AI Lab

Open Artificial Intelligence Laboratory

От модели формального нейрона к импульсному нейрону

В заметке ранее была описана предыстория появления нашей модели нейрона.

А также представлено небольшое перечисление некоторых из существующих в настоящее время моделей нейронов.

В этой статье будет описаны основные отличия нашей модели от модели формального нейрона. Отталкиваемся именно от модели формального нейрона мы потому, что первоочередной целью является все-таки создание нейронных сетей для решения задач управления в технике. Для исследований в нейрофизилогии более подходящими будут известные классические модели, основанные на описании функционирования ионных каналов.

Тезисно можно выделить четыре этапа, первым из которых будет собственно немного расширенная модель формального нейрона:

1 – Универсальная модель формального нейрона
2 – Нейрон со структурной организацией мембраны
3 – Раздельное вычисление вкладов в мембранный потенциал
4 – Отказ от явного задания пороговой функции

Подробнее...

Обсудить на форуме (комментариев 3).

Предыстория работы по созданию модели импульсного нейрона

Эта и другие статьи, под общим названием "Моделирование биоподобных систем управления движением" посвящаются памяти Романова Сергея Петровича, доктора биологических наук, ведущего научного сотрудника лаборатории физиологии рецепции Института физиологии им. И.П. Павлова Российской академии наук, и моего учителя, скоропостижно скончавшегося 1 апреля 2013 года на 76 году жизни.

Наша совместная работа началась в мою бытность студентом, когда я начал заниматься исследованиями в направлении возможности применения наработок Сергея Петровича в области моделирования естественных нейронов и нейронных структур для управления движением в технических системах.

Сергей Петрович, был одним из тех немногих ученых, кто мог работать на стыке между биологами и технарями, становясь связующим звеном между ними, и постигшая нас потеря очень тяжела как в моральном, так и в профессиональном плане.

Подробнее...

Обсудить на форуме (комментариев 1).

Концепция применения биоподобных моделей нейронных сетей для управления робототехническими системами

Существует множество подходов к созданию автономных робототехнических систем системы управления которых обладают в большей или меньшей степени интеллектуальными свойствами [1,2,3]. Мы предлагаем вариант идти от моделирования систем управления движением на основе бионики. Нервная система появилась как средство активного взаимодействия со средой и эволюционировала вместе с ростом сложности своего объекта управления и требуемых реакций на среду. При этом важно именно то, что объект активно взаимодействует со средой, получая таким образом ответную обратную связь на результат своей деятельности. Мы предлагаем идти в моделировании по пути, в котором мы, не пытаясь сразу решать сложные задачи (такие как, например, обнаружение и распознавание объектов среды, перевода речи и тому подобное), реализовывать нейронные сети, управляющие объектом, взаимодействующим со средой. При этом в основу сенсорной системы можно положить небольшое число датчиков малой размерности.

В рамках предложенного возможно два различных, но взаимно дополняющих друг друга подхода:

1. Заимствование информации о нейронных структурах с известной морфологией и функцией, и построение их моделей, в дальнейшем изучение их функционирования и применение полученных знаний для решения аналогичных задач в управлении техническими системами. Плюсом является априори известная структура сетей. Однако существует мало информации об архитектурах биологических нейронных сетей управления движением. Более-менее на уровне отдельных нейронов известны только низшие уровни, непосредственно взаимодействующие с мышцами. Наиболее надежный способ здесь - моделирование простейших нервных систем.

2. Используя накопленные знания о принципах организации биологических НС разрабатывать требуемые для решения наших задач нейросетевые архитектуры. Далее идет поиск сходства или расхождения в полученных моделях с реальностью и коррекция моделей при необходимости. Плюсом является свобода в выборе архитектуры сетей. Недостатком - опасность перейти от поиска общих концепций построения сетей управления к решению частных задач. А также, как и в п.1, проверка решений "в лоб" на их адекватность биологическим прототипам затруднена, из-за нехватки морфологических данных.

Очевидно, что разумно попытаться совместить оба подхода.

Подробнее...

Обсудить на форуме (комментариев 1).

Моделирование биоподобных систем управления движением

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.

Воспроизведение реакций естественных нейронов как результат моделирования структурно-функциональных свойств мембраны и организации синаптического аппарата (требуется обновление).

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).

Обсудить на форуме (комментариев 1).

Обзор существующих моделей нейронов

Скачать:

icon Doc (880 kB 2014-06-27 18:18:42)

icon 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.

Подробнее...

Обсудить на форуме (комментариев 8).

Воспроизведение реакций естественных нейронов как результат моделирования структурно-функциональных свойств мембраны и организации синаптического аппарата

А.В. Бахшиев, С.П. Романов

Скачать pdf.

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.

Подробнее...

Обсудить на форуме (комментариев 68).

Математическое моделирование процессов преобразования импульсных потоков в естественном нейроне

А.В. Бахшиев, С.П. Романов    icon Скачать (1.2 Мбайт)

Известные математические модели нейрона не обладают необходимыми свойствами для моделирования естественных нейронных сетей. Реализуемые в программной среде как сумматоры для решения логических задач нейроинформатики или генерирующие импульсы в соответствии с уравнениями Ходжкина-Хаксли и их модификациями для имитации паттернов разрядов биологических нейронов, они не соответствуют необходимым свойствам структурного (базового) элемента для моделирования естественных нейронных структур обработки информации. Наиболее значимым биологическому прототипу представляется соответствие как структуры связей между нейронами сети, так и принципов преобразования информационных (импульсных) потоков каждым нейроном. В работе предложена система дифференциальных уравнений, описывающая процессы аналогового преобразования импульсных потоков в естественном нейроне. Преимуществом модели является возможность реализации нейрона с произвольной структурой дендритного аппарата и эффектом пресинаптического торможения. Модель не требует настройки внутренних параметров в процессе функционирования. Свойства нейронов определяет модификация структурной организации мембраны и синаптического аппарата формируемыми связями в сети. Проведен ряд численных экспериментов, показавших качественную адекватность поведения предложенных математических моделей биологическим прототипам.

Подробнее...

Обсудить на форуме (комментариев 27).

Моделирование нейронных структур управления мышечным сокращением. Схемы нейронных сетей.

А.В. Бахшиев,С.П. Романов

Для понимания nработы нервной системы, в частности, необходим объект, которым она управляет. В самом широком отношении к живым организмам, таким объектом служит локомоторный аппарат, двигателем которого являются мышцы. Таким образом, важным этапом на пути понимания работы нервной системы является моделирование нейронных структур управления мышечным сокращением.

Подробнее...

Обсудить на форуме (комментариев 4).

Моделирование процессов выживания и оптимизации ресурсов нейрона как элемента нейронных структур

Многие подходы в решении задач, которые традиционно считаются прерогативой человеческого интеллекта, нашли подсказки или целиком были позаимствованы у живых существ и человека. Можно полагать, что человеческое мышление это построение образной картины решаемой задачи, решающую роль в построении образов играют ассоциации между множествами образов. Процесс мышления - это обработка образной информации, манипулируя которой, двигаясь от образа к образу, человек решает различные задачи [1].
Однако моделирование столь сложной структуры как нервная система животных и человека “в лоб”, с целью получить систему, обладающую способностями аналогичными тем, что считаются прерогативой человеческого интеллекта, представляется не перспективным. В отсутствие достоверных и исчерпывающих знаний о причинах именно такой организации структуры и функций мозга, какие они есть, потребовалось бы создать точную копию мозга, что не имеет смысла в перспективе создания робототехнических систем.
Один из возможных путей создания систем образной обработки информации – попытаться путем анализа известных принципов организации и взаимодействия естественных нейронов предложить модель, объединяющую в себе эти принципы. Такой путь является продолжением теории искусственных нейронных сетей.
Более перспективным направлением, представляется попытаться понять проанализировать первопричины, по которым нейроны объединяются в группы, слои, и затем формируют отделы мозга, и попытаться создать модели нейронов и нейронных сетей, функционирующие по сходным принципам. Иными словами необходимо попытаться то движущее начало, которое формирует нейронные структуры и их заставляет работать. Одним из таких фундаментальных свойств в живой природе является принципиальная неустойчивость биологической системы во времени – т.е. неизбежное старение организма. Борьбу с этим свойством можно считать одним из основных аспектов функционирования живой материи [2].
Внесение в модели нейронов и нейронных сетей этого, и других свойств живой материи может позволить создать системы, в которых такие важные аспекты как образное восприятие и обработка информации будет являться следствием этих свойств, а не заложено искусственно. Также исследование таких моделей, возможно, позволит полнее понять принципы функционирования высшей нервной деятельности человека.

Подробнее...

Обсудить на форуме (комментариев 75).