Контактный телефон: +375 17 2931781

Отечественные нейроподобные компьютеры с массовым параллелизмом для решения задач идентификации в медицине, криминалистике, радиолокации, машиностроении, в научных исследованиях и образовании

Описание инновационного проекта: 
Нейрокомпьютеры (нейропроцессоры) применяются в качестве аппаратной платформы для решения задач распознавания в различных областях: в медицине – для постановки диагноза, в криминалистике – для распознавания личности по биометрическим данным, в космических исследованиях – для дешифрации космических снимков, в радиолокации – для распознавания радиосигналов. Как правило, такие задачи сложно поддаются формализации и требуют больших вычислительных ресурсов для обеспечения реального времени. Отечественные институты академии наук, ВУЗы и др. организации, осуществляющие научные исследования и технические разработки в области интеллектуальной обработки данных и распознавания образов в большинстве случаев используют математический аппарат нейронных сетей, однако практически никто не применяет средства аппаратной поддержки – нейрокомпьютеры. Как правило, проблемы повышения производительности интеллектуальных систем решаются экстенсивными подходами , т.е. применением все более современных многоядерных процессоров, персональных суперкомпьютеров, дорогостоящих спецпроцессоров. Классическая теория нейронных сетей и известные архитектуры нейрокомпьютеров не позволяют создавать эффективные аппаратные средства (нейрокомпьютеры) для решения подобных задач, которые получаются либо узкоспециализированными, либо слабопроизводительными. Поэтому на рынке информационных технологийо реальные предложения нейрокомпьютеров отсутствуют.
Цель инновационного проекта: 
создание нового производства
Основные конкурентные преимущества: 
Аналогами являются: Neural Networks Processor фирмы Accurate Automation Corp);нейропроцессор L-Neuro (фирмы Philips); нейрочип NLX-420 (фирмы Neurologix); нейропроцессор Neuro Matrix 6403 (фирмы Модуль, Россия); нейропроцессор NEURON (фирмы Echelon); -нейрочип ZISC036 (фирмы IBM). Конкурентные преимущества. 1)Наш нейропроцессор пригоден для использования в широком диапазоне прикладных задач. 2)Минимальные трудозатраты пользователя, чтобы применить в собственной системе: достаточно подключить нейропроцессор через USB интерфейс к обычному компьютеру и использовать пять команд высокого уровня для организации вычислительного процесса. 3)Стоимость нейропроцессора не будет превышать стоимость серийно-выпускаемых аналогов. 4)Число процессорных элементов может достигать 32 и 64 и более (по сравнению с 8 и 16 - у аналогов). Повышение производительности не имеет принципиальных ограничений за счет возможности каскадного включения процессоров.
Степень готовности инновационного проекта: 
конструкторская документация
опытный образец
Научная значимость результатов НИОК(Т)Р, составляющих основу инновационного проекта: 
междисциплинарный или системный характер
Новизна, оригинальность (технологическая прогрессивность) продукта (услуги): 
нет аналогов в стране, есть за рубежом
Наличие и (или) возможность правовой охраны продукта (услуги): 
использование собственных патентов
права не защищены, но имеются признаки патентования
Наличие связей с потенциальными потребителями продукции: 
связи налажены, есть документальное подтверждение (договор о поставках, протокол о намерениях и др.)
Срок реализации проекта: 
до 1 года
Сведения об участии в научных исследованиях и разработках по тематике инновационного проекта: 
1. «Разработка концепции синтеза нового класса мультипроцессорных систем на принципах самоорганизации (задание БРФФИ 1996-1997)»: отчет о НИР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М.М.Татур. – Минск, 1997, - 36 с. - № ГР 1998684. 2. «Эволюционное моделирование сложных систем на базе самоорганизующейся нейронной сети с ансамблевой архитектурой» (задание БРФФИ 1998-1999): отчет о НИР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М. М. Татур. – Минск, 1999, - 64с. - №ГР 19982345. 3. «Методы, алгоритмы обработки полутоновых изображений и распознавания объектов на снимках Земной поверхности» (задание Министерства Образования, 2001-2003): отчет о НИР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М.М.Татур. – Минск, 2003, - 38 с. - № ГР 20011637. 4. «Методы кодирования и идентификации сцен двумерных объектов на основе нечеткой логики» (задание БРФФИ, 2003-2005): отчет о НИР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М. М. Татур. – Минск, 2005, - 57с. - №ГР 20031960. 5. «Спецпроцессор распознавания полутоновых изображений с однородной нейроподобной структурой» (задание Министерства образования): отчет о НИР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М. М. Татур. – Минск, 2005, - 29с. - №ГР 20042079. 6. Parallel IT-Processors (Central European Initiative Program “From Research to Enterprise”) // CIE Project Booklet 2004/2005. – Р.30. 7. «Перспективный процессор обработки изображений оптико-электронных систем на базе клеточной архитектуры» (задание Министерства образования, 2005-2006): отчет о НИР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М. М. Татур. – Минск, 2006, - 46с. - №ГР 20052843. 8. «Нечеткие классификаторы на архитектуре параллельного процессора обработки графов» (задание БРФФИ 2005-2007): отчет о НИР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М. М. Татур. – Минск, 2007, - 42с. - № ГР 20052333 9. «Универсальная программно-аппаратная среда для макетирования спецпроцессоров, применяемых в отечественном приборостроении» (задание 2.5 Министерства образования в комплексном научно-исследовательского проекта «Разработка теоретических основ, экспериментальные исследования и создание макетов (и экспериментальных образцов) приборов», 2006-2008): отчет о НИР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М. М. Татур. – Минск, 2008, - 56с. - №ГР 20063319. 10. «Разработать и реализовать на аппаратной платформе ОАО «Пеленг» экспериментальный образец спецпроцессора реального времени обработки динамических изображений» (ГНТП «Оптотех-2», задание: Разработать и освоить в производстве высокопроизводительный спецпроцессор, алгоритмическое и программное обеспечение для обработки динамических изображений телевизионного формата следования с целью повышения качества изображений в оптико-электронных приборах ОАО «Пеленг», 2006-2009): отчет о НИОКР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М. М. Татур. – Минск, 2009, - 86с. - № ГР 20066835. 11. «Теоретические основы синтеза изображений и распознавания образов в изображающей Мюллер-поляриметрии» (задание БРФФИ 2007-2009): отчет о НИОКР/ Белорусский государственный университет информатики и радиоэлектроники, рук. темы М. М. Татур. – Минск, 2009, - 67с. - № ГР 20073098. 12. «Программный модуль для автоматической обработки лотерейных билетов» (задание на ОКР ООО «Регула») : отчет об ОКР/ ООО «Интеллектуальные процессоры», рук. темы М. М. Татур. – Минск, 2006, - 11с. - № ГР 20053491. 13. «Программный модуль управления приводами» (задание на ОКР НПРУП «ЛЭМТ», 2007-2008): промышленный образец, отчет об ОКР/ ООО «Интеллектуальные процессоры», рук. темы М. М. Татур. – Минск, 2008, - 12с. - № ГР 20072216. 14. «Программное обеспечение системы визуализации и анализа изображений пластин (вейферов) с целью идентификации дефектов для промышленной установки оптического неразрушающего контроля» (задание института Фраунгофера «Институт неразрушающего контроля», г.Дрезден, Германия, 2007-2008): промышленный образец/ ООО «Интеллектуальные процессоры», рук. темы М. М. Татур. – Дрезден, 2008. 15. «Программное обеспечение для анализа шумов Баркхаузена» (задание института Фраунгофера «Институт неразрушающего контроля», г.Дрезден, Германия, 2008-2009): промышленный образец / ООО «Интеллектуальные процессоры», рук. темы М. М. Татур. – Дрезден, 2009. 16. «Реализация PCI Express интерфейса на FPGA Virtex 5 и оценка его времясложностных характеристик» (задание на НИР УП «Геоинформационные системы», 2009, отчет о НИР/ ООО «Интеллектуальные процессоры», рук. темы М. М. Татур. – Минск, 2009, - 14с. - № ГР 2009341
Публикации по теме проекта, акты внедрения: 
1. Патент 2115160 РФ. Устройство динамического изменения адресов памяти / М.М.Татур (Беларусь); В.П.Якуш , Опубл. 10.07.98. 2. Патент № 1748 РБ .Устройство корреляционного распознавания бинарных образов /, М.М. Татур, Р.Р.Жолтиков , опубл. 1.01.04, БИ №1 , 2005. 3. Татур М.М. Формальные и неформальные аспекты в разработке систем распознавания // Искусственный интеллект. 2007, 3. – С.333-343. 4. Байрак С.А. Островский В.В. Татур М.М. Тестовая база данных и методика сравнительной оценки классификаторов // Искусственный интеллект. 2008, 3. – С. 501 -504. 5. Татур М.М., Одинец Д.Н. Классификаторы в системах распознавания: прикладные аспекты синтеза и анализа. Монография. Минск, 2008, 164 с. 6. Шкадаревич А.П., Горбаченя Н.К., Татур М.М., Байрак С.А., Грязев Б.В. Динамический стенд для испытаний оптико-электронных приборов с гироскопической стабилизацией// Наука и военная безопасность. 2009, 2. – С.56-58. 7. Татур М.М., Островский В.В. Методология построения баз для синтеза и анализа классификаторов// Вестник фонда фундаментальных исследований. 2009, 3. – С.32-41. 8. M.Tatur, D.Adzinets, M. Lukashevich, S.Bairak “Synthesis and analysis of classifiers based on the generalized identification model” // Advances in Intelligent and Soft Computing. Springer, 2010, Vol.71, p.529-536. 9. Татур М.М., Одинец ДН. О систематизации методов классификации данных и знаний // Информатика, 2010, 3(27). – С.103-113.