Файл: Яковлев, В. В. Стохастические вычислительные машины.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 15.10.2024

Просмотров: 78

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

где Х{ принимает значения 1 и 0 с постоянной вероятностью р (х{) и q fa ) . Очевидно, что тогда искомая вероятность p ki п есть не что иное какр (уп = к), к = 0, 1, 2, ... Тогда плотность вероятности случайной величины x-Lможет быть задана в виде

/ (хд = Р fa ) 8{xi — l) + q (Xi) б (х/).

Совместное распределение независимых случайных величин xlt образующих сумму (1.23), определяется плотностью вероятности

П

f ( xn х2, . . ., xn) = 2 ip ( x i) 8 (x i — l)-{-q(xi)8 (x l).

1= 1

Теперь можно определить математическое ожидание суммы (1.23)

4-00

 

4-00

4-00

М (у„) — j

dx1

f

dx2 . . . J f ( Xl, x2, . . ., xn) yn dxn.

- C O

-

CO

— o o

Подставляя в это уравнение выражение для плотности вероят­ ности, получим

M (yn)='ZiP(xi).

1=1

Если р (ж^ = . . . = р (хп) = р(х), то математическое ожидание частоты события х может быть определено как

(1-24)

Аналогичным образом определяется дисперсия величины к

D ,k)= 'S iP (xl)q(xi).

г-i

Используя правило вынесения неслучайной величины за знак дисперсии [24], определим дисперсию величины к]п

 

 

D ( 4 ) = p(x)nq(x).,

(1.25)

что

совпадает

с результатом, получаемым по схеме Берпулли.

В

этом и

заключается возможность представления

величин

в виде отношения числа импульсов в некоторой случайной ста­ ционарной тактовой последовательности к общему количеству нулей и единиц в этой последовательности. Как показывает ре­ зультат (1.24), это отношение должно приближаться к величине вероятности появления импульса в каждом машинном такте.

Для примера на рис. 7 показаны четыре реализации (14) последовательности Бернулли, представляющие в трактовке фор­ мулы (1.24) одну и ту же стохастическую переменную М (х) = = р (х) = 0,75. Для сравнения на том же рисунке изображена

2*

19


последовательность (5) импульсов переполнения Д-регистра циф­

рового интегратора,

где в противоположность СтВМ наблюдается

 

 

 

 

 

 

 

 

 

 

 

 

правильное чередование серий

1 О I

I

I

I I

I

I I 0

0

II N

О

из нулей и единиц.

 

 

 

 

 

 

 

 

о

 

М О И

 

Если исходная информация

 

 

 

 

 

 

 

 

 

представлена в виде определен­

 

 

 

 

 

 

 

 

 

 

 

 

3

0

0

I

I

О I

I

О I I

I

I 0 0

0

I

ного

уровня

напряжения X 0,

4

I

I

О I

I М

I I I

О I I I

I

 

то для получения последователь­

 

ности со средней частотой, про­

 

 

 

 

 

 

 

 

 

 

 

 

порциональной Х 0, можно при­

5 0 M

I I I 0 I N

N

0 M

N

менить схему,

показанную

на

рис. 8

[92].

 

 

 

Рис. 7. Типичные стохастические

Напряжение

источника

шу­

мового сигнала И Ш (например,

последовательности на выходе пре­

 

образователя код — вероятность

напряжение

на

выходе шумя­

щего диода) сравнивается с уров­ нем Х 0 входной переменной. Разность этих сигналов усиливается дифференциальным усилителем У и ограничивается по амплитуде

формирователем Фх.

Образующаяся на выходе

формирователя

ИШ

г

j

 

Ч Н

Ф7

 

 

 

 

Синхр

 

 

 

 

У\МУу

\j

vv» \r

lrvVvVv

t

,

л

_

____ Л Л ___ П_____

 

 

 

 

.

 

 

 

 

 

A.,._.......

t

 

 

 

A.

a

a

 

 

"t

 

1

1

1

 

 

 

 

 

 

 

 

1

1

1

1

1

1

1

1

C.UHXO

1

1

1

. _ _ П _ _

n

_

n

n

_

n

____ 4

Рис. 8. Преобразователь напряжение — вероятность: 1 —4 — характер

случайного процесса в различных точках схемы

апериодическая последовательность поступает на вход уста­ новки единицы триггера Т. Подавая на установочный вход нуля последовательность синхроимпульсов и дифференцируя выходной сигнал триггера, на выходе формирователя Ф2 получаем искомую случайную периодическую последовательность.

20


Особенностью СтВМ в сравнении с ЦДА и иными устройствами дискретного действия является то, что стохастические переменные не имеют определенной длины слова. Для определения точного значения переменной во всех рассмотренных схемах преобразова­ ния информации необходимо проводить большое количество испы­ таний.

При ограничении числа испытаний вместо вероятности получим относительную частоту события (рис. 7), являющуюся приближен­ ным значением исходной вероятности. Рассмотрим этот вопрос подробнее.

Из уравнения (1.25) видно, что при увеличении длины п после­ довательности флюктуации результата уменьшаются. При доста­ точно больших п величина к]п становится величиной распределен­ ной по закону, близкому к нормальному. Можно поставить во­ прос: с какой вероятностью р 0 можно утверждать, что выполняется неравенство

к

—р(х)

< е,

п

 

 

где е — заданная точность.

 

вероятности р 0. Тогда, если

Примем конкретное значение

можно вычислить вероятность

 

 

(ж)

— Рд’

то для нахождения вероятности р (х) нужно продолжать испыта­ ния до тех пор, пока не будет выполнено соотношение рд р 0. Доверительную вероятность р я можно вычислить, пользуясь, интегральной теоремой Муавра — Лапласа [24]

Рд = р \

п

_

к — пр(х)

У :Р (® ) 9 (* )

Р (х ) 9 (* )

 

V пр (х) q (х )

В свою очередь эта вероятность близка к интегралу

dt = 2Ф (а0).

где

(1.25а)

По таблицам интеграла вероятностей по заданной величине р 0 находим аргумент а 0. В частности, если р 0 = 0,9973, то а 0 = 3. Подставив это значение а 0 в формулу (1.25) и произведя преобра­ зование, получим

9р (ж) q (х)

( 1. 26)

е2

21


Таким образом, необходимая длина последовательности им­ пульсов п обратно пропорциональна квадрату погрешности пре­ образования. При этом вероятность появления ошибки, больше заданной е равна 0,27% .

Следует, однако, отметить, что асимптотика формулы Муавра — Лапласа обеспечивает тем большую точность, чем дальше отстоят значения р (х) от концов вероятностного интервала (0,1). Для оценок малых вероятностей и вероятностей близких к единице следует пользоваться распределением Пуассона.

4. Вероятностная логика

Многие арифметические операции в стохастических вычисли­ тельных машинах могут быть выполнены с помощью логических схем. Этот факт основан на глубокой аналогии и связи, существу­ ющей между событийной теорией вероятностей и математической логикой [50]. Так, операция конъюнкции полностью совпадает с операцией умножения вероятностей наступления независимых

событий, а операция дизъюнкции

 

формально

соответствует

формуле

 

суммирования вероятностей

незави­

 

симых событий [56].

Эти аналогии

 

позволяют считать логические

пере­

 

менные Xj случайными событиями,

Рис. 9. Комбинационная ло­

появлению

которых соответствовала

бы некоторая вероятность р

(аД.

гическая схема (ЛС)

 

Рассмотрим комбинационную ло­

 

гическую

схему (рис.

9)

с п

вхо­

дами и т выходами. Пусть на i-м выходе реализуется функция zt = ф£ (хи х г, . . ., хп). Запишем ее в дизъюнктивной совершен­

ной нормальной форме

 

z( =r V х^'х%* . . . х^п.

(1.27)

При этом дизъюнкция берется по всем наборам

a k (к — 1,

2, . . ., п), на которых данная выходная функция

обращается

в единицу. Так как любые попарные комбинации элементарных произведений в ДСНФ склеиваются, то все произведения, стоящие под знаком дизъюнкции в уравнении (1.27), образуют совокуп­ ность несовместных событий.

Следовательно, сложное событие zt определится теперь

ариф­

метической суммой

 

 

zt = 2

•••х*п.

(1.28)

В уравнении (1.28), если a k =

1, то x%k = xk, если а к =

0, то

x°kk = xk (противоположное событие).

 

Известно, что любая переключательная функция имеет

един-

■ственную ДСНФ. Если функция задана таблицей, то для

пред­

22