Глава
Methodology of Mean Shift Clustering Algorithm Implementation Based on Dataflow Computer
В статье описаны принципы математического и имитационного моделирования разработанных в МИЭМ НИУ ВШЭ атрибутной (А) и объектно-атрибутной (ОА) архитектур вычислительных систем (ВС), реализующих принцип управления вычислениями с помощью потока данных (dataflow-парадигма), и результаты имитационного моделирования dataflow-ВС, полученные в рамках выполнения НИР по разработке и моделированию архитектуры суперкомпьютерной dataflow-ВС. Для математического моделирования dataflow-ВС был значительно переработан аппарат сетей Петри с тем, чтобы приспособить его к моделированию вычислительных систем с управлением потоком данных. В результате переработки был предложен новый формализм А-сетей (атрибутных сетей). Для имитационного моделирования dataflow-ВС была разработана среда программирования и имитационного моделирования, основанная на формальном аппарате А-сетей. С использованием разработанной среды было проведено имитационное моделирования ОА-суперкомпьютерной системы.
Статья посвящена описанию применения разработанной в МИЭМ объектно-атрибутной архитектуры вычислительной системы для реализации система искусственного интеллекта.
Проблема создания интеллектуальных систем чрезвычайно актуальная в наше время, однако до сих пор не было предложено достаточно эффективного способа построения подобных систем. Все существующие способы (фреймовые системы, нейронные сети, объектно-ориентированное программирование, нейронные сети, семантические сети) не обладают достаточной гибкостью или не обеспечивают достаточную абстракцию данных, необходимую для подобных задач. Объектно-атрибутная же архитектура обладает всеми необходимыми качествами для создания интеллектуальных систем: абстракция данных, гибкость организации вычислительного процесса, изоморфизм данных и программы, высокий параллелизм вычислений и т.д.
Также в статье приведен пример объектно-атрибутной программы, предназначенной для смыслового распознания текста. В данном примере приведены необходимые для организации функциональные устройства (ФУ): в объектно-атрибутная архитектуре алгоритм задается не как последовательность выполняемых команд, а как описание обмена информацией между ФУ (концепция, управления вычислительным процессом потоком данных (dataflow)). В статье также описывается синтез абстрактных данных от простого к сложному, происходящий в ОА-вычислительной системе.
A methodology is presented for data-driven distributed application development. It is based on proprietary object-attribute model of the computational process and data organization, which allows for modeling parallel processes according to the dataflow computation principle and for synthesis and modification data structures durectly in the simuklation process. We propose a new formalization framework for specification and analysis of dataflow applications that combines the object-attribute approach to describe the data synthesis and modifications, the KPN to describe the parallel dataflow computational process, and the theory of automatons to describe the operation of separate FUs in application. The proposed methodology is realized as an object-attribute programming and simulation environment shich is based and built upon a proprietary object-attribute parallel programming language.
В статье представлены основные элементы разрабатываемого формального аппарата для описания и анализа вычислительных систем и приложений, создаваемых в dataflow-парадигме организации вычислительного процесса. Модель пригодна для описания распределенных вычислительных систем, систем с общей памятью, подходит для описания структурированных типов данных, пригодна для описаная параллельного вычислительного процесса в системе с упавлением потоком данных. Основой формального аппарата для описания вычислительного процесса в dataflow-системе послужили теория конечных автоматов и процессная сеть Кана.
The applications of systems for spatiotemporal relations representation and reasoning range from natural language processing to computer vision and robotics. Our most recent research is concerned with a problem of specifying and modeling spatiotemporal and cause-effect relations between objects in a real physical environment. We propose a method based on defining environmental database as a network (graph) model which originates from the object-attribute (OA) dataflow computing architecture and is similar to a frame knowledge representation scheme. In this paper, we propose a pseudo-physical database architecture which integrates spatiotemporal aspects of the application domain and provides support for reasoning with an OA-grammar of the graph transformation system, a proprietary calculus for spatial reasoning, and an OA-language. A prototype of the OA-DB has been implemented and used to model an application domain-Natural Language Processing.