Асинхронные системы обработки данных. — отсутствие единой для всех обрабатывающих устройств синхронизации (т.е. каждые 2 взаимных устройства должны индивидуально устанавливать и разрывать логические связи между различными процессами обработки данных). Класс асинхронных систем обработки данных характеризуется единой для всех обрабатывающих устройств системой синхронизации (каждые 2 взаимодействующих устройства должны индивидуально устанавливать и разрывать логические связи между реализуемыми ими процессами обработки данных).

Многопроцессорные системы с общей памятью – комплекс, включающий в себя 2 или более процессоров, работающих с общей основной памятью и общими периферийными устройствами под управлением единой ОС, организующей весь процесс обработки данных в комплексе (пример двухпроцессорные PPro, PII).

Проблемы: 1) организация взаимодействия между параллельными процессами, 2) проблемы с распределением ресурсов, 3) организация вычислительного процесса (декомпозиция задачи и введение параллельных ветвей в алгоритмы).

Многопроцессорные системы с распределенной памятью. Комплекс, включающий в себя 2 или более процессоров, каждый из которых работает со своей (выделенной) памятью.

Многопроцессорные системы с динамической памятью.

Волновые системы — это матрица процессорных элементов (ПЭ), в которой объединены принципы управления потоком данных и систолической обработки.

Волновые системы служат для специализированных вычислительных систем (ВС) с интенсивными вычислениями и большими объемами ввода/вывода. Основой волновых систем является регулярная коммутационная сеть (КС). Волновые системы относятся к классу асинхронных систем обработки данных (СОД). Когда какой-либо ПЭ завершил вычисления и готов передать свои результаты для последующей обработки соседним ПЭ, он сообщает им о своей готовности передать данные и ждет от них подтверждения их принять. Только после получения подтверждения, он передает данные.

Волновые системы в отличие от систолических массивов легче программировать, они обеспечивают более высокую отказоустойчивость, в них легче использовать ПЭ с более высокой вычислительной мощностью. Однако, если эта задача решаема на систолических системах, то в них решение будет наиболее быстродействующим.

Нейронные системы Нейрон способен воспринимать нервные сигналы, преобразовывать их в нервные импульсы и проводить их к нервным окончаниям, контактирующим с др. нейронами или органами. Могут происходить как количественные, так и качественные перестройки межнейронных связей.

Базовым элементом искусственных нейронных сетей является линейный пороговый элемент (ЛПЭ), называемый искусственным нейроном. Обычно используют однотипные элементы. Y = f ( W, X ), где f — пороговая функция, W — весовые коэффициенты, X — входные сигналы. Отдельные ЛПЭ группируются в линейные матрицы ( уровни или слои ). Слои объединяются в сети. Сеть с прямыми связями — данные передаются только в направлении от входного уровня к выходному. Однако больший интерес представляют нейронные сети с обратными связями. Особенностью нейронных сетей является способность обнаруживать и запоминать образы и существенные взаимосвязи данных без программирования. Нейронные сети обучаются путем ввода наблюдаемых образов. Обучение — формирование новых весовых коэффициентов и реконфигурация синоптических связей между нейронами.

5 подходов к технической реализации нейронной сети: 1) программа на последовательной ЭВМ, 2) программа на параллельной вычислительной системе (с массовым параллелизмом), 3)аналоговые СБИС, 4)интеллектуальная память, 5) оптические системы.