模拟和混合）进行分类；神经网络算法的实现类型 - 完全硬件实现以及软件和硬件实现（当神经算法存储在只读存储设备中时）；非线性变换实现的本质 - 具有刚性的神经元结构（硬件实现）和具有可定制的神经元结构（可重新编程）的神经晶体；神经网络结构的灵活性 - 具有刚性和可变的神经网络结构（即神经网络的拓扑是刚性或灵活实现的）。从构建实现的角度来看，神经计算机可以分为以卡和模块形式实现的产品以及结构自治系统。通常，以卡的形式制造的神经计算机（虚拟神经计算机）被设计用于安装在标准个人计算机的扩展槽中。另一方面，模块形式的神经计算机通过标准接口或总线连接到控制主机（主机） 。考虑到以结构自治系统的形式实现神经计算机的硬件实现方法，应该指出的是，尽管广泛使用各种高度并行的加速器来执行各种任务，但全功能神经计算机的模型数量很少，因为它们中的大多数用于特殊应用。

神经计算机的硬件开发始于 20 世纪 50 年代。并与大型计算机上的工作并行进行；由于复杂的可形式化和不可形式化问题数量的增加，神经计算机的应用范围逐渐扩大，而这些问题在经典计算机上是不可能或非常难以解决的。世界上xxx台神经计算机“MARK-1”，即感知器，诞生于 1958 年至 1960 年。美国神经生理学家F.罗森布拉特。

21世纪初。需求量xxx的是数字神经计算机，它们通过各种技术选项实现，例如基于 FPGA 的硅晶圆系统。神经网络、神经数学和神经计算机理论的发展是密切相关的。一方面，神经数学的发展促进了神经网络理论的发展，神经网络理论的发展反过来又指导了神经计算机技术的发展；另一方面，技术手段的发展水平决定了神经网络理论的发展范围；构建神经网络和神经网络算法来解决问题的可能性。 本世纪神经计算机发展的主要方向是神经芯片作为构建有前景的通用和专用计算系统的有效手段，以解决神经网络逻辑基础上的复杂问题。