Professional Documents
Culture Documents
Lucru Individual
Lucru Individual
MOLDOVA
UNIVERSITATEA TEHNICA A MOLDOVEI
FACULTATEA TEHNOLOGIA ALIMENTELOR
Departamentul Tehnologia Produselor Alimentare
UTILIZAREA LIMBAJULUI DE
PROGRAMARE PYNTHON PENTRU
IMPLEMENTAREA UNEI RETELE
NEURONALE
CHISINAU, 2023
1. INTRTODUCERE
Multe sisteme de calcul naturale (automate celulare pentru
modelarea diferitelor fenomene fizice și sociale, difuzarea
reacțiilor rețelelor celulare neliniare, optimizarea algoritmilor
bazați pe inteligență, etc) sunt considerate astăzi de către
cercetători pentru modelarea și înțelegerea unei game largi de
fenomene fizice, biologice și de altă natură (propagarea
focului, modelele de evacuare a populației, gestionarea
dezastrelor, creșterea tumorii, propagarea sunetului etc.) sau
prelucrarea semnalului (senzori de imagine inteligenți, etc.).
O caracteristică comună pentru majoritatea sistemelor
computerizate naturale este interconectarea unui număr mare de
unități de bază (numite celule, practic simple sisteme dinamice
neliniare). Acești algoritmi se caracterizează printr-un nivel
ridicat de paralelism, astfel că se așteaptă accelerarea
semnificativă atunci când sunt disponibile anumite platforme
computaționale paralele. Printre platformele cele mai convenabile
și mai ieftine sunt cardurile grafice cu suport CUDA de la NVIDIA
sau alte platforme pentru programarea unităților de procesare
multi-core. Multe dintre modelele de computere natural menționate
mai sus au fost recent analizate de diverși cercetători din
perspectiva unor implementări eficiente (calcul de înalta
performanță) care indică de multe ori accelerații importante (una
sau două ordine de mărime) comparativ cu cea mai bună
implementare pe nucleul procesorului. [1]
Asigurarea unei implementări eficiente în CPU sau GPU necesită
abilități profunde de programare și cunoașterea diverselor
tehnologii software. Soluțiile vin adesea după cicluri lungi
de dezvoltare. Pe de altă parte, numeroși oameni de știință și-ar
dori să aibă acces la astfel de facilități de calcul într-o manieră
mult mai transparentă, orientată spre probleme și care nu se
bazează pe concentrarea prea mare pe problemele de
programare la nivel scăzut.
Cu alte cuvinte, productivitatea ridicată devine o problemă
importantă, ceea ce înseamnă o reducere dramatică a timpului de
dezvoltare de la idee la implementare. Majoritatea furnizorilor
de software științific, care au abordat deja problema
productivității ridicate, susțin acum o programare transparentă a
dispozitivelor GPU. Este nevoie de mult efort și cercetarea este
încă în fază incipientă pentru a dezvolta o programare
transparentă și de înaltă productivitate a platformelor de calcul
mai puternice. Portabilitatea ridicată a unei implementări este,
de asemenea, o problemă importantă care trebuie luată în
considerare.
2. CUPRINS
2.1 Rețelele neurale
2.2 Python