- Details
- Written by: admin
- Hits: 7
ЧЕРНОВИК ДОКЛАДА НА КОНФЕРЕНЦИЮ ПО НЕЙРОИНФОРМАТИКЕ
сокращенный текст отправлен в оргкомитет конференции по Нейроинформатике
А. Елашкина, А.Неверов, А. Нечипоренко, П. Смертин и участники обсуждений, которые посчитают, что этот текст касается их собственного направления исследования. Можно добавляться в авторы.
Открытый Проект "Модели мышления"
Скачать краткий текст тезисов (zip,rtf) - здесь представлен вариант, который ушел в оргкомитет Конефренции. Он меньше по объему примерно на треть.
Обсуждается задача создания искусственной среды, моделирующей когнитивные процессы с качеством моделирования выше, чем при современных алгоритмических подходах. Аргументируется, что алгоритмически (при любой комбинации алгоритмов и при внесении случайности любого типа) когнитивные процессы, на самом деле, вообще не моделируются. Это является причиной расходимости в бесконечность вычислительных процессов при решении таких задач как: выделение неизвестных объектов (в частности, распознавание образов), получение эффектов рефлексивности и самоорганизация системы. Выдвигаются технические требования к моделированию среды адекватной ЦНС и когнитивным процессам естественного интеллекта.
Ключевые слова: новая парадигма, модель мышления, самоорганизация, рефлексия, активность, искусственная интеллектуальная среда.
Read more: Новая парадигма искусственного интеллекта (постановка задачи)
- Details
- Written by: admin
- Hits: 14
Следует сразу оговориться, что речь пойдет о размышлениях (отчасти спекулятивных), а не о бесспорных фактах. И что часть требований, отсутствуя в модели формального нейрона, фигурирует в других моделях. Однако представляется важным создание целостной модели с одновременным учетом всех замечаний. Целью же является расширение возможностей ИНС в решении технических задач. Обоснованность описанных требований как метода достижения этой цели остается предметом обсуждения.
Рассмотрим некоторые аспекты, которые формальный нейрон не воспроизводит, и которые кажутся необходимыми для расширения эффективности применения ИНС.
- Details
- Written by: admin
- Hits: 17
А.В. Бахшиев, С.П. Романов
Моделирование информационных процессов в нервной системе требует воспроизведения соответствия как структуры связей между нейронами сети, так и принципов преобразования информационных (импульсных) потоков каждым нейроном. Известные математические модели нейрона либо не обладают необходимыми свойствами для решения такой задачи, либо требуют индивидуального подхода при моделировании каждого конкретного нейрона – составление уравнений для описания дендрита, синапса, составление уравнений связи, определение параметров моделей и т.п. Наиболее важным представляется разработка модели нейрона, функции и множество реакций которой будут определяться структурой ее дендритного и синаптического аппарата, причем изменение этой структуры не должно влиять на математическое описание либо модификацию параметров описания ее элементов. Нейронная сеть из таких нейронов будет представлять собой комплексную модель мембраны нервной ткани, взаимодействующей через модели химических или электрических синапсов, либо посредством тонического распространения потенциала по участкам мембраны. В работе предложена система дифференциальных уравнений, описывающая динамику преобразования импульсных потоков в естественном нейроне. Модель не требует настройки внутренних параметров в процессе функционирования. Свойства преобразования вход-выход нейронов определяют модификация структурной организации мембраны и синаптического аппарата и формируемые текущей активностью связи в сети. Разработана программная реализация предлагаемой модели нейрона и нейронных сетей. Преимуществом модели является возможность описания взаимодействия нейронов с произвольной структурой дендритного и синаптического аппарата. Возможна модификация моделей функциональных элементов нейрона (мембрана, синапс, низкопороговая зона) при условии сохранения интерфейсных соглашений о типе и диапазоне изменения входных и выходных данных этих элементов, либо выработки новых соглашений. Проведен ряд численных экспериментов, показавших возможность и методику описания в терминах структуры мембранного и синаптического аппаратов различных классов реакций нейронов на внешнее возбуждение.
Read more: Воспроизведение реакций естественных нейронов как результат моделирования...
- Details
- Written by: admin
- Hits: 23
Скачать:
Doc (880 kB 2014-06-27 18:18:42)
Pdf (1 MB 2014-06-27 18:14:57)
Одним из важных направлений разработки интеллектуальных системявляется теория нейронных сетей. На сегодняшний день искусственные нейронные сети (ИНС) применяют для:
- классификации объектов;
- кластеризации/категоризации (классификации образов «без учителя»);
- аппроксимации функций;
- предсказаний/прогнозов;
- решения задач оптимизации;
- создания систем памяти, адресуемой по содержанию (ассоциативной памяти);
- решениязадач управления в слабодетерминированой среде.
Искусственный нейрон имитирует в первом приближении свойства биологического нейрона. На вход искусственного нейрона поступает некоторое множество сигналов, каждый из которых является выходом другого нейрона.
Для того чтобы верно оценить какие существуют искусственные нейроны, что они позволяют реализовывать, как можно улучшить существующие модели нейронов и нейронных сетей и какими могут быть новые разработки в этой области, необходимо произвести их обзор и классификацию.
- Details
- Written by: admin
- Hits: 15
Эта статья - навигатор по остальным публикациям на сайте, посвященных разработке нашей модели импульсных нейронов и моделированию нейронных сетей для решения задач управления движением. Статьи будут время от времени обновляться, чтобы содержать актуальную информацию.
1. Моделирование нейронов.
Предыстория работы по созданию модели импульсного нейрона.
Забегая вперед - пройденный путь и планы исследований.
Обзор существующих моделей нейронов.
От модели формального нейрона к импульсному нейрону.
Математическое описание модели нейрона (требуется обновление).
Описание библиотеки моделей нейронов в Matlab Simulink.
2. Моделирование нейросетевых систем управления движением.
Концепция применения биоподобных моделей нейронных сетей для управления робототехническими системами.
Описание модели нейронных сетей спинального уровня управления мышечным сокращением.
Модель нейросетевого регулятора - RCN (Regulatory Control Network).
Модель нейронной сети управления положением робототехнической системы - PCN (Position Control Network).
Идея нейронной сети управления движением по траектории TCN (Trajectory Control Network).