цифровая электроника
вычислительная техника
встраиваемые системы

 

Нейрокомпьютеры. Стратегические подходы к исследованию моделей мозга

Автор: Mike(admin) от 20-06-2019, 02:55

Как правило, более важны психологические свойства мозгоподобных систем, чем сам биологический мозг. Чем больше сходство между нашими моделями и биологическим мозгом, тем более важно четко различать те случаи, когда речь идет о биологических нейронах и тканях, от тех, где речь идет о гипотетических нейронах и гипотетических нервных сетях. Интересующие нас системы полностью аксиоматизированы. Они состоят из абстрактных нейронов в абстрактных средах.

Нейрокомпьютеры. Соединения обучающихся матриц, применение обучающихся матриц

Автор: Mike(admin) от 20-02-2019, 03:15

Интересные особенности проявляются в случае последовательного соединения обучающихся матриц. Это легко может быть получено при помощи промежуточных запоминающих устройств для использования системы значений, выходящих последовательно с первой обучаемой матрицы в качестве входной системы для второй матрицы.


Таким образом, например, слова могут быть распознаны по отдельным буквам, распознанным первой матрицей. Дальше это можно расширить до распознавания предложений за счет использования другого промежуточного контура. Эти методы схожи со способностью живых организмов к восстановлению искаженных слов, например, неправильно произнесенных.

Нейрокомпьютеры. Реализация адаптивных схем на химических мемисторах

Автор: Mike(admin) от 20-02-2019, 03:15

Структура нейрона Адалина и метод его адаптации достаточно просты и поэтому позволяют построить электронный полностью автоматический элемент. Для создания такого элемента необходимо уметь запоминать значения коэффициентов усиления так, чтобы их можно было изменять электронными методами.

Нейрокомпьютеры. Самоорганизующееся формирование топологически правильных характеристических карт

Автор: Mike(admin) от 15-02-2019, 03:25

Топологически правильная карта упорядоченных распределений сигналов может быть сформирована, например, в одно- или двумерном массиве вычислительных элементов, который не имел такой структуры изначально. Этот принцип является обобщением формирования прямых топографических проекций между двумя ламинарными структурами, которое известно как ретинотекстурное преобразование. Не существует никаких ограничений на автоматическое формирование карт для совершенно абстрактных или умозрительных предметов, описанных их сигнальными образами или характерными величинами, выраженными в какой-то метрике или топологическом пространстве, позволяющих их упорядочивание. Другими словами, не обязательно ограничивать себя только топографическими картами, необходимо рассматривать карты образцов, имеющих отношение к произвольным характеристикам или пространству признаков, а также на любом уровне абстракции.

Неокогнитрон - самоорганизующаяся нейронная сетевая модель для механизма распознавания образов, не затронутого сдвигом в позиции

Автор: Mike(admin) от 12-02-2019, 02:35

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.


Неокогнитрон

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.

Выделение особенностей образа в зрительной нейронной системе

Автор: Mike(admin) от 5-02-2019, 05:55

Когда нейрон возбужден, на его выходе формируется импульс. Вид единичного импульса от нейрона всегда одинаков, и информация передается в виде модулированного импульса. Она обрабатывается в нейронной сети, главным образом в синапсах.


Выделение особенностей образа в зрительной нейронной системе

Если нейрон возбужден, происходит передача сигнала на следующий нейрон по синаптической связи. Имеется два типа синаптических соединений – тормозящий и возбуждающий. Если вход при возбуждающих синапсах большой, то и выход от нейрона - тоже большой. И наоборот, если вход при тормозящих синапсах большой, выход - маленький. Когда тормозящий вход достаточно силен, выход становится нулевым, т.е. выходное биение полностью скомпенсировано. Число синапсов одного нейрона определяется его типом.

Создание нейронной сети для выделения особенностей образа

Автор: Mike(admin) от 29-01-2019, 03:25

Сеть для выделения особенностей образов состоит из аналоговых пороговых элементов, имеющих функции, аналогичные функциям нейрона. Выходной сигнал элемента имеет аналоговое значение, соответствующее рабочей частоте реального нейрона.


Создание нейронной сети для выделения особенностей образа

У элемента много входных окончаний, каждое из которых соответствует синаптической связи между нейронами. Каждое входное окончание имеет свой собственный связующий коэффициент, как положительный, так и отрицательный. Входное окончание с положительным коэффициентом соответствует возбуждающему синапсу, с отрицательным - тормозящему синапсу.

Нейрокомпьютеры. Проекция между сенсорными и ассоциативными элементами

Автор: Mike(admin) от 25-01-2019, 09:55

Обычно это негеометрическая проекция. Предположим, что каждый ассоциативный элемент имеет некоторое фиксированное число входных связей. Некоторые из них являются возбуждающими, некоторые - тормозящими, причем каждой входной связи приписывается вес, равный +1 или -1.


Нейрокомпьютеры. Проекция между сенсорными и ассоциативными элементами

Нейрокомпьютеры. Методы распознавания преобразований

Автор: Mike(admin) от 19-01-2019, 09:35

Аналитически дескриптивный метод состоит в сведении картины возбуждения или конфигурации к простому каноническому описанию, которое инвариантно относительно преобразований. Это описание можно затем сравнить с хранящимся в памяти набором эталонных описаний и таким образом определить, какое из них наиболее соответствует данному возбудителю.


Нейрокомпьютеры. Методы распознавания преобразований

Нейрокомпьютеры. Простейшие персептроны, подклассы персептронов

Автор: Mike(admin) от 15-01-2019, 05:55

Простейшие персептроны - это системы, составленные из четырех типов компонент. Хотя определения этих компонент, приводимые ниже, более ограничены, чем это желательно для полного рассмотрения персептронов, они достаточны для излагаемых здесь результатов


Нейрокомпьютеры. Простейшие персептроны, подклассы персептронов

Назад Вперед
Наверх