Как правило, она архитектурно состоит из трех плат: геометрической машины, растеризатора и генератора изображений.

Геометрическая машина выполняет обработку поступающих цифровых данных, производя геометрическую и пиксельную обработку. Применение аппаратной поддержки OpenGL позволяет без использования дополнительных вычислительных средств производить сложные преобразования, например, формирование объемных графических объектов, их проецирование на экран и расчет освещенности.

Сердцем графического конвейера является подсистема растеризации. Она выполняет, пожалуй, самую трудоемкую и важную задачу - преобразовывает поступающую от геометрической машины информацию в пиксельный формат. Однако за счет распараллеливания большинства функций и применения максимально возможной аппаратной обработки, подсистема растеризации без особых проблем выполняет такие трудоемкие преобразования, как наложение текстуры или сглаживание изображения.

После обработки в буфере кадра данные поступают на вход подсистемы генерации изображений. Аналого-цифровые преобразователи генерируют аналоговый поток, который и позволяет получить изображение на мониторе. Здесь тоже не обошлось без хитростей: за счет программного управления временными характеристиками преобразования подсистема вывода изображения позволяет получать выходные данные для дисплеев с различным разрешением.

Ресэмплинг - другая не менее важная функция подсистемы генерации изображений. Она позволяет ускорить частоту смены кадров и преобразовывать выходные данные в S-video или композитный сигнал. А регулируемость размеров рабочей области экрана, для которой генерируется видеосигнал, позволяет без дополнительных трудностей задавать необходимую область для отображения на видео, а также нестандартные соотношения сторон экрана.

За счет того, что в видеосигнал может быть преобразована любая прямоугольная область экрана, не возникает проблем с видеоформатами, у которых соотношение размеров кадра отлично от отношения 3:4, использующегося в PAL. В дополнение реализована генерация синхронизирующих сигналов, что дает станциям Silicon Graphics хорошую совместимость с профессиональной видеоаппаратурой.

Alpha-процессор

Процессор Alpha - настоящий 64-разрядный RISC-процессор. Область его применения широка, однако общие черты задач, в которых он себя хорошо зарекомендовал, таковы: масштабируемость, быстрота ответной реакции, трудоемкость, обеспечение надежности.

Уникальная архитектура позволяет ему быть первым по многим параметрам. Процессор Alpha имеет и другие отличия от остальных RISC-процессоров. Например, у него сильный блок операций с фиксированной точкой, что обычно является ограничением для архитектуры RISC.

Alpha-процессор с самого начала разрабатывался в качестве истинного 64-разрядного RISC-процессора. Одно из основных преимуществ 64-разрядной архитектуры - более широкое адресное пространство, а это сказывается на объеме поддерживаемой оперативной памяти и на размере непосредственно адресуемого раздела на жестком диске. На его кристалле размещается более девяти миллионов транзисторов (из которых почти 2 миллиона приходится на ядро, остальные - на кэш-память). Среди уникальных особенностей этой архитектуры стоит отметить девятиступенчатый конвейер для операций с плавающей точкой и семиступенчатый конвейер для операций с фиксированной точкой.

К эксклюзивным ноу-хау стоит отнести и организацию кэша. Он организован следующим образом: кэш первого уровня имеет размер шестнадцать килобайт и работает по технологии прямого отображения (по восемь килобайт для команд и данных). Кэш второго уровня имеет следующие особенности: трехканальный, частично ассоциативный, размещен на кристалле и имеет размер девяносто шесть килобайт. Процессор имеет поддержку кэш-памяти третьего уровня (от одного до шестидесяти четырех мегабайт).

Кроме того, стоит отметить 128-битную шину доступа к памяти, 32 целочисленных регистра и 32 регистра с плавающей точкой. Все операции над данными производятся в регистрах; команды процессора - 32-битные, достаточно простые и имеют унифицированный формат. Доступ к кэш-памяти первого уровня происходит всего за один такт, второго уровня - как минимум за два. Кстати, за один такт процессор может выполнять до четырех команд. Кроме того, некоторые оригинальные решения позволили очень эффективно использовать конвейеры, что дало возможность практически убрать простои из-за отсутствия операндов.

Alpha-системы применяются во многих областях, однако наиболее эффективно применение систем на базе Alpha-процессора для решения задач, требующих высокой производительности и надежности, например:

• UNIX или Windows NT серверы;
• Расчетные серверы (компиляция исходных кодов для разрабатываемых программных комплексов на различных языках программирования);
• Серверы баз данных (начиная от Oracle и заканчивая распространенными mysql и posgres);
• Интернет www или ftp серверы;
• Прокcи и Firewall серверы;
• Станции обработки данных для геоинформационных систем;
• CAD/CAM станции;
• Станции издательских систем;
• 3D станции;
• отказоустойчивые корпоративные серверы.

Нейропроцессор

Биологический прототип

А что же интересного в твоих мозгах? Строение мозга очень сложное. Но это не медицинский доклад, да и я не доктор наук :), поэтому для простоты поясню на кошках. С большими упрощениями мозг состоит из порядка миллиарда мельчайших вычислительных элементов (нейронов), связанных с органами чувств и между собой специальными нитями (аксонами). Импульсы, зарождающиеся в органах чувств, передаются от нейрона к нейрону с помощью пресловутых синапсов и дендритов. Каждый нейрон при приеме поступающего на вход сигнала обрабатывает его и, в зависимости от внутренних условий, а также уровня и вида сигнала, выдает ответ на ряд других нейронов. Хотя скорость передачи сигнала от нейрона к нейрону невелика, за счет распараллеливания обработки поступающих сигналов общее время между поступлением на вход сигнала и выдачей результата ничтожно мало.

Работа искусственного нейрона внешне напоминает работу биологического прообраза: от других нейронов на его вход поступают сигналы, значимость которых в соответствии с матрицей весов уменьшается или увеличивается. Далее все сигналы складываются и обрабатываются пороговой функцией, поступают на выход и рассылаются другим нейронам.

Принципы работы

Общий принцип работы многослойной нейронной сети с обучением методом обратного распространения ошибки заключается в следующем. Сначала, с помощью заранее известных исходных данных и результатов по ним, обучаем сеть - на ее вход подаем входные значения, а на выходе сравниваем значения сети с реальным результатом и в зависимости от степени их разногласия корректируем внутренние веса нейронов. Добившись удовлетворительной работы сети с заданной степенью погрешности, прекращаем обучение. Теперь сеть готова рассчитывать реальные данные. Для расчета сеть переводится из режима обучения в режим работы. На вход поступают данные, они обрабатываются, и на выходе получаем ответ с определенной долей вероятности. Так работает примитивная нейронная сеть обратного распространения. В действительности существует множество разнообразных способов увеличения точности ответов и ускорения обучения сетей. Кроме того, при решении ряда задач комбинируют нейросетевые алгоритмы между собой, да и вообще по-разному извращаются.