AI Lab

Open Artificial Intelligence Laboratory

Бионика

Documents

Order by : Name | Date | Hits [ Ascendant ]

Воспроизведение реакций естественных нейронов Воспроизведение реакций естественных нейронов

hot!
Date added: 07/19/2012
Date modified: 07/19/2012
Filesize: 990.34 kB
Downloads: 6528

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.

Моделирование процессов выживания и оптимизации ресурсов нейрона как элемента нейронных структур Моделирование процессов выживания и оптимизации ресурсов нейрона как элемента нейронных структур

hot!
Date added: 06/04/2010
Date modified: 06/04/2010
Filesize: 1.58 MB
Downloads: 7407
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.

Пример моделирования нейронной системы управления двигателем - исходный код Пример моделирования нейронной системы управления двигателем - исходный код

Date added: 04/26/2010
Date modified: 04/26/2010
Filesize: 353.95 kB
Downloads: 34

Исходный код демонстрационной программы к статье Пример моделирования нейронной системы управления двигателем.

Пример моделирования нейронной системы управления двигателем - демо Пример моделирования нейронной системы управления двигателем - демо

hot!
Date added: 04/26/2010
Date modified: 04/26/2010
Filesize: 994.93 kB
Downloads: 2054
Демонстрационная программа к статье Пример моделирования нейронной системы управления двигателем.

Пример моделирования нейронной системы управления двигателем Пример моделирования нейронной системы управления двигателем

hot!
Date added: 04/26/2010
Date modified: 04/26/2010
Filesize: 262.22 kB
Downloads: 8434
В предыдущей статье была предложена схема СУ мышечным волокном. Такая нейронная сеть может быть адаптирована для управления двигателем. Здесь в качестве сенсорных входов нейронной сети используются актуальные выходные данные с двигателя об угловой скорости (Ia), крутящем моменте (Ib), значении угла (II). Управляющее напряжение вычисляется как сумма выходов с мотонейронов, пропущенных через инерционное звено. Входом всей системы (двигатель+СУ) является внешний момент прикладываемый к двигателю, задача управления – удерживать постоянный угол поворота вала.

 Презентация: Структурно-функциональная организация нервной системы как прототип управляющей ИНС Презентация: Структурно-функциональная организация нервной системы как прототип управляющей ИНС

hot!
Date added: 03/12/2010
Date modified: 03/12/2010
Filesize: 4.46 MB
Downloads: 9809

С.П. Романов 

[Робототехника. Взгляд в будущее. Труды международного научно-технического семинара. Санкт-Петербург: Изд-во "Политехника-сервис", 2010, 206-209].

Становление в середине XX века кибернетики как научного на-правления по изучению принципов управления в технических и живых системах и бионики с целью использования этих принципов и знаний о строении и организации природных объектов для решениях различных инженерных задач объединило исследователей разных специальностей в этих двух междисциплинарных направлениях. Особое внимание уделялось исследованию нервной системы и моделированию её свойств как новой методологии нейрокибернетики и нейробионики, изучающих возможность реализации принципов организации нервной системы и функционирования мозга на элементной базе электронной техники, пользуясь аналогией между мозгом и вычислительной машиной на ос-новании тождества двух стабильных состояний у триггера и генерируе-мого биологическим нейроном импульса. В широко распространенных однородных искусственных нейронных сетях используют только такие свойства нейрона, как суммация входных сигналов и изменение весов входов в процессе обучения, что позволяет настраивать топологию сети на решение задач классификации и распознавания образов или принятия решения и управления при соответствующем формировании входных сигналов и интерпретации выхода. Для облегчения пользования и формирования единой теории построения искусственных однородных сетей, их многочисленное разнообразие с различными архитектурой и правилами обучения систематизировано и представлено отдельными функциональными блоками в рамках идеального нейрокомпьютер.

Статья: Моделирование импульсных потоков в естественном нейроне Статья: Моделирование импульсных потоков в естественном нейроне

hot!
Date added: 08/20/2008
Date modified: 03/17/2010
Filesize: 1.16 MB
Downloads: 10147

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ ПРЕОБРАЗОВАНИЯ ИМПУЛЬСНЫХ ПОТОКОВ В ЕСТЕСТВЕННОМ НЕЙРОНЕ

MATHEMATICAL MODELING OF THE IMPULSES’ FLOW TRANSFORMATION AT BIOLOGICAL NEURON.

А.В. Бахшиев, С.П. Романов

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.

The known mathematical models of neurons have no necessary properties for modeling natural neuron networks. They are formed as adders in program environment for the decision of neuroinformatic logic tasks or as spike generators according to the Hodgkin-Huxley equations and their variety for spike pattern imitation of the biological neurons. They do not correspond to necessary properties of a structural (base) element of neurons’ natural structures modeling for information processing. Most important to the biological prototype must be conformity the connections between neurons in the network structures, and the principles of information (impulse flows) transformations at everyone neuron. The system of the differential equations describing processes of analog impulse flows transformation in biological neuron is considered. Model’s advantage is the opportunity of neurons' shaping of any dendrite structures and the presynaptic inhibition attribute. The model does not require adjustment of internal parameters during functioning. The structural organization modification of the membrane and synaptic apparatus by been formed interneuron connections defines the neurons' properties in a network. The numeric experiments that have shown qualitative adequacy of behavior of considered mathematical models to the biological prototypes are carried out.