RU2374678C2 - Neuron network for detection of errors in symmetrical system of residual classes - Google Patents

Neuron network for detection of errors in symmetrical system of residual classes Download PDF

Info

Publication number
RU2374678C2
RU2374678C2 RU2007139960/09A RU2007139960A RU2374678C2 RU 2374678 C2 RU2374678 C2 RU 2374678C2 RU 2007139960/09 A RU2007139960/09 A RU 2007139960/09A RU 2007139960 A RU2007139960 A RU 2007139960A RU 2374678 C2 RU2374678 C2 RU 2374678C2
Authority
RU
Russia
Prior art keywords
errors
inputs
residual
residual classes
outputs
Prior art date
Application number
RU2007139960/09A
Other languages
Russian (ru)
Other versions
RU2007139960A (en
Inventor
Николай Иванович Червяков (RU)
Николай Иванович Червяков
Ирина Николаевна Лавриненко (RU)
Ирина Николаевна Лавриненко
Сергей Викторович Лавриненко (RU)
Сергей Викторович Лавриненко
Антон Викторович Лавриненко (RU)
Антон Викторович Лавриненко
Александр Николаевич Головко (RU)
Александр Николаевич Головко
Original Assignee
Ставропольский военный институт связи ракетных войск
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ставропольский военный институт связи ракетных войск filed Critical Ставропольский военный институт связи ракетных войск
Priority to RU2007139960/09A priority Critical patent/RU2374678C2/en
Publication of RU2007139960A publication Critical patent/RU2007139960A/en
Application granted granted Critical
Publication of RU2374678C2 publication Critical patent/RU2374678C2/en

Links

Images

Landscapes

  • Detection And Prevention Of Errors In Transmission (AREA)
  • Image Analysis (AREA)

Abstract

FIELD: information technologies.
SUBSTANCE: invention may be used for building of modular neural computers, which function in symmetrical system of residual classes. Stated neuron network comprises unit of neuron network of end ring of senior coefficient generation for generalised positional system of numeration, unit of polarity shift, unit of error detection, buses "with errors" and "without errors".
EFFECT: reduced hardware complexity.
3 dwg

Description

Изобретение относится к области вычислительной техники и может быть использовано для построения нейрокомпьютеров, функционирующих в симметричной системе остаточных классов (СОК).The invention relates to the field of computer technology and can be used to build neurocomputers that operate in a symmetric system of residual classes (RNS).

Известно устройство для обнаружения ошибок в информации, представленной в СОК (патент №2022471, RU 5H03 М 13/00), которое содержит блок преобразования системы остаточных классов в обобщенную позиционную систему счисления (СОК-ОПСС), блоки вычисления индекса числа, блок вычисления дополнительного кода индекса, сумматор, блок вычисления антииндекса суммы, блок сравнения, блок умножения на константу, счетчик. Недостатком устройства является сложность аппаратной реализации и низкое быстродействие.A device for detecting errors in the information presented in the RNS (patent No. 2022471, RU 5H03 M 13/00), which contains a unit for converting the system of residual classes into a generalized positional number system (RNS-OPSS), blocks for calculating the number index, block for calculating the additional index code, adder, anti-index calculation unit of the sum, comparison unit, constant multiplication unit, counter. The disadvantage of this device is the complexity of the hardware implementation and low speed.

Наиболее близким к данному изобретению является адаптивная параллельно-конвейерная нейронная сеть для коррекции ошибок (патент RU.2279131, G06N 3/04), которая содержит блок нейронной сети конечного кольца (НСКК) формирования цифр в представлении обобщенной позиционной системы счисления, блок обнаружения ошибок, блок исправления ошибок и блок реконфигурации и локализации ошибок.Closest to this invention is an adaptive parallel-conveyor neural network for error correction (patent RU.2279131, G06N 3/04), which contains a block of the neural network of the finite ring (NSCC) of the formation of numbers in the representation of a generalized positional number system, an error detection unit, error correction unit; and error reconfiguration and localization unit.

Однако это устройство имеет большой объем оборудования и не может функционировать в симметричной СОК, которое оперирует как с положительными числами, так и с отрицательными, представленными в СОК.However, this device has a large amount of equipment and cannot function in a symmetric RNS, which operates with both positive and negative numbers represented in RNS.

Цель изобретения - уменьшить объем оборудования. Поставленная цель достигается тем, что в устройство введен блок сдвига положительных и отрицательных областей динамического диапазона, который смещает область запрещенного полного диапазона, в котором находятся разрешенные отрицательные числа в СОК в первую половину разрешенной области рабочего диапазона, а разрешенные положительные числа СОК смещает во вторую половину разрешенной области. Предложенный сдвиг обеспечивает размещение положительных и отрицательных чисел симметричной СОК в рабочем диапазоне избыточной СОК, что позволит правильно определить наличие ошибок как в положительных, так и в отрицательных числах, представленных в СОК.The purpose of the invention is to reduce the amount of equipment. This goal is achieved by the fact that the unit has a shift unit of positive and negative regions of the dynamic range, which shifts the forbidden full range region, in which there are allowed negative numbers in the RNS in the first half of the allowed region of the working range, and the allowed positive numbers of the RNS are shifted into the second half allowed area. The proposed shift ensures the placement of positive and negative numbers of the symmetric RNS in the operating range of the excess RNS, which will correctly determine the presence of errors in both positive and negative numbers presented in the RNS.

На фигуре 1 представлена схема нейронной сети для обнаружения ошибки в симметричной системе остаточных классов, которая содержит входной слой нейронов 1 с нейронами 7, 8, выходы которых соединены с блоком сдвига полярности 2, включающий НСКК 9 по модулю pi, где i=1,2,…, k+r, выходы которых соединены с блоком НСКК 19 формирования старшего коэффициента ОПСС 3, выходы которой соединены с блоком определения ошибки 4, состоящий из ключей 14 и 15, выходы которых являются выходами нейронных сетей для обнаружения ошибки в симметричной системе вычетов.The figure 1 presents a diagram of a neural network for detecting errors in a symmetric system of residual classes, which contains an input layer of neurons 1 with neurons 7, 8, the outputs of which are connected to a polarity shift block 2, including NSCC 9 modulo p i , where i = 1, 2, ..., k + r, the outputs of which are connected to the NSCC block 19 for generating the senior coefficient of the OPSS 3, the outputs of which are connected to the error determination block 4, consisting of keys 14 and 15, the outputs of which are outputs of neural networks for detecting errors in a symmetrical residue system .

Входной слой нейронов 1 с нейронами 7 и 8 выполняет роль входного регистра, на вход которого поступают значения разрядов (остатков) контролируемого числа шины 5 и разрядов констант сдвига шины 6. С выходов нейронов входного слоя 1 данные поступают на входы НСКК 9 по модулю, где i=1,2,…, k+r.The input layer of neurons 1 with neurons 7 and 8 plays the role of an input register, the input of which receives the digits (residues) of the controlled number of bus 5 and the bits of the shear constants of bus 6. From the outputs of the neurons of the input layer 1, the data are fed to the inputs of NSCC 9 modulo, where i = 1,2, ..., k + r.

Результат модулярного суммирования разрядов контролируемого числа и разрядов констант сдвига по шинам 10, 11, 12, 13 поступает на вход нейронной сети определения старшего коэффициента ОПСС 19, состоящей из НСКК (патент RU 2256213) по модулю pi, где i=1,2,…, k+r. Значение коэффициента старшего разряда ОПСС по шине 18 поступает на информационные входы ключей 14 и 15, на управляющие входы которых поступают сигналы управления по шинам 16 и 17, соответственно, „нет ошибки" и „есть ошибка". Рассмотрим свойства избыточности СОК и принцип определения ошибок, возникающих в кодах СОК.The result of modular summation of bits of a controlled number and bits of shear constants along buses 10, 11, 12, 13 is fed to the input of the neural network for determining the highest coefficient of OPSS 19, consisting of NSCC (patent RU 2256213) modulo p i , where i = 1,2, ..., k + r. The value of the high-order coefficient OPSS via bus 18 is supplied to the information inputs of keys 14 and 15, to the control inputs of which control signals are received via buses 16 and 17, respectively, “there is no error” and “there is an error”. Consider the properties of redundancy of RNS and the principle of determining errors that occur in RNS codes.

Избыточные СОК обладают свойствами, которые можно использовать для контроля ошибок и устранения отказов цифровых процессоров. Избыточная СОК имеет k - рабочих и r - контрольных оснований. Для обеспечения единственности представления каждого основания системы СОК все основания p1, р2,…,рk,…, рk+n должны быть взаимно-простыми. Рабочие основания р1, р2,…,рk представляют собой неизбыточные основания, а контрольные r основания pk+1…, рk+r избыточные. В избыточной СОК число представляется k+r остаточными цифрами α1,α2,…, αk, αk+1,…, αk+r. В симметричной СОК для кодирования отрицательных чисел используется дополнительный код, при этомExcessive RNSs have properties that can be used to control errors and eliminate failures of digital processors. Excessive RNS has k - working and r - control bases. To ensure the uniqueness of the representation of each base of the RNS system, all the bases p 1 , p 2 , ..., p k , ..., p k + n must be coprime. The working bases p 1 , p 2, ..., p k are non-redundant bases, and the control r bases p k + 1 ..., p k + r are redundant. In excess RNS, the number is represented by k + r with the residual digits α 1 , α 2 , ..., α k , α k + 1 , ..., α k + r . In symmetric RNS, an additional code is used to encode negative numbers, while

Figure 00000001
Figure 00000001

Figure 00000002
Figure 00000002

где

Figure 00000003
Where
Figure 00000003

Остаточные цифры αl, α2,…, αk являются неизбыточными цифрами, а αk+1,…, αk+r - избыточными. Полный диапазон избыточной СОК обозначен [О,R], где

Figure 00000004
, охватывает полное множество состояний, представленных всеми k+r остаточными цифрами. Весь диапазон разбивается на смежные области, определяемые неизбыточными и избыточными основаниями. Область [О, Р] называется рабочим диапазоном, а область [О, R] представляет собой полный диапазон.The residual digits α l , α 2 , ..., α k are non-redundant digits, and α k + 1 , ..., α k + r are redundant. The full range of excess RNS is indicated by [O, R], where
Figure 00000004
, covers the full set of states represented by all k + r residual digits. The entire range is divided into adjacent areas determined by redundant and redundant bases. The region [O, P] is called the operating range, and the region [O, R] represents the full range.

Для получения избыточности операнды и результаты арифметических операций, выполняемых в СОК, должны браться в таком масштабе, чтобы они всегда попадали в рабочий диапазон. Это ограничение задает дополнительный диапазон системы (область вычислений) в виде [-(Р-1)/2, (Р-1)/2] при нечетных Р и [-Р/2, Р/2] при четных Р. Заметим, что при кодировании дополнительным кодом, отрицательная часть динамического диапазона находится у верхнего предела полного диапазона. Положительные числа из дополнительного диапазона отображаются на области [О,(Р+1)/2] при нечетных Р и на области [О,Р/2] при четных Р. Отображение динамического диапазона на соответствующие области показано на фигуре 2.To obtain redundancy, the operands and results of arithmetic operations performed in the RNS should be taken on such a scale that they always fall within the operating range. This restriction defines an additional range of the system (computational domain) in the form [- (P-1) / 2, (P-1) / 2] for odd P and [-P / 2, P / 2] for even P. Note, that when encoding with an additional code, the negative part of the dynamic range is at the upper limit of the full range. Positive numbers from the additional range are displayed on the area [O, (P + 1) / 2] with odd P and on the area [O, P / 2] with even P. The dynamic range is displayed on the corresponding areas shown in Figure 2.

Как видно из чертежа, динамический диапазон, состоящий из положительной и отрицательной частей разбивается на области, расположенные в рабочем и полном диапазоне. Это обстоятельство затрудняет обнаружение и исправление ошибок, так как ошибки обнаруживаются тем, что число попадает в недопустимую область полного диапазона. Вследствие того, что отрицательные числа появляются в верхней части недопустимой области полного диапазона, результатом операции обнаружения ошибок, реализуемых условием А>Р, будет отнесение всех отрицательных чисел к ошибочным, что не соответствует действительности в силу разнесения динамического диапазона.As can be seen from the drawing, the dynamic range consisting of the positive and negative parts is divided into areas located in the working and full range. This circumstance makes it difficult to detect and correct errors, since errors are detected by the fact that the number falls into an invalid region of the full range. Due to the fact that negative numbers appear in the upper part of the unacceptable region of the full range, the result of the error detection operation realized by the condition A> P will be the assignment of all negative numbers to error numbers, which is not true due to the diversity of the dynamic range.

Для преодоления этой трудности необходимо провести сдвиг отрицательной области путем вращения остаточного кольца в положение, указанное на фигуре 3, в результате чего динамический диапазон будет однозначно отображаться на области рабочего диапазона.To overcome this difficulty, it is necessary to shift the negative region by rotating the residual ring to the position indicated in figure 3, as a result of which the dynamic range will be unambiguously displayed on the region of the working range.

Показанное на фигуре 3 вращение называется сдвигом полярности и его можно осуществить путем прибавления перед выполнением операции обнаружения ошибок константу

Figure 00000005
при нечетных Р и
Figure 00000006
к каждому А∈[0,Р]. Необходимо отметить, что для неизбыточной СОК имеет место взаимооднозначное соответствие между целыми числами в динамическом диапазоне и состояние допустимой области рабочего диапазона.The rotation shown in figure 3 is called a polarity shift and can be done by adding a constant before performing the error detection operation
Figure 00000005
with odd P and
Figure 00000006
to each A∈ [0, P]. It should be noted that for a non-redundant RNS there is a one-to-one correspondence between integers in the dynamic range and the state of the permissible range of the working range.

Если Ci

Figure 00000007
то сдвиг полярности в пределах СОК оказываетсяIf C i
Figure 00000007
then the polarity shift within the RNC is

простым суммированием остатков по формуле

Figure 00000008
в которой αic обозначает остаточные цифры после сдвига полярности.simple summation of the residues according to the formula
Figure 00000008
in which α ic denotes the residual digits after the polarity shift.

Нейронная сеть для обнаружения ошибок в симметричной системе остаточных классов работает следующим образом. В первом цикле синхронизации контролируемое число в СОК и константы Ci, где i=1, 2,…, k+r поступают на входы 5, 6 нейронов 7,8. Во втором цикле синхронизации с выходов нейронов 7,8 разряды контролируемого числа и констант поступают на вход НСКК pi 9 блока сдвига 2. НСКК рi 9 реализуют вычислительную модель

Figure 00000009
в которой αic обозначает остаточные цифры симметричной СОК после сдвига полярности.A neural network for detecting errors in a symmetric system of residual classes works as follows. In the first synchronization cycle, the controlled number in the RNS and the constants C i , where i = 1, 2, ..., k + r, are fed to the inputs of 5, 6 neurons 7.8. In the second cycle of synchronization from the outputs of neurons, 7.8 bits of a controlled number and constants are fed to the input of the NSCC p i 9 of the shift unit 2. The NSCC p i 9 implement the computational model
Figure 00000009
in which α ic denotes the residual digits of the symmetric RNS after the polarity shift.

В третьем цикле синхронизации αic по шинам 10, 11, 12 и 13 поступают на входы нейронной сети определения старшего коэффициента ОПСС 19 блока 3.In the third synchronization cycle, α ic, via buses 10, 11, 12, and 13, determine the senior coefficient of the OPSS 19 of block 3 to the inputs of the neural network.

В четвертом цикле синхронизации значения старшего разряда ОПСС αn по шине 18 поступает на информационные входы ключей 14 и 15, на управляющие входы которых поступают управляющие сигналы по шинам 16 и 17 и там, где на входы ключей поступают одновременно два сигнала формируется либо сигнал „нет ошибки", либо сигнал „есть ошибка".In the fourth synchronization cycle, the values of the senior level of the OSSS α n are sent via bus 18 to the information inputs of keys 14 and 15, to the control inputs of which control signals are received via buses 16 and 17 and where two signals are simultaneously received at the key inputs or a signal “no errors ", or the signal" there is an error ".

Таким образом, определение ошибки в симметричной СОК осуществляется за четыре цикла синхронизации.Thus, error determination in a symmetric RNS is carried out in four synchronization cycles.

Claims (1)

Нейронная сеть для обнаружения ошибок в симметричной системе остаточных классов, содержащая блок нейронной сети конечного кольца формирования старшего коэффициента обобщенной позиционной системы счисления, отличающаяся тем, что в нее включен блок сдвига полярности, при этом входы контролируемого числа и константы сдвига полярности соединены с нейронами входного слоя, выходы которых соединены с входами нейронных сетей конечного кольца блока сдвига полярности, вычисляющие модель
Figure 00000010

где ai - разряды контролируемого числа, представленного в системе остаточных классов, до сдвига полярности, Сi - константа сдвига, pi - модуль системы остаточных классов, i=1,2,…, k+r, aic - остаточные цифры контролируемого числа, представленного в системе остаточных классов, после сдвига полярности, выходы которого соединены с входами блока нейронной сети конечного кольца формирования старшего коэффициента обобщенной позиционной системы счисления, выход которого соединен с информационными входами ключей, блока определения ошибки, управляющие входы которых соединены с шинами „есть ошибки" и „нет ошибки", выходы которых являются выходами нейронных сетей для обнаружения ошибки в симметричной системе остаточных классов. A neural network for detecting errors in a symmetric system of residual classes, containing a neural network block of the final ring generating the highest coefficient of the generalized positional number system, characterized in that it includes a polarity shift unit, while the inputs of the controlled number and polarity shift constants are connected to the neurons of the input layer the outputs of which are connected to the inputs of the neural networks of the terminal ring of the polarity shift block computing the model
Figure 00000010

where a i are the digits of the controlled number represented in the system of residual classes, before the polarity shift, C i is the shift constant, p i is the module of the system of residual classes, i = 1,2, ..., k + r, a ic are the residual digits of the controlled the number represented in the system of residual classes, after a polarity shift, the outputs of which are connected to the inputs of the neural network block of the final ring of the formation of the highest coefficient of the generalized positional number system, the output of which is connected to the information inputs of the keys, error determination unit, control the inputs of which are connected to the buses “there are errors” and “no errors”, the outputs of which are outputs of neural networks for detecting errors in a symmetric system of residual classes.
RU2007139960/09A 2007-10-29 2007-10-29 Neuron network for detection of errors in symmetrical system of residual classes RU2374678C2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2007139960/09A RU2374678C2 (en) 2007-10-29 2007-10-29 Neuron network for detection of errors in symmetrical system of residual classes

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2007139960/09A RU2374678C2 (en) 2007-10-29 2007-10-29 Neuron network for detection of errors in symmetrical system of residual classes

Publications (2)

Publication Number Publication Date
RU2007139960A RU2007139960A (en) 2009-05-10
RU2374678C2 true RU2374678C2 (en) 2009-11-27

Family

ID=41019481

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2007139960/09A RU2374678C2 (en) 2007-10-29 2007-10-29 Neuron network for detection of errors in symmetrical system of residual classes

Country Status (1)

Country Link
RU (1) RU2374678C2 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2503992C2 (en) * 2011-09-27 2014-01-10 Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Северо-Кавказский федеральный университет" Device for comparing numbers presented in residue number system
RU2775259C1 (en) * 2022-01-13 2022-06-28 Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации Method for fault-tolerant functioning of computer systems for information processing systems for military purposes and a device that implements it

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2503992C2 (en) * 2011-09-27 2014-01-10 Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Северо-Кавказский федеральный университет" Device for comparing numbers presented in residue number system
RU2775259C1 (en) * 2022-01-13 2022-06-28 Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации Method for fault-tolerant functioning of computer systems for information processing systems for military purposes and a device that implements it

Also Published As

Publication number Publication date
RU2007139960A (en) 2009-05-10

Similar Documents

Publication Publication Date Title
Robertson A new class of digital division methods
RU2503992C2 (en) Device for comparing numbers presented in residue number system
RU2374678C2 (en) Neuron network for detection of errors in symmetrical system of residual classes
JP3544846B2 (en) Logic circuit and floating point arithmetic unit
JPH0480815A (en) Absolute value computing circuit
Rouhifar et al. Fast overflow detection in moduli set {2n–1, 2n, 2n+ 1}
KR102459011B1 (en) Leading zero anticipation
Chinal Design methods for digital systems
CN103984519B (en) Method and apparatus for examining digital multiplier
Amusa et al. Novel algorithm for decoding redundant residue number systems (RRNS) codes
RU1793546C (en) Converter from binary code to remainder classes system code
RU2698413C1 (en) Device for comparing numbers in a system of residual classes
Gapochkin Using Redundant Modular Codes of the Residual Number System for Error Detection and Correction
RU2653257C1 (en) Device for detecting and correcting the error of the modular code
RU2020756C1 (en) Device for determining position characteristic of position-independent code
Aremu et al. Generalized Information Security and Fault Tolerant based on Redundant Residue Number System
US5629945A (en) Electronic arithmetic unit with multiple error detection
TWI811909B (en) Touch sensitive processing apparatus and method and touch system
Berezhnoy Error correction method in modular redundant codes
RU2022471C1 (en) Residue system information error detecting device
Freyman THE RELIABILITY IMPROVING OF COMPUTER SYSTEM ELEMENTS WITH USING MODULAR ENCODING
Tavakoli et al. Overflow Detection in Residue Number System, Moduli Set {2n-1, 2n, 2n+ 1}
Shiriaev et al. Model of Error Correction Device in RNS-FRNN
Shiriaev et al. Check for updates
SU767763A1 (en) Adder with functional dependence of sums on carry over and with parity check

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20091030