AI Lab

Open Artificial Intelligence Laboratory

Базовая концепция искусственного интеллекта

Подробности: Обновлено 07 Ноябрь 2012; Автор: Inex; Просмотров: 5939

2-й семинар

Докладчик: к.т.н. О.В. Прогаров

Аннотация (27 Кбайт) и аудиозапись доклада

Раскрыты конструктивные рамки интеллекта и предложены его признаки. На базе этих признаков рассмотрен схематичный пример использования ии-системы на биржевых рынках. Предложены уровни моделирования: система в целом, функциональный модуль, слой модуля, узел (нейрон). Раскрыта архитектура верхнего уровня ии-системы, состоящая из анализаторов, селекторов, компараторов и др. модулей. Рассмотрена архитектура функционального модуля на примере анализатора среды. Предложена неравновесная модель узла. Обоснован выбор ряда модификаций, отличающих предлагаемую модель узла (нейрона) от существующих.

Некоторые мысли о нейробиотике

Подробности: Обновлено 07 Ноябрь 2012; Автор: Inex; Просмотров: 7397

3-й семинар

Докладчик: Хмур

Аннотация (33 Кбайт) и аудиозапись доклада

Рассматриваются свойства биологических нейронов, отсутствующие у классических формальных нейронов (ФН). Указывается на наличие у нейрона "собственного" времени, на необходимость его рассмотрения не как взвешенного сумматора, а частотно-импульсного модулятора, на необходимость включения моделей динамических синапсов. Указывается на важность эффекта "синапс на синапсе", являющегося значимым фактором пластичности; целесообразность расширения модели ФН "ядром", в котором собираются его параметры.

Моделирование процессов распространения возбуждения в нейронах. Выводы и прикладное применение.

Подробности: Обновлено 07 Ноябрь 2012; Автор: Inex; Просмотров: 6997

3-й семинар

Докладчик: А.Н. Никанкин

Презентация (2.2 Мбайт) и аудиозапись доклада

Общее между реальной клеткой и стандартной моделью нейрона - только название. Для этой модели существует множество алгоритмов, так или иначе основанных на матричном исчислении. В реальных задачах, связанных с построением больших систем, применение подобных подходов неприемлемо из-за низкого быстродействия, плохого распараллеливания, ограниченности возможностей обучения, низкого подобия естественным нейронам. Новая модель призвана преодолеть эти ограничения. Основа этой модели - моделирование кусочков мембраны с ионными каналами. Было промоделировано распространение активности по мембранам с различным расположением ионных каналов. Были выведены паттерны ответа нейрона в зависимости от топологии дендритов. В модель включены модели глиальных клеток как средство управления "глупыми" нейронами. Построена модель кортикальной колонки. Рефакторинг модели с максимальным сохранением функционального подобия естественным нейронам привел к получению чистых алгоритмов, позволяющих очень быстро работать в реальных "боевых" системах, например, это позволило создать алгоритмы быстрого поиска (индексации), устойчивого к шумам распознавания, выявления закономерностей в больших массивах данных. На этой же основе построен псевдо-интеллект проекта ПИПС.

Моделирование естественного нейрона как системы преобразования импульсных потоков

Подробности: Обновлено 07 Ноябрь 2012; Автор: Александр Бахшиев; Просмотров: 8439

4-й семинар

Докладчик: А.В. Бахшиев

Презентация (2.86 Мбайт) и аудиозапись доклада

Существующие математические модели нейронов либо очень просты, отражая лишь основные закономерности в обработке информации, присущие биологическому нейрону, либо рассматривают только отдельные этапы информационного преобразования сигналов и не дают целостного представления о процессах, происходящих в реальном объекте. Другая альтернатива – моделирование нейрона на уровне химии процессов. Для решения задач исследования информационных процессов в естественных нейронных сетях такие модели представляются излишне подробными. Интересным представляется моделирование на уровне описания информационных преобразований импульсных потоков в нейроне, не спускаясь на уровень реализующих их физико-химических процессов, но и не абстрагируясь от понятия нейрона как объекта, осуществляющего нелинейные аналоговые преобразования потока импульсов.

Подробнее...

Метод принятия решений на основе интеграции распознавания образов и моделир-я стохастической среды

Подробности: Обновлено 07 Ноябрь 2012; Автор: Inex; Просмотров: 6359

2-й Семинар

Докладчик: к.т.н. В.А. Анисимов

icon Презентация (118.5 Кбайт) и аудиозапись доклада

Использование в той или иной форме модели мира является одним из основных атрибутов как живых, так и искусственных интеллектуальных систем, ибо управление можно осмысленно реализовывать лишь на основе возможности предсказания последствий тех или иных действий системы. Возможны различные подходы и концепции к реализации этой задачи, однако, представляется важным, что бы единая концепция могла быть использована для максимально широкого круга задач, ибо это существенно сокращает ресурсные расходы на создание такого рода систем. С этой точки зрения представляется достаточно перспективным подход, применённый нами впервые для задачи распознавания рукописного текста, который, с моей точки зрения, может быт обобщён на гораздо более широкий круг приложений.

Подробнее...

Объявление о семинаре

Подробности: Обновлено 16 Март 2014; Автор: Inex; Просмотров: 15938

В Санкт-Петербурге проводится регулярный семинар "Искусственный интеллект: от методологии к инновациям".

Объявление о семинарах публикуются на форуме.

Моделирование нейронных структур управления мышечным сокращением. Схемы нейронных сетей.

Подробности: Обновлено 07 Ноябрь 2012; Автор: Александр Бахшиев; Просмотров: 14348

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...

Еще статьи...

Страница 10 из 12

Joomla SEF URLs by Artio

Top

Skip to content

Powered By T3 Framework