помножується на відповідний вага зв'язку w1 ... wn - аналог ефективності синапсу. Вага зв'язку є скалярною величиною, позитивною для збуджуючих і негативною для гальмують зв'язків. Зважені вагами зв'язків вхідні сигнали надходять на блок сумації, відповідний тіла клітини, де здійснюється їх алгебраїчна сумація і визначається рівень збудження нейроподібні елемента S: В
Вихідний сигнал нейрона у визначається шляхом пропускання рівня збудження S через нелінійну функцію f:
,
де і - деяке постійний зсув (аналог порога нейрона). Зазвичай використовуються найпростіші нелінійні функції: бінарна
В
сігмоідная:
В
У такій моделі нейрона нехтують багатьма відомими характеристиками біологічного прототипу, які деякі дослідники вважають критичними. Наприклад, в ній не враховують нелінійність просторово-часової сумації, яка особливо проявляється для сигналів, що приходять по збудливим і гальмуючим синапсах, різного роду тимчасові затримки, ефекти синхронізації і частотної модуляції, рефрактерність [4] і т. п. Незважаючи на це нейроподібні мережі, простроенной на основі таких простих нейроподібних елементів, демонструють асоціативні властивості, що нагадують властивості біологічних систем.
В
3.4. Нейроподібні мережі (НПС)
Що таке штучні нейронні мережі? Що вони можуть робити? Як вони працюють? Як їх можна використовувати? Ці та безліч подібних питань задають фахівці з різних областей.
Що ж таке нейроподібна мережу? Це штучний аналог біологічної мережі, за своїми параметрами максимально наближається до оригіналу. Нейроподібні мережі пройшли довгий шлях становлення і розвитку, від повного заперечення можливості їх застосування до втілення в багато сфер діяльності людини.
Сучасні цифрові обчислювальні машини здатні з високою швидкодією і точністю вирішувати формалізовані завдання з цілком певними даними по заздалегідь відомим алгоритмам. Однак у тих випадках, коли завдання не піддається формалізації, а вхідні дані неповні, зашумлені або суперечливі, застосування традиційних комп'ютерів стає неефективним. Альтернативою їм стають спеціалізовані комп'ютери, реалізують нетрадиційні нейромережеві технології. Сильною стороною цих комплексів є нестандартний характер обробки інформації. Вона кодується і запам'ятовується не в окремих комірках пам'яті, а в розподілі зв'язків між нейронами і в їх силі, тому стан кожного окремого нейрона визначається станом багатьох інших нейронів, пов'язаних з ним. Отже, втрата однієї або декількох зв'язків не надає істотного впливу на результат роботи системи в цілому, що забезпечує її високу надійність.
Висока В«ПрироднаВ» перешкодостійкість і функціональна надійність стосуються як перекручених (зашумленних) потоків інформації, так і в сенсі відмов окремих процесорних елементів. Цим забезпечуються висока оперативність і достовірність обробки інформації, а проста дообучаемость і переобучаемость НПС дозволяють при зміні зовнішніх факторів своєчасно здійснювати перехід на нові види вирішуваних завдань.
Наведені вище переваги нейромережевої обробки даних визначають області застосування НПС:
В· обробка і аналіз зображень;
В· розпізнавання промови незалежно від диктора, переклад;
В· обробка високошвидкісних цифрових потоків;
В· автоматизована система швидкого пошуку інформації;
В· класифікація інформації в реальному масштабі часу;
В· планування застосування сил і засобів у великих масштабах;
В· рішення трудомістких завдань оптимізації;
В· адаптивне управління і передбачення.
Основні положення теорії діяльності головного мозку і математична модель нейрона були розроблені У. Маккалоком і Ч. Питтсом в 1943 році і опубліковані у статті В«Логічне числення ідей, що відносяться до нервової діяльностіВ», яка була видана російською мовою у збірнику В«АвтоматиВ» тільки через 13 років. Згідно запропонованої моделі мозок являє собою ансамбль нейронів, мають однакову структуру. Кожен нейрон реалізує деяку функцію, звану порогової, над вхідними значеннями. Якщо значення функції перевищує певну величину - поріг (що характеризує сумарну значущість отриманої нейроном інформації), нейрон збуджується і формує вихідний сигнал для передачі його іншим нейронам. Пройшовши шлях від рецепторів (слухових, зорових і інших) через нейронні структури мозку до виконавчих органів, вхідна інформація перетворюється на набір управляючих впливів, адекватних ситуації.
Окремі нейрони, з'єднуючись між собою, утворюють нову якість, яка, в Залежно від характеру міжнейронних сполук, має різні рівні біологічного моделювання:
В· група нейронів;
В· нейронна мережа;
В· нервова система;
розумова діяльність;
В· мозок.
Іншими словами, нейроподібна мережа - це паралельна зв'язкова м...
