аведених напрямки в розвитку нейросистем пов'язані з моделюванням, яке реалізується з використанням Нейропакет, нейроплата і нейрокомп'ютерів [7].
Для дослідження побудованої моделі мережі (із заданими характеристиками елементів, архітектурою та навчальними правилами) застосовують три основні методи: аналітичне дослідження, а також математичне (імітаційне) і фізичне моделювання. Складність аналітичного дослідження розглянутих нами моделей з колективним поведінкою обумовлена ??наявністю великого числа взаємодіючих нелінійних нейроподібних елементів.
Фізичне моделювання дозволяє швидко отримувати достовірні результати роботи моделі, однак пов'язано з технічною складністю апаратної реалізації великої кількості нейроподібних елементів з багатьма адаптивними зв'язками.
Нейронна мережа являє собою сукупність великого числа порівняно простих елементів - нейронів, топологія з'єднань яких залежить від типу мережі. В основу штучних нейронних мереж покладені наступні риси живих нейронних мереж, що дозволяють їм добре справлятися з нерегулярними завданнями: простий обробляє елемент - нейрон, дуже велике число нейронів бере участь в обробці інформації, один нейрон пов'язаний з великим числом інших нейронів (глобальні?? в'язі), що змінюються по вазі зв'язки між нейронами, масована паралельність обробки інформації.
Прототипом для створення нейрона послужив біологічний нейрон головного мозку. Біологічний нейрон має тіло, сукупність відростків - дендритів, за якими в нейрон надходять вхідні сигнали, і відросток іншого роду - аксон, що передає вихідний сигнал нейрона іншим клітинам. Точка з'єднання дендрита і аксона називається синапсом. Спрощено функціонування нейрона можна представити таким чином.
Нейрон отримує від дендритів набір (вектор) вхідних сигналів. У тілі нейрона оцінюється сумарне значення вхідних сигналів. Однак входи нейрона нерівнозначні. Кожен вхід характеризується деяким ваговим коефіцієнтом, визначальним важливість надходить по ньому інформації. Таким чином, нейрон не просто підсумовує значення вхідних сигналів, а обчислює скалярний добуток вектора вхідних сигналів і вектора вагових коефіцієнтів. Далі нейрон формує вихідний сигнал, інтенсивність якого залежить від значення обчисленого скалярного добутку. Якщо воно не перевищує деякого заданого порогу, то вихідний сигнал не формується зовсім - нейрон не спрацьовує raquo ;. І потім вихідний сигнал надходить на аксон і передається дендритам інших нейронів.
Поведінка штучної нейронної мережі залежить як від значення вагових параметрів, так і від функції збудження нейронів. Відомі три основних види функції збудження: порогова, лінійна і сигмоїдальна. Для порогових елементів вихід встановлюється на одному з двох рівнів в залежності від того, чи став сумарний сигнал на вході нейрона більше або менше деякого порогового значення. Для лінійних елементів вихідна активність пропорційна сумарному виваженому входу нейрона. Для сигмоїдальних елементів залежно від вхідного сигналу вихід варіюється безперервно (але не лінійно) по мірі зміни входу. Сигмоїдальні елементи мають більше схожості з реальними нейронами, ніж лінійні або порогові, але будь-який з цих типів можна розглядати лише як наближення.
Математичне моделювання на універсальних ЕОМ дає можливість створити практично будь-які моделі нейронних мереж, однак через послідовного характеру їх роботи в осяжний час вдається досліджувати моделі обмеженого розміру.
. 2 Синапс
Відомо, що процеси виділення і розпаду медіатора носять експонентний характер, причому процес виділення медіатора, як правило, відбувається значно швидше ніж процес розпаду.
Наступним важливим фактором є ефект пресинаптичного гальмування, що виявляється в тому, що при перевищенні концентрацією медіатора деякого граничного значення ефект впливу синапсу на іонний канал починає слабшати незважаючи на те, що іонний канал залишається повністю відкритим. Досягнення граничного значення концентрації можливо при стимуляції синапсу імпульсними потоками з високою частотою проходження імпульсів.
Модель, показана на малюнку 1.4, реалізує всі три основні особливості функціонування синапсу.
Малюнок 1.4 - Модель синапсу
Вхід моделі - дискретний сигнал x (t), що представляє собою послідовність імпульсів тривалістю 1 мс і мають амплітуду E. Процес виділення і розпаду медіатора пропонується моделювати інерційним ланкою першого порядку з логічним управлінням постійної часу. Мінлива? характеризує концентрацію медіатора, що виділився у відповідь на імпульс.
Вихід g (t) моделі являє собою ефективність впливу на іонний механізм і пропорційний провідності синапсу. ...
