Психические явления как отражение системных мозговых процессов

Автопоэзис, искусственный интеллект и когнитивные науки

Опознавание сложных информационных объектов на основе представления их композициями знакопеременных псевдослучайных последовательностей

Проблемы и перспективы технологии конвергенции  био- инфо- нано- когни

Искусственные когнитивные системы в робототехнике

Разработка структур ассоциативной памяти на основе анализа аналогии между свойствами голограмм и свойствами следов памяти в мозгу

Нейронные основы формирования картины мира

Представления об окружающем мире и о себе в этом мире – картина мира, является основой сознательного поведения человека. Формирование и функционирование этих представлений происходит на базе сформированных в ходе эволюционного развития нейронных механизмов, обеспечиваемых центральной нервной системой. В докладе будут рассмотрены имеющиеся к настоящему времени данные нейронаук, на которых основываются современные представления о функционировании систем мозга, обеспечивающих распознавание объектов и описание пространственных отношений (сенсорная картина мира) и лежащих в основе семантической картины мира, а также тесно связанной с ними систем организации действий. Будет рассмотрена роль как отдельных структур мозга, так и общих принципов функционирования центральной нервной системы в целом (внимание, доминанта, распределенное кодирование). Особое место будет уделено формированию представлений о своем «Я»: структурам мозга, обеспечивающим формирование телесного «Я», ментального «Я», социального «Я». Будут проанализированы сведения о механизмах работы социального мозга, обеспечивающего формирование внутренних представлений о мыслях, намерениях, переживаниях других людей (Theory of Mind) и, как предполагается в современной литературе, лежащего в основе возникновения феномена сознания. На основании изложенного материала будут рассмотрены глобальные принципы формирования «картины мира»: дискретность и целостность, иерархичность, бинарность.

Применение моделей нейронных структур управления мышечным сокращением в задачах управления манипулятором

Предложена методология моделирования нейронных сетей для управления техническими системами, в соответствии с которой свойства каждого нейрона определяются только структурной организацией его синаптического и дендритного аппарата, но не индивидуальной настройкой параметров его элементов. Предложен способ формирования структуры мембраны нейрона в зависимости от условий взаимодействия нейрона в сети. Проведен ряд экспериментов с математической моделью двигателя постоянного тока и с физической моделью манипулятора с двигателем постоянного тока в шарнире. Эксперименты показали принципиальную возможность применения моделей нейронных структур управления мышечным сокращением для управления техническими системами.

В качестве направлений дальнейших исследований можно выделить:

-         Более подробное исследование способов адаптации моделей биологических нейронных структур к сенсорному и эффекторному аппарату технических систем с целью повысить адаптивность таких систем управления к особенностям реализации ОУ, таких как наличие трения в шарнирах, и т.п.

Включение в разработанную систему управления модель системы зрения и разработка контура управления «глаз-рука».

Обзор конференций по анализу изображений и распознаванию образов

Обзор конференции ICOM-5 по исследованию памяти человека

Проблема индукции, универсальность нейронных сетей, базис нелинейной динамики

Краткое содержание доклада:
1. Проблема индукции
1.1 Рассмотрение на примере задачи функциональной аппроксимации
1.2 Проблема критерия и пространства моделей
1.3 Алгоритмически полные пространства моделей и критерий их качества
1.4 Проблема поиска и представления моделей
2 Искусственные нейронные сети в индукции
2.1 ИНС – универсальные аппроксиматоры?
2.2 Эквивалентность ИНС и универсальной машины Тьюринга
2.3 ИНС как частное алгоритмическое представление моделей
2.4 Расширения ИНС
3 Разработка представления моделей на основе динамических ИНС
3.1 Динамические ИНС как генеративные модели
3.2 Функциональный базис линейных динамических ИНС
3.3 Оптимизация архитектуры ИНС по критерию минимальной длины описания
3.4 Введение нелинейности как расширение множества представимых закономерностей: оптимизация по критерию репрезентационной МДО
4 Примеры приложений динамических ИНС
4.1 Предсказание временных рядов
4.2 Обучение системы управления роботом
4.3 Заключение: проблема реконструкции фазового портрета

1. Кратковременная моторная память человека
1.1 Методика исследования.
1.2 Динамика ошибок кратковременной моторной памяти человека при долговременном обучении и заучивании.
1.2.1 Ошибки положения и направления.
1.2.2 Повторные ошибки.
2. Нейронные сети класса гетероассоциативная память.
2.1 Общие принципы функционирования.
2.2 Варианты обучения нейросетей.
3. Нейросетевая модель кратковременной памяти человека.
3.1 Схема модели.
3.2 Обучение модели с помощью алгоритма QLBAM.
3.3 Результаты модельных экспериментов.

Самоорганизация – мифы и реальность; возможность моделирования

Основные вопросы для обсуждения.
- Феноменология самоорганизации в функционировании интеллекта и его эволюционном возникновении.
- Что такое самоорганизация? Существует ли приемлемое определение?
- Достаточно ли «порядка из хаоса» для самоорганизации? Природа хаоса. Физичность понятия информации.
- Нелинейные динамические системы: может ли быть самоорганизация в системе с детерминированным фазовым портретом?
- Математическое описание и моделирование самоорганизации на примерах систем нелинейных дифференциальных уравнений, искусственных нейронных сетей, клеточных автоматов, эволюционных «стаканов»…
- Чего не хватает современным теориям самоорганизации?

Эволюция биологических систем и проблема построения «сильного» (динамического) искусственного интеллекта

О существовании в природе процессов, подчиняющихся законам, которые не выразимы средствами математики