Нервная сеть

Cтраница 2

В работе с помощью расчетов на модели нервной сети рецептивного поля ганглиозной клетки сетчатки рассматривается влияние воронкообразных связей на отношение сигнала к собственным шумам системы. [16]

К лин и, Представление событий в нервных сетях и конечных автоматах. [17]

Недостаток места не позволяет здесь подробно обсудить теорию самоорганизующихся нервных сетей и других моделей, основанных на аналогиях с мозгом. Я думаю, что это упущение не очень серьезно при исследовании темы эвристического программирования, так как объяснения и методы в этих двух областях кажутся весьма различными. До настоящего времени, по крайней мере при исследовании моделей нервных сетей, прежде всего старались показать, что определенные достаточно простые эвристические процессы, например обучение с подкреплением или распознавание образов по списку признаков, могут быть осуществлены совокупностями простых элементов без высокоорганизованных взаимосвязей. В отличие от этого работа по эвристическому программированию характеризуется поисками новых, более мощных эвристических методов для решения сложных задач и мало интересуется тем, какая физическая основа ( нервная или иная) была бы минимально достаточна для реализации эвристической программы. Короче говоря, работа над сетями касается того, как далеко можно пойти, имея небольшие исходные возможности; работа в области искусственного разума касается использования всего, что мы знаем, для построения максимально мощной системы, какую только можно построить. По моему мнению, в деле решения сложных задач системы ( якобы мозгоподобные) с минимальной структурой не смогут выдержать соревнования с более обдуманно спроектированными современными машинами; тем не менее их нужно изучать для создания элементов и подсистем, необходимых при построении более совершенных машин. [18]

В заключение следует отметить, что увеличение размеров рецептивного поля воронкообразной нервной сети сопровождается увеличением отношения сигнал - шум, если не относить его ко входу. Такое квазиувеличение происходит в результате прибавления энергии сигнала за счет пространственной суммации и равносильно увеличению амплитуды стимула. Подобные же изменения отношения сигнал - шум могут иметь место в физиологическом эксперименте при изменении площади раздражения рецептивного поля. [19]

Схема проекционного ( а и рецептивного ( б полей нейрона. Нервная сеть ( в. Направление потока импульсов показано стрелкой. Возбужденные нейроны в последовательных слоях ( 1 - 5 выделены. [20]

Такое сложное взаимодействие клеток приводит к образованию в анализаторе так называемой нервной сети. Благодаря ей происходит повышение чувствительности анализаторов к слабым сигналам. Кроме того, избыточность связей в сетевых структурах обеспечивает анализаторам высокую приспособляемость к меняющимся условиям среды. [21]

Русский перевод: Кли - н и, Представление событий в нервных сетях и конечных автоматах, сб. [22]

Вообще говоря, этим свойством обладает любая эвристическая программа, как и любая нервная сеть, для этого вовсе не требуются какие-либо специальные механизмы или программы, которые можно было бы выделить в отдельный блок. Какова бы ни была задача, решающая ее программа будет обладать этим свойством, но с использованием совершенно различных структур. [23]

Создается впечатление, что многие специалисты, работающие в области самоорганизующихся систем и случайных нервных сетей, не сознают со всей отчетливостью важности этой проблемы. Предположим, что сложная задача ( такая, как выигрыш шахматной партии) включает миллион промежуточных решений. [24]

Большое значение для исследования принципов управления и переработки информации в головном мозге имеет разработка теории нервных сетей, в создании к-рой больятую роль сыграли У. В основе деятельности мозга лежит функционирование сложных систем особым обра - - зом соединенных между собой нейронов; в этих. [25]

Большое научное и практическое значение имеют также работы по построению и исследованию самоорганизующихся систем, являющихся моделями нервных сетей. Для построения таких систем строятся электрические модели нейронов, применяются различные вероятностные элементы, из которых создаются системы условной вероятности, поведение которых во многом совпадает со свойст-вами высших организмов. [26]

С целью уточнения влияния степени перекрытия рецептивных полей на про цессы преобразования сигнала и шума были расчитаны варианты нервных сетей без перекрытия и с полным наложением рецептивных полей биполяров друг на друга. Расчеты показывают, что несмотря на изменения величины перекрытия рецептивных полей элементов воронкообразной нервной сети, преобразование сигнала и шума происходит в соответствии с изложенной выше закономерностью. [27]

Широкое распространение получили многочисленные модели нейронов ( ар-трон, адалин, нейристор, меми-стор и др.) и нервных сетей. Исключительно велики перспективы технического моделирования биологической памяти, характеризующейся колоссальной емкостью, гибкостью и надежностью. Так, емкость памяти человека оценивается в 1015 - 10го дв. Показатели лучшихопера-тивных запоминающих устройств весьма далеки от этих характеристик. Другой весьма важной отличительной особенностью биологической памяти является то, что процессы хранения информации здесь совмещаются с процессами ее логической обработки. Попытки технической реализации этих свойств привели к созданию так называемых ассоциативных запоминающих устройств. [28]

Широкое распространение получили многочисленные модели нейронов ( артрон, адалин, нейристор, ме-мистор и др.) и нервных сетей. Исключительно велики перспективы технического моделирования биологической памяти, характеризующейся колоссальной информационной емкостью, гибкостью и надежностью. Так, количество информации в памяти человека оценивается в 1015 - 10я бит при объеме мозга всего около 1 5 дм3 и расходе энергии порядка единиц - десятков ватт. Показатели лучших оперативных запоминающих устройств весьма далеки от этих характеристик. Другой, весьма важной отличительной особенностью биологической памяти является то, что процессы хранения информации здесь совмещаются с процессами ее логической обработки. [29]

Далее мы рассмотрим по существу ту же самую структуру, которая использовалась выше для описания механизма различения, но теперь элементы нервной сети будут иметь различные параметры. Чтобы упростить дело, рассмотрим лишь устойчивое состояние. В частности, положим, что каждый из элементов некоторой двумерной совокупности слоя I образует взаимно однозначные возбуждающие контакты на элементах слоя II. Если имеется достаточно большое число взаимных тормозных влияний, то хотя данный элемент слоя II, расположенный вблизи центра квадрата, и возбуждается от соответствующего элемента слоя I, он может не дать ответа вследствие получения большого числа тормозных импульсов от соседних элементов. Однако элементы, расположенные близко к краю контура, будут получать вдвое меньше тормозных импульсов от элементов, расположенных внутри квадрата. Если вместо элементов внутри квадрата возбуждать элементы, лежащие вне его, то картина состояния слоя II останется в основном без изменений, хотя будет несколько более выражена. Совершенно аналогичная картина состояния слоя II может быть получена также при возбуждении только тех элементов в слое I, которые расположены очень близко к границе. Во всех этих случаях картины возбуждения слоя I различны, а соответствующие картины в слое II получаются по существу одними и теми же. [30]

Страницы: 1 2 3 4