Лекция 5. Тема 6. Информационные и инфокоммуникационные процессы и средства (продукты, системы, сети и технологии) сравнение информапционных и материальных средств и

Тема 6. Информационные и инфокоммуникационные процессы и
средства (продукты, системы, сети и технологии)
СРАВНЕНИЕ ИНФОРМАПЦИОННЫХ И МАТЕРИАЛЬНЫХ СРЕДСТВ И ПРОЦЕССОВ (ПРОДУКТОВ, СИСТЕМ, СЕТЕЙ, ТЕХНОЛОГИЙ)

СХОДСТВО	ОТЛИЧИЕ
1. Продукт не есть товар	1. Один материальный продукт существует в единственном экземпляре. Один информационный продукт допускает множественное существование
2. Каждая операция материального и информационного технологических процессов содержит как рабочие, так и контрольные функции	2. На выходе материального технологического процесса из объема исходного сырья (заготовки), необходимого для изготовления одного продукта, может быть получен только один такой же продукт, а на выходе информационного – много, причем одинакового или разного назначения, функций, качества и т.п.
3. Оба технологических процесса допускают распараллеливание и совмещение во времени и пространстве выполнения отдельных операций	3. Возможности одновременно совмещаемых операций в информационных технологических процессах шире и глубже, операции допускают как горизонтальное, так и вертикальное распараллеливание
4. Обращение с продуктами и способами допускает правовую охрану	4. Имеются принципиальные отличия в правовой охране объектов материальной и интеллектуальной (как продукта информационных техпроцессов) собственности, имущественных и неимущественных прав на них

Вид носителей информации	Аналоговые	Цифровые	Когнитивные (интеллектуальные 1-го типа)	Нейронные (интеллектуальные 2-го типа)
	Гибридные, комбинированные
Тип носителя (форма представления информации)	Физические сигналы	Данные, анзния, математические модели, контент	Явные знания, протознания	Неявные, неформализованные «знания», приобретенные в процессе самообучения, опыт
Принцип действия	Структурный (аппаратный, аналитический, аналоговый)	Алгоритмический	Логический, исчислительно-селективный по правилам	Структурно-логический по алгоритму (правилам) «учителя»
Вид преобразований	Непрерывные во времени, непрерывнозначные	Дискретные во времени, цифровые	Квантовые	Дискретные, операторные
Вид структуры	Жесткая	Программно-перестраиваемая	Перестраиваемая	Жесткая, перестраиваемая при обучении
Элементарные операции с операндами	Количественные	Качественные	Качественные	Количественные
Базовые информационные операции	Измерительные	Вычислительные, логические	Исчислительные выводы	Измерительно-вычислительные
Показатели качества результатов	Точность	Адекватность	Достоверность, уверенность, истинность

Разновидности технических средств информатики

Типовые структуры вычислительных машин КП–коммутационное поле; УВ–устройство ввода; ВУ–выходное устройство (устройство вывода, отображений); УУ–устройство управления; ЗУ–запоминающее устройство (ОЗУ–оперативное ЗУ, ВЗУ–внешнее ЗУ); АУ–арифметическое устройство; ИД–исходные данные; ИДП–исходные данные и программы; Р–результаты; ВС–входной сумматор; НП–нелинейный преобразователь; ТВ–точка ветвления; Вх.С, Вых.С–входные и выходные сигналы; Вн.С–внутренние состояния

Морфологическая таблица информационных систем и сетей

Главные факторы, определяющие структуру	Отличительный признак	Возможные реализации признака
i	y i	k	p i k	1 P i k	2 P i k	3 P i k	4 P i k
	Выполняемые функции		Класс решаемых задач	Управленческие	Вычислительные	Измерительные	Прочие
	Количество решаемых разнотипных задач (достигаемых целей)	Специализиро-ванные (одноце-левые)	Многоцелевые	—
проблемно (пред-метно) ориентированные	универсальные
	Количество функций, выполняемых в рамках одного направления (цели)	Однофункцио-нальные (узко-специализиро-ванные)	Многофункцио-нальные	—	—
	Организация выработки информации, представляемой пользователю		Способ выработки информации	Интровертные	Экстравертные
Добывающие	Получающие (передающие)	Хранящие (вос-производящие)	«Генерирующие» (преобразующие)
	Организация ввода и накопления исходных данных		Наличие предварительной регистрации	Без предварительной регистрации	С предварительной регистрацией	—
всех данных	части данных
	Наличие накопления данных перед обработкой	Без накопления	С накоплением	—	—
	Размерность исходных данных, операндов, результатов		Количество одновременно вводимых массивов данных (сигналов)	Одновходовые	Многовходовые (n-входовые), n >1	—	—
	Размерность обрабатываемых массивов и получаемых результатов	Одномерные	Многомерные, векторные (k -мерные), k >1	—	—

Продолжение таблицы

Главные факторы, определяющие структуру	Отличительный признак	Возможные реализации признака
i	y i	k	p i k	1 P i k	2 P i k	3 P i k	4 P i k
	Архитектурно-структурное решение всей системы		Иерархичность	Одноуровневые	Многоуровневые	—	—
	Расстояние между элементами ИС	Сосредоточенные (локальные)	Распределенные	—	—
	Сходство элементов аналогичного назначения	Однородные	Неоднородные	—	—
	Архитектурно-структурное решение вычислительных преобразований		Организация потоков команд и данных	Однокомандные	Многокомандные
ОКОД (SISD) (последовательные)	ОКМД (SIMD) (матричные, ассоциативные)	МКОД (MISD) (конвейерные, магистральные)	МКМД (MIMD) (многопроцессорные)
	Принцип распараллеливания вычислений и выполняемых функций	Без распараллеливания	С распараллеливанием	—
Аппаратное	Программное
	Организация управления и перестройки		Способ управления	Аппаратный	Программный	—	—
	Автоматизация перестройки	Ручная	Автоматизированная	Автоматическая	—
	Централизация управления	Централизован-ные: глобальная и локальная централизация (оди-ночные простые системы)	Децентрализо-ванные: глобальная и локальная автономия (множество, набор систем)	Смешанные
Глобальная централизация, локальная автономия (сети)	Глобальная автономия, локальная централизация (ИС в виде коллектива подсистем)
	Учет вариаций, внешних воздействий и окружающей среды. Уровень самоперестройки	Неадаптивные (неперестраивающиеся)	Адаптивные (самоприспосабливающиеся)
Самоперестраивающиеся	Самообучающиеся	Самоорганизующиеся

Окончание таблицы

Главные факторы, определяющие структуру	Отличительный признак	Возможные реализации признака
i	y i	k	p i k	1 P i k	2 P i k	3 P i k	4 P i k
	Элементная база		Физический принцип действия	Электронные	Оптические	Механические	Прочие
	Форма представления информации	Аналоговые	Цифровые	Гибридные	—
	Принцип выполнения вычислительных преобразований	Детерминирован-ные	Стохастические	—	—
	Исполнение		Возможность агрегатирования	Неагрегатируемые	Агрегатируемые
	Стандартизация, унификация, совместимость со смежными средствами	Несовместимые	Совместимые по функциональным параметрам
информационно	метрологически
Совместимые по элементной базе
аппаратно	программно
Совместимые по внешним параметрам
конструктивно	энергетически	эксплуатационно

Примечание.

ОКОД – один поток команд, один поток данных (одни команды, одни данные) /SISD – single instruction single data/ – архитектура фон Неймана;

ОКМД – один поток команд, много потоков данных /SIMD – single instruction multiple data/;

МКОД – много (потоков) команд, один поток данных /MISD – multiple instruction single data/;

МКМД – много потоков команд, много потоков данных /MIMD – multiple instruction multiple data/.

См. также Воеводин В.В., Воеводин Вл.В. Параллельные вычисления. – СПб.: БХВ-Петербург, 2002. – 608 с.

Губарев В.В. Информатика: прошлое, настоящее, будущее. – М.: Техносфера, 2011. – 432 с.

Топологические структуры информационных сетей:

а – радиальная; б – кольцевая (петлевая); в – полносвязная; г – радиально-кольцевая; д – древовидная; е – звездообразная;
ж – последовательная; з – магистральная; и – кустовая с тремя деревьями; к-м – сетевая; – узел возможного переключения
направления информационного потока; – узел без переключения направления информационного потока

ПОЯСНЕНИЕ ПРИНЦИПОВ РАБОТЫ ИНФОРМАЦИОННЫХ СРЕДСТВ [1]
(на примере вычислительных средств)

Пример первый

Необходимо найти значение определенного интеграла . (1)

Рассмотрим, как найти его значение на ВМ различных типов.

Аналоговый принцип операционного типа. Для этого необходимо заменить на , т.е. выбрать масштабные коэффициенты преобразования х в t и f в , установить RC пропорциональным b-a и определить и , учитывая масштабы и . Затем собрать и запустить схему, подав на ее вход , начиная с , и измерить значение в момент (см. слайд 4).

Цифровой принцип. При цифровом принципе вычислений значения интеграла I находятся путем численного интегрирования. Диапазон аргумента х разбивается на п состыкованных участков шириной D х так, чтобы заштрихованные площадки участков могли быть легко вычислены с требуемой точностью как площади, заменяющие эти участки прямоугольниками, трапециями или другими приемами численного интегрирования.

Когнитивные принципы. Идея работы ВМ, основанных на когнитивных принципах: использование явных знаний, хранимых в памяти или выдаваемых экспертами. В данном случае в качестве явных знаний выступают таблицы определенных или неопределенных интегралов, хранимых в памяти. Интеграл сводится к табличному, из которого находится первообразная . Далее, подставляя в конкретные числа а и b, определяем искомое значение интеграла I методами цифровых вычислений.

Нейросетевой (нейрокомпьютерный) принцип. Нейросетевые принципы базируются на двух идеях: 1) построение сети из k слоев, в каждом из которых по нейронных элементов, образующих сеть типа одной из изображенных на слайде, использование неявных, приобретенных в ходе самообучения сети, знаний в виде коэффициентов каждого из элементов. В рассматриваемом примере обучение сводится к установлению значений по большому числу разнообразных функций , т.е. по значениям и , для которых значение интеграла I (площади кривых на ) заранее известны. Тогда, подавая на входы сети значения х и для интеграла, получаем искомый результат, как следствие приобретенного ранее опыта, неявных знаний.

Стохастический принцип. Все предыдущие принципы относятся к детерминированным. Идея стохастического принципа – использование метода статистических испытаний Монте-Карло или оценивание математического ожидания через среднее арифметическое большого числа выборочных значений (реализаций) случайных величин, векторов или функций. В рассматриваемом примере I есть математическое ожидание М {Х} абсолютно непрерывной случайной величины Х с равномерным на законом распределения, т.е.

. (2)

Правая часть есть оценка I, которая тем точнее, чем больше N – объем выборки. Это означает, что с помощью датчика равномерно распределенных на случайных величин, имеющихся в современных ПЭВМ, или из таблицы случайных (псевдослучайных) равномерно распределенных и приведенных к чисел выбираются и по формуле находится приближенное значение интеграла I. Метод особенно хорош, если, во-первых, функция имеет сложный вид, трудно аналитически или численно интегрируемая, и, во-вторых, интеграл I многомерный. В этом случае приближение зависит прежде всего не от кратности интеграла (в отличие от численного интегрирования), а от объема выборки N, т.е. от временных затрат.

Рис. П4.1. Схемы различных вариантов решающих усилителей и математические модели, описывающие переходные процессы в них:

а – суммирующий; б – интегрирующий; в – интегрирующий сумму входных напряжений; г – интегрирующий с заданием
начальных условий; д – дифференцирующий; R – резисторы (сопротивлением R), С – конденсаторы (емкостью С)

Рис. П4.2. Наборная схема для решения дифференциального уравнения
(нумерацию входов и выходов резисторов и усилителей для коммутации см. на рис. П4.1)

Рис. П4.3. Общий вид наборного поля аналоговой вычислительной машины МН-7; при сопротивлении резистора обратной связи R ₀ = 1 Мом переменные резисторы (их сопротивления) № 4,8,12,16,20,24,28,32,36,40,44 и 48 служат
для плавной установки передаточных коэффициентов (они указываются на наборной схеме как отношение R ₀/ R_i)
в пределах от 0 до 1, резисторы № 2,6,10,14,18,22,26,30,34,38,42 и 46 – от 0 до 10

Пример второй

Необходимо найти значение . (3)

Аналоговый принцип. Значение y находим с помощью нелинейного электронного блока АВМ, преобразующего входное напряжение в выходное . Иными словами, как и в первом примере, устанавливаем , измеряя, подаем его на вход нелинейного синусоидального блока и, спустя время переходных процессов, измеряем , которое с соответствующим масштабным коэффициентом дает нам y.

Понятно, что, как и в первом примере, точность нахождения y имеет принципиальные ограничения, поскольку определяется тем, что аналоговый принцип связан с выполнением количественных операций: измерением напряжений, точностью выполнения преобразований и в блоках, колебаниями источников питания, шумами и помехами в блоках АВМ, «уходом» значений параметров схем от номинальных и т.д. Зато быстродействие определяется только переходными процессами в блоках АВМ и просто осуществляется визуализация результатов.

Цифровой принцип. Функция, описывающая зависимость , разлагается в ряд простейших функций, например, Маклорена

. (4)

Затем для требуемого х по правой части находится значение y. Понятно, что точность нахождения y будет зависеть от разрядности представления х, а также количества используемых слагаемых в сумме (å) правой части. Иными словами, здесь, в силу качественного принципа выполнения операций, нет принципиальных ограничений по точности: надо только брать больше разрядов х и больше слагаемых, что, конечно, приводит к потере производительности, требует алгоритмизации и программирования, зато цифровые элементы существенно меньше подвержены колебаниям напряжений, шумам и помехам, допускают использование помехоустойчивых операций и т.д.

Когнитивный принцип. В этом случае для требуемого значение y находится по таблице синусов, выбираемой из памяти. Если же в таблице нет значений , а есть только значения и для , то значение находится приближенно через и , считываемые из базы знаний, с помощью ЦВМ одним из численных методов, например, с применением интерполяции

. (5)

Привести пример аналоговых, цифровых и когнитивных систем связи, указать их достоинства и недостатки.

Нейросетевой принцип. Аналогично предыдущему примеру, вначале происходит обучение сети получению для разных , а затем определяется , подачей на вход сети и вида функции – .

В заключение обратим внимание, что аналоговые принципы вычислений являются как бы обратными по отношению к гносеологическому (познавательному) моделированию. При познавательном моделировании первично модель подбирается под физический процесс, а при аналоговом моделировании – процесс (и обеспечивающие его протекание средства) подбираются под модель, под заданную вычислительную задачу. В аналоговых средствах осуществляется не вычисление, а его замена, эмуляция вычисления с использованием аналогии, подобия и измерения.

[1] См. Губарев В.В. Информатика: прошлое, настоящее, будушее. – М.: Техносфера, 2011. – 432 с.

Дата добавления: 2014-01-06