Механизм распознавания образов в мозге малоизвестен. Если же можно было построить нейронную сетевую модель, которая имеет ту же способность для распознавания образов, что и человек, это дало бы мощный ключ к пониманию нервного механизма в мозге. В этой статье рассмотрим синтезирование нейросетевой модели, способной распознавать образы, подобно человеку.
С этой целью предлагались различные модели, но большинство этих моделей зависит от сдвигов в позиции и/или искажения в форме входных образов. Следовательно, их способность для опознавания не так высока.
Ниже предложена улучшенная нейросетевая модель - нейрокогнитрон, структура которой подобна визуальной нервной системе позвоночного животного. Эта модель самоорганизуется посредством «обучения без учителя» и приобретает способность распознавать образы, базировавшиеся на геометрическом сходстве и небольшом искажении их форм.
Предварительные сообщения о неокогнитроне представлены как дальнейшее расширение «когнитрон»-сети, которая также является самоорганизующейся многоуровневой нейронной сетевой моделью, прежде предложенной в 1975 году. Стандартный когнитрон также имел способность распознавать образы, но ответ зависел от позиции образов, т. е. одни и те же образы, которые представлены в разных позициях, были взяты как различные образы стандартным когнитроном. А в неокогнитроне ответ сети мало зависит от позиций образов.
Неокогнитрон также имеет многоуровневую структуру и способен к самостоятельному обучению: «учитель» не нужен в течение процесса самоорганизации, а только нужно многократно представлять комплект образов входному слою сети. После завершения самоорганизации сеть приобретает структуру модели иерархической визуальной нервной системы.
Согласно модели иерархии нервная сеть в визуальной коре мозга имеет структуру иерархии: LGB - простые ячейки - сложные ячейки - нижний порядок гиперкомплексных ячеек - верхний порядок гиперкомплексных ячеек. Также считается, что нервная сеть между нижним и верхним порядками гиперкомплексных ячеек имеет структуру, подобную сети между простыми и сложными ячейками. В этой иерархии ячейка на высшем этапе обычно выборочно отвечает на более сложную характеристику входного образа и в то же время имеет большую восприимчивую область и более нечувствительна к сдвигу в позиции входного образа.
Модель иерархии изменилась в своей исходной форме. Существуют различные экспериментальные данные, противоречащие этой модели, например, моносинаптические соединения из LGB в сложных ячейках. Тем не менее, это не должно полностью отвергать модель иерархии, если мы считаем, что она будет представлять только основной поток информации в визуальной системе.
© digitrode.ru