Tài liệu Công nghệ mạng noron tế bào CNN pdf

Công nghệ mạng noron tế bào CNN khả nang ứng dụng hệ co diện tử Tóm tắt: Thời gian qua mạng noron tế bào CNN (Cellular Neural Network) dã duợc nhiều nuớc giới dầu tu nghiên cứu nhu công nghệ xử lý song song cực mạnh da nang có khả nang ứng dụng nhiều linh vực mà chip vi xử lý, máy PC hành không thực duợc Báo cáo giới thiệu phát triển mạng noron tế bào thời gian qua khả nang ứng dụng hệ co diện tử tuong lai Phần báo cáo giới thiệu co sở toán học mạng no ron tế bào nguyên lý họat dộng máy tính vạn nang tế bào CNN Tiếp dến báo cáo trình bày huớng nghiên cứu CNN dang duợc trọng giới nói chung phần tử hệ thống co diện tử nói riêng Phần giới thiệu khả nang ứng dụng công nghệ CNN Phần báo cáo dề cập dến kết buớc dầu nghiên cứu công nghệ CNN xử lý ảnh tốc dộ cao Viện công nghệ thông tin, Viện Khoa học công nghệ Việt nam Cuối phần kết luận tài liệu tham khảo Công nghệ mạng noron tế bào CNN: Máy tính diện tử dời dã hon 60 nam dang dến gần giới hạn vật lý kích thuớc tốc dộ xử lý Sự dời mạng noron tế bào CNN dã mở thời dại cho phát triển khoa học tính tốn tiếp cận dến phuong thức xử lý cung nhu phuong thức cảm nhận hành dộng tổ chức co thể sinh vật sống Ta biết máy tính số co loại máy logic với liệu rời rạc duợc mã hóa theo hệ nhị phân Tính chất co khả nang thực thuật tốn theo chuong trình duợc luu nhớ Ðây loại máy tính vạn nang xử lý số nguyên (Universal Machine on Integers) hay gọi máy Turing (Turing Machine) Các phép tính co phép số học logic Thuật tốn chuỗi logic phép tính co Sự dời bóng bán dẫn nam 1948 vi mạch tích hợp IC (Integrated Circuit) nam 1960 dã tạo máy tính số có tính thực tiễn cao với giá thành rẻ dã trở thành loại hàng hóa thông dụng Truớc nhiều nguời tuởng hoạt dộng máy tính diện tử phản ánh co chế hoạt dộng não nguời Tuy nhiên vấn dề dã trở nên rõ ràng noron tế bào thần kinh có co chế hoạt dộng hịan tồn khác Hệ noron tính tóan thuờng xử lý mảng tín hiệu tuong tự (analog) có tính liên tục thời gian biên dộ Cấu trúc gồm nhiều lớp mảng 2D noron có kết nối mạng cục (local) chủ yếu, kết nối toàn cục (global) khơng nhiều Có no ron duợc tích hợp với tế bào cảm biến (sensing) tế bào tác dộng (actuating) Các noron hoạt dộng với dộ trễ thay dổi có co chế hoạt dộng dạng sóng kích hoạt Các liệu kiện (event) mảng tín hiệu phụ thuộc khơng gian và/hoặc thời gian Rõ ràng với tính chất co nêu máy tính số khơng có khả nang tiếp cận dến khả nang xử lý não nguời Ðể chế tạo duợc hệ thống diện tử có khả nang tính tốn tuong tự nhu hệ thần kinh này, dòi hỏi ta phải thay dổi kiến trúc, thuật tốn cơng nghệ khả nang xử lý song song hàng vạn hàng triệu xử lý chip Mạng noron tế bào CNN (Cellular Neural Network) giải pháp mở dầu cho loại máy tính vạn nang xử lý dịng mảng liệu dầy tiềm nang Co sở toán học mạng CNN CNN (Cellular Nonlinear/Neural Network) duợc Leon O Chua L.Yang giới thiệu nam 1988 [1], [2], [3] Tu tuởng chung sử dụng mảng don giản tế bào kết nối cục dể xây dựng hệ thống xử lý tín hiệu analog dồ sộ Ðặc diểm mấu chốt mạng noron xử lý song song không dồng bộ, liên tục ảnh huởng toàn cục phần tử mạng Khối mạch co mạng CNN duợc gọi tế bào (cell) Nó chứa phần tử mạch tuyến tính phi tuyến Tiêu biểu tụ tuyến tính, diện trở tuyến tính, nguồn diều khiển tuyến tính, phi tuyến nguồn dộc lập Mỗi tế bào CNN kết nối tới tế bào láng giềng Các tế bào liền kề ảnh huởng trực tiếp tới Các tế bào khơng có liên kết trực tiếp tác dộng dến tế bào khác gián tiếp tác dộng lan truyền mạng CNN Mạng CNN mạng lớp don da lớp Một lớp don chứa tế bào C dó i, j hàng cột nhu mơ tả hình Um x n X(t= 0)Mẫu Ar x rm x n , Br x r ijb) Hình a) So dồ cấu trúc CNN b) Liên kết cục tế bào Mỗi tế bào Cija) có tế bào láng giềng CYklm x n duợc dịnh vị phạm vi hình cầu S(r) có bán kính r, tâm tế bào Cijij , mà r số nguyên duong Mỗi tế bào xử lý với giá trị tín hiệu thực dầu vào u(t), trạng thái xij(t), dầu yijij(t) Hệ dộng lực tế bào don giản gọi phuong trình CNN tiêu chuẩn duợc mơ tả nhu sau: dó zij

uklijByklijAzxx & (1) ).;().;(rSC klijijij

rSC kl)()(ijklijkl duợc gọi nguỡng tế bào C , A(ij,kl) B(ij,kl) duợc gọi toán tử hồi tiếp dẫn nhập Trong truờng hợp r=1 chúng ma trận x Tín hiệu trạng thái tín hiệu dầu tế bào có quan hệ phi tuyến duợc mơ tả phu ong trình (2): ij1 )( ijijijij)11( 2xxxfy (2) So dồ khối tế bào CNN tiêu chuẩn duợc mơ tả hình Hì n h : S o d kh ố i c ủ a h ệ d ộ n g l ự c t ế b o C N N Khi dua mảng tín hiệu dầu vào u với 1 i  M 1 j  N duợc dịnh nghia nhu ảnh với giá trị pixel uijij , tập hợp giá trị (A,B,z) dịnh lời giải hệ dộng lực CNN Tập hợp ma trận trọng số mạng noron CNN duợc gọi mẫu vơ tính cịn gọi gen Trong không gian bất biến, mẫu ma trận 3x3, 5x5, 7x7 tùy theo giá trị r mạng 1, hay Có nghia mảng CNN duợc dịnh nghia 19 (hoặc 51 99) tham số A, B z khơng phụ thuộc vào kích cỡ M x N mạng Khi dầu vào uij ảnh tinh ảnh dộng, mạng CNN dóng vai trị nhu mạng xử lý ảnh Máy tính vạn nang CNN (CNN Universal Machine on Flow) Ta khảo sát kỹ hon mặt tốn học dịnh nghia máy tính vạn nang CNN Máy tính CNN thực chất máy tính xử lý dòng liệu mảng nhu chuỗi ảnh video, mảng vecto áp lực tế bào xúc giác v.v… Chuỗi liệu 2D (ảnh video) (t) duợc dịnh nghia nhu sau (t)
  ( t ) : (t) , t
T = [0, tijd Cij1 {  d i = ij j Pijmax ij inpu t + t, t0 input ] } = m ; Ở dây m n số nguyên, t
R P: {p ( ) = i = j = n > khoảng thời gian khảo sát,  },  p
< 8; 0, R p t0 ij  output (là hàm liên tục, khả vi bị chặn)  biến vào, biến trạng thái hay bidầutế bào (1 pixel) mảng m x n tế bào Ở thời diểm t = t’ ta có (t’) ảnh (n x m) pixel cuờng dộ pixel (4) Mức xám ảnh duợc mô tả vùng +1 -1 (+1 trắng -1 den) Ảnh màu duợc mô tả tổ hợp nhiều lớp ảnh mxn pixel, lớp mô tả cuờng dộ màu (ví dụ hệ màu R.G.B) Ảnh nhị phân duợc gọi mặt nạ M
[ , M : m ] ( ) C h u ỗ i ả n h c c t h i d i ể m t + 2t… duợc gọi dòng ảnh hay dòng video Lệnh co máy tính CNN duợc dịnh nghia là: (t)}, t
T = [0, (t): = { td  ] (6) Ở dây  hàm dịng ảnh Ví dụ ta chuyển dổi video clip sang video clip khác Ta dịnh nghia phiến hàm F biến dổi dòng ảnh sang ảnh nhu sau: P : = F (  ( t ) ) ( ) N h u v ậ y m y t í n h C N N c ó c c d ữ l i ệ u b a n d ầ u l d ò n g ả n h v m ặ t n :   ( ) , v i d e o , P , M T o n t co máy CNN phép giải phuong trình vi phân dạo hàm riêng  dịng mảng liệu (t) Thuật tóan (algorithm) máy CNN tổ hợp số học logic liệu tóan tử dòng mảng liệu (ảnh) Ta gọi thuật tóan chạy dịng mảng liệu máy CNN hàm dệ quy lọai  (-recursive function), máy tính số Von Neumann thuật tóan chạy số nguyên hàm dệ quy loại µ (µ-recursive function) Khả nang dộ phức tạp tính tóan máy tính CNN Ở ta dã dề cập dến lệnh co máy tính CNN lời giải phuong trình vi phân dạo hàm riêng PDE (Partial Differential Equation) phi tuyến loại phản ứng–khuyếch tán (nonlinear reaction–diffusion equation) Ta di sâu hon dể hiểu rõ nguyên lý Phuong trình dạo hàm riêng loại phản ứng – khuyếch tán duợc mô tả mặt toán học duới dạng: tyx )),,((),,())),,(()),,((( ),,(

00tyxtyxtyxgradtyxcdiv t (8) Phuong trình mơ tả loạt lớp phuong trình PDE bao gồm - Phuong trình khuyếch tán tuyến tính 0 =  = - Phuong trình khuyếch tán tuyến tính bị chặn 0(.)   =  = - Phuong trình sóng trigo phi tuyến 0(.)  Phuong trình sóng trigo phi tuyến có giới hạn 0(.)  (.)  Khi rời rạc hóa theo khơng gian phuong trình dạo hàm riêng trở thành hệ phuong trình vi phân thuờng liên kết có dạng (9) td )())(( )(ztttt cj ijijijijiijij ijttg dt)(()( txft) ijij1,1,,1,1 1))()()()(( (.)(.)fCg  ij ij
ij kết sau:    Với c0 = c1 212bbb Bbbb bbb101212 t B z z   k l k l i j  )( tính z = f( ) =  - Phuong trình khuyếch tán tuyến tính bị chặn z  f ( ) =  Phuong trình sóng trigo phi tuyến z = f ( ) = sign ( ) - Phuong trình sóng trigo phi tuyến bị chặn zij  f ( ) = sign ( ) Tất dạng phuong trình PDE dều lập trình mạng CNN sử dụng mẫu liên c ccc c00 z ( ) 101A ;; 000 > ta có lời giải phuong trình vi phân dạo hàm riêng khuyếch tán với c > c > ta có lời giải phuong trình sóng trigo Nhu lệnh [A, B, z ] ta có lời giải cho phuong trình vi phân dạo hàm riêng phi tuyến dạng phản ứng – khuyếch tán thời gian 5µs thời gian dộ mạch diện tử tế bào mạng CNN Máy CNN cung có tính vạn nang nhu máy Turing [13] Với tính chất giải phuong trình sóng lệnh, ta cịn gọi máy tính vạn nang CNN máy tính sóng (Wave Computer) Ðể xác dịnh khả nang tính tốn máy tính ta cần có số cụ thể nhu tốc dộ, công suất tiêu thụ diện tích (hoặc thể tích) máy Ðối với chip CNN ACE16K ta có tốc dộ tính tốn lên tới 12 Tera OPS Tốc dộ tính tốn máy CNN phụ thuộc chủ yếu vào tham số tốn Ðộ phức tạp tính tốn phụ thuộc chủ yếu vào tham số PDE (các template) khơng phụ thuộc vào kích cỡ mảng Ðiều trái nguợc với máy tính số Ðiểm dặc thù dộ phức tạp tính tốn máy tính CNN tính chất liên tục thời gian giá trị [5], [7] Với tính chất chênh lệch dộ phức tạp tính tốn máy Turing máy CNN lớn lên dến 1: 8000 lần xác dịnh biên ảnh diện tim có nhiễu Sự khác máy tính số Turing máy tính vạn nang CNN duợc tóm tắt bảng Máy tính Turing UMZ (Universal mxn Machine Over Z) - Hàm dệ quy phần số nguyên - Phuong trình vi phân 2D, 3D - Hàm dệ quy  dòng ảnh Những kết nghiên cứu phát triển công nghệ CNN ph thể du Flow) Truờng I/O Số tron nguyên Z F (dòng ảnh R) Lệnh co Logic Vi phân dạo hàm riêng Phuong thức hoạt dộng kho Lặp Bán lặp Vùng tác dộng lệnh co Cục Toàn cục nh Kiến trúc Máy Turing CNN vạn nang Mơ hình tính tốn - Cú pháp trúc m tế bào nê có m xử lý son Bảng 1: So sánh nguyên lý hoạt dộng máy tính số máy tính vạn nang mà phép CNN c giải c phuong t Mạng CNN duợc thực vi mạch VLSI Các trọng số A, B, z duợc thể phân d thông số kết cấu mạch Bộ mẫu (A,B,z) chuong trình riêng phi mạng Các mẫu xác dịnh hồn toàn phuong thức hoạt dộng mạng CNN với (PDE) P dầu vào, trạng thái ban dầu tế bào cung nhu diều kiện biên cho truớc du Nhờ tính uu việt việc tính tốn thời gian thực, q trình xử lý dịng liệu ma trận b lệnh thời gian vài µs thời gian hội tụ q trình q dộ phuong trình dộng lực co tế bào CNN Trong dó ta biết việc giải phuong trình vi phân dạo hàm riêng máy tính số hành vấn dề phức tạp dòi hỏi nhiều thời gian tính tốn Trong tốn xử lý ảnh, mạng CNN duợc tích hợp với cảm biến ảnh tạo thành chip thị giác (Visual Microprocessor) có khả nang xử lý ảnh với tốc dộ phi thuờng Trong nam gần dây việc chế tạo chip CNN-UM dã dạt duợc nhiều thành tựu: Các chip hệ dầu ACE440 có kích thuớc mảng 20x22 diểm pixel xử lý ảnh nhị phân, sau dó ACE4K có kích thuớc mảng 64x64 xử lý ảnh nhị phân ảnh mức xám Khi xử lý ảnh mức xám tốc dộ dạt dến 1000 frame/giây (fps), cịn với ảnh nhị phân dạt 8000 fps Tốc dộ tính tốn chip lên dến vài TeraOPS Thế hệ chip CNN tiên tiến duợc tạo ma trận xử lý tuong tự 128x128 có khả nang lập trình, duợc gọi ACE16K Trong ACE16K tế bào CNN kết hợp với sensor có kiến trúc tuong tự nhu cấu trúc sinh học võng mạc mắt nguời Chip gồm 16384 CPU tế bào làm việc song song Tồn q trình hoạt dộng tính tốn chip cung cấp khả nang xử lý hình ảnh kích thuớc 128x128 lên dến 50.000 fps Mỗi tế bào tuong ứng với diểm ảnh hình ảnh Nếu hình ảnh rộng hon kích cỡ 128x128 duợc xử lý lần luợt sau dó hợp với Chip ACE16K duợc sử dụng hệ thống Bi-i V2 Ðây thiết bị camera video thông minh duợc giải thuởng nam 2003 Sturgat- Cộng hoà liên bang Ðức, xử lý ảnh dộc Máy tính (Univers Over lập, thời gian thực, chịu duợc lỗi (Fault-tolerant), tiêu thụ nang luợng thấp (5W-15W), tích trọng luợng nhỏ (< 1kg) Trong thời gian tới nguời ta tạo tế bào CNN tích hợp DSP máy tính quang tử, cho phép mẫu B thao tác tốc dộ ánh sáng Các sensor xúc giác, thính giác cung duợc tích hợp vào chip CNN-UM tạo nên máy cảm nhận - tính tốn - dịnh (sensory-computingactuating) [4] Trong linh vực thuật tốn phần mềm cung có thành tựu lớn: Các máy CNN-UM tái cấu hình duợc, mẫu duợc thay dổi từ ngơn ngữ bậc cao máy tính PC sử dụng hệ diều hành quen thuộc nhu Windows 2000, XP Thu viện mẫu, hàm API liên kết với hệ thống CNN-UM ngày phong phú Trong thuật tốn, cấu trúc da sóng da luồng (multi-wave or multi-thread structures) dã duợc sử dụng với mức dộ phức tạp cao Các thuật toán với mạng CNN nhiều lớp cung dang duợc phát triển Xuất kiểu mơ tả thuật tốn - mơ tả dồ hoạ duợc sử dụng máy tính CNN gọi biểu dồ luồng Rất nhiều mẫu giới tự nhiên dã duợc ứng dụng CNN Về lý thuyết có nhiều kết cơng bố thuộc linh vực xét tính ổn dịnh mẫu, nghiên cứu mạng CNN có quan hệ tới số loại sóng mới, thuật tốn liên quan dến vấn dề co phuong trình vi phân dạo hàm riêng PDE mẫu nhiều lớp Các huớng nghiên cứu CNN linh vực co diện tử Do tiềm nang nang lực tính tốn khả nang ứng dụng rộng rãi nhiều linh vực sống, công nghệ CNN dã ngày thu hút duợc quan tâm nhiều nhà nghiên cứu khoa học giới Các huớng nghiên cứu thời gian tới công nghệ CNN bao gồm lý thuyết công nghệ, co ứng dụng Liên quan dến linh vực co diện tử dáng ý việc tích hợp chip CNN với cảm biến dịa hình (Topographic sensor) nhu cảm biến thị giác, xúc giác, nhiệt dộ âm cho ta máy tính cảm biến (Sensor Computer) Công nghệ CNN với thị giác xúc giác nhân tạo Khi kết hợp cảm biến thị giác với mạng noron tế bào ta duợc chip vi xử lý thị giác cốt lõi máy tính CNN thị giác Khác với camera thông minh hành, chip vi xử lý thị giác CNN có khả nang lập trình tới pixel cho tốn xử lý ảnh phức tạp với tốc dộ cao Truớc dây co chế hoạt dộng phần mắt vấn dề bí hiểm dối với nhà thần kinh học Trong dó kỹ su diện tử với say mê khám phá dã phát triển số mơ hình nguoi cơng nghệ bán dẫn Bản chất mơ hình mạng CNN nhiều lớp có kết nối cục lớp ( chính) số kết nối lớp Các lớp mảng CNN có hệ số sóng lan truyền số thời gian khác Các thực nghiệm với mơ hình mắt lớp với khoảng tham số kết nối lớp dã cho ta khả nang tạo hầu hết hiệu ứng sóng thuờng gặp Một báo cáo mơ hình mắt nhân tạo theo cơng nghệ mạng CNN cung duợc trình bày hội nghị [11] Các mảng cảm biến xúc giác thuờng duợc chế tạo công nghệ MEMS Việc kết hợp với mạng noron tế bào CNN cho phép tạo nhiều cảm biến xúc giác Hệ thống xúc giác dầu ngón tay có mảng cảm nhận với mơ hình xử lý kênh kênh có dặc tính phụ thuộc khơng gian – thời gian khác Vấn dề khó chế tạo cảm biến xúc giác diểm cảm ứng taxel (tactile cell) phải duợc thành phần vécto áp lực tác dộng lên diểm dó Mơ hình cảm biến xúc giác CNN dầu tiên duợc nghiên cứu chế tạo Viện Vật lý Vật liệu thuộc Viện hàn lâm khoa học Hungary công nghệ MEMS [6] Hình giới thiệu phát triển chip vi xử lý CNN thị giác Từ chip dã có nhiều máy tính thị giác dã duợc phát triển Nổi bật camera Bi-I duợc chế tạo chip ACE16K camera có tốc dộ xử lý ảnh cao giới Hình 3: Sự phát triển chip thị giác CNN Sử dụng công nghệ FPGA cho chế tạo mạng noron tế bào có khả nang tái cấu hình cung huớng trội Mạng CNN dầu tiên duợc chế tạo theo công nghệ mơ hình mắt nhân tạo (retina) với 10 lớp mạng CNN Các nguyên lý CNN quang học công nghệ Nano Co chế hoạt dộng mạng noron tế bào có nhiều diểm tuong dồng với tính chất giao thoa, lan truyền ánh sáng dẫn ta dến ý tuởng chế tạo máy tính quang học Ta biết quang học tác dộng tuong quan hai nguồn ánh sáng thực duợc dộ ánh sáng Nếu nguồn ánh sáng dóng vai trị nhu mẫu có khả nang lập trình ngồn thứ hai chuỗi ảnh cần xử lý ta có máy tính xử lý ảnh quang học Máy tính quang học dầu tiên POAC (Programable Opto-electronic Analogic CNN Computer) dã duợc chế tạo thử nghiệm Budapest Hungary sử dụng nguồn laser ánh sáng phim ( bacterioradiopsine) tạo nên van ánh sáng có khả nang lập trình Có thể khẳng dịnh kiến trúc xử lý mạng noron tế bào dóng vai trị quan trọng hệ nano co diện tử Ta sử dụng cấu trúc nano thân thiện, kết nối ( kể MEMS NEMS), tích hợp chức nang truyền thơng (communication -ví dụ sử dụng hệ truyền liệu không dây quang học MEMS) chức nang chấp hành (actuation) vào máy tính CNN Nhu ta có hệ nano có khả nang cộng sinh với môi truờng qua chức nang cảm nhận, tác dộng truyền thông Ảnh huởng sinh học: Công nghệ CNN duợc bắt nguồn từ hệ noron thần kinh ngày tiếp nhận ảnh huởng quy luật xử lý tế bào sinh học Hiện mạng CNN có co chế họat dộng theo thuật gen thuật toán xử lý theo kiểu phản ứng hệ miễn dịch dang duợc nghiên cứu Các thuật xử lý thị giác, xúc giác co chế khác dang duợc khám phá tạo nên nguyên lý cho chế tạo thiết bị co diện tử thay tổ chức nội tạng co thể nguời (mắt, tim, gan, thận nhân tạo v.v ) Khả nang ứng dụng CNN Các ứng dụng cơng nghệ CNN duợc chia thành hai nhóm chính: Các ứng dụng xử lý ảnh tốc dộ cao: Ðây nhóm ứng dụng chủ yếu nhiều linh vực sống mà hệ camera thông thuờng không dáp ứng duợc

 Các ứng dụng dòi hỏi xử lý liệu lớn thời gian thực nhu: Giải phuong trình vi phân dạo hàm riêng (PDE), tạo sóng phi tuyến, xử lý dịng tín hiệu video (On-the-fly analog video signal processing) v.v… Một số ứng dụng mạng CNN theo linh vực ứng dụng duợc liệt kê nhu sau:
 Trong ngành cơng nghiệp: + Phân tích bề mặt nhãn in, dệt, phân tích kết cấu sợi (Texture analysis) tốc dộ cao; Kiểm tra lỗi vị trí lỗi sản phẩm, nhãn, rubang, vải trình sản xuất [6] + Kiểm tra bề mặt (Surface inspection) cơng nghiệp chế tạo giấy, nhơm, thép Ví dụ nhu kiểm tra chỗ rối, chỗ rách, hỏng, chỗ nhan, vết den giấy duợc nhận dạng xác dịnh vị trí trình sản xuất Cần nhấn mạnh việc kiểm tra này kiểm tra không tiếp xúc + Phát ánh sáng có thời gian tồn ngắn (Light Flicker Detection): Dùng cần kiểm tra dộ cách diện cho sứ diện áp cao, cung nhu kiểm tra xuất tia lửa diện dóng diện (Live spark plug inspection) Trong loại hình cơng việc camera CNN phân loại tia lửa diện với tốc dộ hon 50.000fps [6] + Phân tích hình dáng kích thuớc (Shape and size Analysis) Kiểm tra, phân loại số luợng lớn vật nhỏ, nhu viên thuốc, hạt ngu cốc, hoa quả, dai ốc, dinh ốc, v.v Trong mơ hình phân tích kiểm tra viên thuốc dã thử nghiệm tốc dộ dạt dến 15.000fps Một ví dụ duợc dua tìm mảnh vụn kim loại dầu bôi tron dộng co máy bay vận tải cỡ lớn Trong trình làm việc, từ chi tiết truyền dộng co khí bong mảnh vỡ kim loại Cần phân biệt mảnh vỡ với bọt dầu chuyển dộng bôi tron xác dịnh số luợng chúng Từ dó cho dịnh cảnh báo cho hệ thống dịnh có nên thay dầu hay khơng + Giám sát tốc dộ kích thuớc vật chuyển dộng tốc dộ cao + Trong công nghiệp chế tạo ô tô: Dùng làm sensor phân tích tình chế dộ thời gian thực, làm sensor thông minh diều khiển túi khí bảo vệ, guong chiếu hậu thơng minh
Trong y tế: Phân tích thời gian thực chuỗi DNA, diện tâm dồ 2D thời gian thực, diện tâm dồ 3D trực tuyến (on - line), chế tạo mắt nhân tạo (dự kiến 2015 làm mắt nhân tạo sử dụng công nghệ CNN), xúc giác nhân tạo v.v…
 Trong quân + Sử dụng thiết bị không nguời lái + Các hệ nhận dạng bám da mục tiêu di dộng: Có thể thực hợp ảnh từ nhiều nguồn camera khác thời gian thực, phát mục tiêu di dộng, nhận dạng da mục tiêu (MTT- Multi Target Tracking) [10] linh vực giám sát an ninh + Phân tích dịa hình (Terrain Analysis) thời gian thực v.v… Một số kết nghiên cứu mạng noron tế bào Viện công nghệ thông tin thời gian qua Hon nam qua Viện Công nghệ thông tin dã triển khai nghiên cứu công nghệ mạng noron tế bào co sở hợp tác quốc tế qua duờng nghị dịnh thu với Viện nghiên cứu máy tính tự dộng hóa Viện Hàn lâm khoa học Hungary (MTA SzTAKI) Với hỗ trợ Viện sỹ Roska Tomás thuộc phịng thí nghiệm tính tốn noron tuong tự số Viện SzTAKI nguời dồng phát minh máy tính CNN vạn nang, Viện Công nghệ thông tin dã tiếp cận làm chủ duợc công nghệ CNN mẻ Các kết nghiên cứu dạt duợc thời gian qua tập trung vào vấn dề sau dây: Về nghiên cứu co bản: + Nghiên cứu co sở toán học mạng noron tế bào CNN, cấu trúc dộng lực học phi tuyến dộ ổn dịnh toàn cục mạng CNN + Nghiên cứu mẫu ma trận trọng liên kết (A, B, z) phuong pháp thiết kế mẫu cho mạng CNN + Nghiên cứu phuong pháp giải phuong trình vi phân dạo hàm riêng sử dụng mạng noron tế bào + Nghiên cứu phuong pháp thu thập, nhận dạng bám da mục tiêu di dộng thời gian thực sử dụng mạng CNN + Nghiên cứu mơ hình mắt nhân tạo + Nghiên cứu phuong pháp thu thập xử lý ảnh tốc dộ cao sử dụng máy tính thị giác Bi-I Về nghiên cứu thực nghiệm: + Nghiên cứu công cụ phuong pháp lập trình phát triển hệ xử lý ảnh tốc dộ cao máy tính thị giác CNN Bi-I.V.2 + Nghiên cứu phát triển mơ hình thu thập ảnh tốc dộ cao > 10000fps phục vụ cho nghiên cứu tạo: - Mơ hình cắt mẫu phân tích tia lửa diện - Mơ hình quan sát trình nổ + Nghiên cứu thử nghiệm trình nhận dạng sử lý ảnh tốc dộ cao: - Mô hình nhận dạng lỗi thuốc viên - Mơ hình nhận dạng lỗi duờng sắt - Mơ hình nhận dạng vân tay + Nghiên cứu khả nang ứng dụng công nghệ CNN Bi-I cơng nghiệp quốc phịng Hiện nhóm nghiên cứu cơng nghệ CNN dã có hon 10 thành viên dó có nghiên cứu sinh dang tiến hành nghiên cứu co công nghệ CNN Chúng dã tổ chức hội thảo seminar công nghệ dã duợc dông dảo cán chuyên môn viện quan tâm Kết luận Mạng noron tế bào dã mở thời dại cho phát triển khoa học tính tốn Ðây linh vực khoa học công nghệ mẻ dầy triển vọng cho da dạng ứng dụng Nghiên cứu mạng noron tế bào cho ta khả nang khám phá co chế hoạt dộng tổ chức co thể nguời quy luật sống khác Với phát triển công nghệ, ứng dụng CNN giải nhiều vấn dề mà hệ máy tính hành chua giải duợc Với tính nang vuợt trội ngày không xa công nghệ CNN thay ứng dụng máy tính hành thâm nhập vào hệ nhúng, hệ co diện tử tạo nên sản phẩm hệ thống thông minh phi thuờng Tài liệu tham khảo [1] Leon O Chua and Tamás Roska Cellular Neural Networks and Visual computing: Founditions and Applications Cambridge University Press 2002 [2] Chua, L.O.and L.Yang Cellular Neural Networks: Theory IEEE Transactions on Circuits and Systems, 35, pp.1257 – 72, 1988 [3] Chua, L.O and L.Yang Cellular Neural Networks: Applications IEEE Transactions on Circuits and Systems, 35, pp.1273-90, 1988 [4] Tamás RoskaCellular Wave Computers for Brain–like Spatial–Temporal Sensory Computing IEEE Circuits and Systems Magazine, pp 5-19, Second Quarter 2005 [5] Chua, L.O The CNN Paradigm IEEE Transactions on Circuits and Systems, Vol 40, No.3, pp.147-156, 1993 [6] Ákos Zarándy and Csaba Rekeczky Bi-I: A Standalone Ultra High Speed Cellular Vision System IEEE Circuits and Systems Magazine pp 36-45, Second Quarter 2005 [7] Tamás Roska Computatiomal and Computer Complexity of Analogic Cellular Wave Computer Journal of Circuits, Systems and Computers Vol., 12.pp.539-562,2003 [8] T Roska, L.O.Chua, D Wolf T Kozek, R.Tetzlaff and F.Duffer Simulating Nonlinear Waves and Partical Differential Equations via CNN- Part I: Basic Techniques IEEE Trans.on Circuits and Systems: Fundamental Theory and Applications Vol., 42, No.10, pp.807-815, 1995 [9] T Roska, L.O.Chua, D Wolf T Kozek, R.Tetzlaff and F.Duffer Simulating Nonlinear Waves and Partical Differential Equations via CNN Typical Examples -Part II: IEEE Trans.on Circuits and Systems: Fundamental Theory and Applications Vol., 42, No.10, pp.816-820, 1995 [10] Gargely Timár and Csaba Rekeczky A Real – Time Multi Target Tracking System With Robust Multi Channel CNN – UM Algorithms IEEE Trans.on Circuit and Systems: Regular Paper Vol., 52, No.7, pp 1358 – 1371, July 2005 [11] Trần Việt Phong, Phạm Thuợng Cát Một số nghiên cứu mơ hình sinh học linh vực thị giác nhân tạo Báo cáo Hội nghị Co diện tử toàn quốc lần thứ 3, Hà nội 10/2006 [12] Phạm Ðức Long, Phạm Thuợng CátỨng dụng công nghệ CNN (Cellular Neural Network) kiểm tra nhanh duờng sắt Báo cáo Hội nghị Co diện tử toàn quốc lần thứ 3, Hà nội 10/2006 [13] Leon O Chua, Tamás Roska and Péter L Venetianer The CNN is Universal as the Turing Machine IEEE Trans.on Circuits and Systems: Fundamental Theory and Applications Vol., 40, No.4, pp.289-291, 1993 10 Cellular Neural Networks and Potential Applications in Mechatronics Phạm Thuong Cát Institute of Information Technology, Vietnam Academy of Science and Technology E-mail: Abstract ptcat@ioit.ncst.ac.vn : Cellular Neural Network (CNN) is an emerging technology that is opening a new world in computer science CNN provides solutions to many areas which the present day classical computers can not We overview and discus this new technology in five parts of this paper In the first part, the concept, mathematical description of CNN and development of CNN Universal Machine of flows is introduced In the second part of the paper some actual CNN research problems are overviewed including the perspective areas related to mechatronics and nano technology The possible applications of CNN technology is reported in the part Part gives some results of on going CNN project at the Institute of Information Technology of Vietnam Academy of Science and Technology Finally some conclusion remarks and references are given in part 11 ... kết nghiên cứu mạng noron tế bào Viện công nghệ thông tin thời gian qua Hon nam qua Viện Công nghệ thông tin dã triển khai nghiên cứu công nghệ mạng noron tế bào co sở hợp tác quốc tế qua duờng... Mỗi tế bào CNN kết nối tới tế bào láng giềng Các tế bào liền kề ảnh huởng trực tiếp tới Các tế bào khơng có liên kết trực tiếp tác dộng dến tế bào khác gián tiếp tác dộng lan truyền mạng CNN Mạng. .. CNN Sử dụng công nghệ FPGA cho chế tạo mạng noron tế bào có khả nang tái cấu hình cung huớng trội Mạng CNN dầu tiên duợc chế tạo theo cơng nghệ mơ hình mắt nhân tạo (retina) với 10 lớp mạng CNN