Сети глубокого обучения

Модели заучивания пространственной информации при воспроизведении и узнавании

Аффект, ошибки, и конфликты

Содержание доклада:
1. Информационные основы психики (основные положения общей теории сигналов как концептуальный аппарат информационной теории психического).
2. Психические процессы как частный вариант информационных процессов.
3. Психические образы как психические коды, их отличие от нервных кодов.
4. Кодирование информации и принцип пространственно-временного изоморфизма.
5. Позиции нервных и первичных психических сигналов (ощущений) на шкале уровней пространственно-временного изоморфизма.
6. Эмпирические характеристики перцептивных и репрезентативных образов: пространственно-временная структура, модальность, интенсивность предметность, константность, целостность, обобщенность vs панорамность, симультанность, сдвиги в воспроизведении пространственно-временной структуры, модальности, интенсивности, а также неустойчивость, фрагментарность и обобщенность.
7. Место первичных (перцептов) и вторичных (представлений) образов на шкале уровней пространственно-временного изоморфизма.

Когнитивные архитектуры

Содержание доклада:
1. Моделирование управляемого движения объекта с использованием ЭС.
2. Описание разрабатываемых роботов на каф. 35 СПбГМТУ.
2.1. Робот-манипулятор
2.2. Роботизированный комплекс для исследования алгоритмов навигации и управления движением

От машины Тьюринга к самовоспроизводящимся автоматам Гёте

Структура и механизмы нарушений мышления при шизофрении с позиций информационной теории мышления Л.М Веккера

Содержание доклада:
1. Проблема сопоставления изображений в задачах навигации мобильных роботов.
2. Избыточность контрольных точек и методика ее устранения для повышения быстродействия.
3. Функция заметности ключевых точек на основе модели системы зрительного внимания.
4. Результаты экспериментальной проверки.

Информационная модель волновой активности мозга. Механизм распределенной голографической памяти в волновых нейронных сетях.

Специализация программ с интерпретативным поведением и искусственный интеллект

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?

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.

Обзор конференции Artificial intelligence: applications and innovations, AIAI2012

Память и обобщение на примере зрительной системы