Слабая динамика изменения коэффициентов функции выбора

1. Слабая динамика изменения коэффициентов функции выбора

2. Близкое к нулю количество противоречивых гипотез

Начальный вид функции выбора представлен в таблице 7.

Таблица 7. Начальный вид функции выбора

	Параметр	1	2	3	4
1	Поддержка расширенных вычислений	0		0
2	Производительность, MIPS	0	0	0	-3
3	Объем памяти программ (ROM)	-9	0	9	0
4	Объем памяти данных (RAM)	-6	0	9	-3
5	Оптимизированный набор инструкций	-3		3
6	Поддержка JTAG	-6		6
7	Разрядность АЦП	-3	0	3	0
8	Встроенное FFT ускорение	-9		9

Протокол обучения решателя представлен в таблице 8.

Таблица 8. Протокол обучения решателя

Уровень знаний		Общее число фактов	Число гипотез			Число подтвержденных гипотез		Число опровергнутых гипотез
			+		-
1		6	9		46	8		47
2		61	31		31	31		31
3		123	61		31	50		42
4		215	31		31	42		20
5		277	31		61	44		48
6		369	32		60	63		29
7		461	61		91	97		55
8		613	32		86	82		36
9		731	31		31	39		23
10		793	61		31	54		38
11		885	31		31	40		22
12		947	31		53	51		33
13		1031	84		31	82		33
14		1146	61		31	67		25
15		1238	31		16	24		23
16		1285	31		20	28		23
17		1336	31		13	33		11
18		1380	26		7	22		11
19		1413	24		15	27		12
Уровень знаний	Общее число фактов		Число гипотез			Число подтвержденных гипотез	Число опровергнутых гипотез
			+	-
20	1452		27	12		31	8
21	1491		17	9		22	4
22	1517		10	8		13	5
23	1535		11	11		15	7
24	1557		12	4		11	5
25	1573		18	1		14	5
26	1592		7	3		8	2
27	1602		9	4		10	3
28	1615		8	4		10	2
29	1627

К 29-ой итерации количество генерируемых гипотез упало и выровнялось, а количество опровергнутых гипотез среди них стало минимальным. Таким образом, можно отметить факт окончания обучения решателя. Конечный вид функции выбора представлен в таблице 9. График зависимости числа генерируемых гипотез и числа противоречий от уровня знаний Решателя представлен на рисунке 2.

Таблица 9. Конечный вид функции выбора

	Параметр	1	2	3	4
1	Поддержка расширенных вычислений	-10653		581
2	Производительность, MIPS	-112640	29200	42690	30421
3	Объем памяти программ (ROM)	-85037	21601	34143	21601
4	Объем памяти данных (RAM)	-73648	16875	16875	16875
5	Оптимизированный набор инструкций	-34779		34401
6	Поддержка JTAG	-18946		18512
7	Разрядность АЦП	-138105	-68925	120625	86405
8	Встроенное FFT ускорение	-28302		20390

Анализ результатов решения задачи Анализ весовых коэффициентов параметров

Результат ранжирования параметров, с учетом полученных весовых коэффициентов C_ij, по формуле

w_i = |max_j(С_ij) - min_j(C_ij)|

Таблица 10. Проранжированные параметры

	Параметр	wi	Ранг
1	Поддержка расширенных вычислений	11234	8
2	Производительность, MIPS	155330	2
3	Объем памяти программ (ROM)	119180	3
4	Объем памяти данных (RAM)	90523	4
5	Оптимизированный набор инструкций	69180	5
6	Поддержка JTAG	37458	7
7	Разрядность АЦП	258730	1
8	Встроенное FFT ускорение	48692	6

Ранжирование показывает, что Решатель правильно определил важность параметров в их влиянии на ВПК. Так от разрядности АЦП будет зависеть достоверность распознавания, производительность системы оказывает прямое влияние на быстродействие и косвенно влияет на достоверность распознавания, ведь недостаток вычислительной мощности процессора не позволит реализовать более сложные программные алгоритмы, сохранив при этом приемлемое время отклика всего устройства. Объем памяти данных и объем памяти программ так же должны быть достаточными для реализации программного алгоритма, иначе придется использовать внешнюю память, что уменьшит быстродействие системы, но увеличит её ресурсоёмкость. Далее по списку расположены параметры, влияющие на удобство разработки системы. Эти параметры важны для разработчика, но не оказывают прямого влияния на ВПК.

 

Анализ нелинейных компонент

В результате обучения Решателя было получено 167 нелинейных компонент. В таблице 11 приведены 5 наиболее весомых из них.

Таблица 11. Нелинейные компоненты

	Вес	Параметр	Значение
1	-144705	Встроенное FFT ускорение	Нет
		Объем памяти данных (RAM)	<4K
		Поддержка JTAG	Есть
		Поддержка расширенных вычислений	Нет
		Разрядность АЦП	12
21	-122996	Оптимизированный набор инструкций	Нет
		Поддержка расширенных вычислений	Нет
		Производительность	50-100
		Разрядность АЦП	12
		Объем памяти данных (RAM)	<4K
		Объем памяти программ (ROM)	<8K
114	-143484	Объем памяти данных (RAM)	<4K
		Объем памяти программ (ROM)	>32K
		Поддержка JTAG	Нет
		Поддержка расширенных вычислений	Нет
		Производительность	50-100
		Разрядность АЦП	12
130	-144705	Объем памяти данных (RAM)	<4K
		Объем памяти программ (ROM)	>32K
		Поддержка JTAG	Нет
		Поддержка расширенных вычислений	Нет
		Производительность	>200
		Разрядность АЦП	12
122	-124217	Встроенное FFT ускорение	Есть
		Поддержка JTAG	Есть
		Поддержка расширенных вычислений	Нет
		Производительность	>200
		Разрядность АЦП	12

Все приведенные нелинейные компоненты, кроме компоненты №122, являются безусловно слабыми, так как имеют недостаточный объем внутренней памяти данных. Компонента №122 является слишком сильным решением, так подобная производительность будет излишней в условиях данной задачи.

Анализ полученных решений

Из рисунка 4 хорошо видно, что Решатель выдает реалистичные и, самое главное, сбалансированные решения, которые можно использовать для применения в заданной проблемной области. В подтверждение этого в таблице 12 приведены примеры DSP, рекомендованные производителями для применения в аудиоустройствах.

Таблица 13. Пример существующих решений

DSP	Вектор значений
	1	2	3	4	5	6	7	8
Analog Devices ADSP-2185N	Есть	100-200	8K-16K	4K-16K	Есть	Есть	12	Есть
Texas Instrument 320UC5409-100	Есть	100-200	16К-32К	4К-16К	Есть	Есть	12	Есть

 

Анализ числовых характеристик

Коэффициент сокращения перебора:

где N_полн – полное число переборов; N_нач- число фактов в начальной базе; N_оцен – число оцененных фактов.

Коэффициент новизны:

 

где  – объем начальной базы удачных фактов;

 – количество значений параметров i-го типа;

 – порядковые индексы, определяющие порядковые номера j-х значений i-го параметра в приоритетном ряду коэффициентов C_ij, начиная с max C_ij.

 

Полученный коэффициент новизны можно объяснить тем, что за удачные факты были приняты очень сбалансированные решения и полученные результаты являются реалистичными.

Вывод

В ходе выполнения курсовой работы были проанализированы требования к разрабатываемому устройству и найдены пути выполнения этих требований. Для этого были изучены характеристики современных цифровых сигнальных процессоров, было проведено обучение решателя открытых задач решению задачи выбора оптимального цифрового сигнального процессора. Результаты оценки адекватны, реалистичны, и соответствуют существующим решениям.

Также был разработан подключаемый к решателю блок качественной оценки, основывающий свои выводы на характеристиках, удовлетворяющих составленной задаче.

Список использованной литературы

1. Лекции по курсу «Поисковое проектирование вычислительных систем». И.И. Дзегеленок, 2010

2. Открытые задачи поискового проектирования. И.И. Дзегеленок под ред. Ю.В. Кандырина. - М:МЭИ, 1991 г. - 68 с.

3. Лабораторные работы по курсу «Поисковое проектирование вычислительных систем». И.И.Дзегеленок, Ю.В. Аляева, А.Ю. Кузнецов. - М: Издательство МЭИ, 2004 г. - 40 с.

4. Сайт компании Texas Instrument http://www.ti.com

5. Сайт компании Analog Devices http://www.analog.com

6. Сайт компании Microchip http://www.microchip.com

7. Цифровые сигнальные процессоры: Основы Выбора. А. Пантелейчук, 2007

8. О союзе физиков и лириков или О том, как появилась современная электрогитара. С. Арзуманов, 2009

9. Часто Задаваемые Вопросы по электронному созданию и обработке звука. Е. Музыченко, 1998

10. Материалы Berkeley Design Technology, Inc. http://www.bdti.com