Содержание журнала «Нейрокомпьютеры», 2006, №4-5 От редактора From editor Элементная база реальных нейронных сетей Elemental base of realizing neural network На пути к общей теории нейросетей. К вопросу о сложности. Савельев А. В. Изложены основные положения нового подхода к оценке сложности многоуровневых систем, применительно к биологическим объектам, в частности, в нейробионическом аспекте. Приведены результаты исследований, нейросетей, принципиально неадекватные их биологическим аналогам. На основе открытой гиперсложности биологических нейронов, превышающей сложность сетей и несводимой к ней, показана возможность обобщения теории нейросетей, которая может иметь следствием совершенно иной принцип организации архитектуры нейрокомпьютеров. On the Way to General Theory of Neural Networks. About Question of Complexity. Savelyev A. V. In the article the basic positions of new approach offered the author to an complexity evaluation of multi-level systems, with respect to biological objects, in particular in neurobionic aspect are stated. The outcomes of researches indicating are resulted that the existing complexity evaluations of neuron networks essentially are not adequate to their biological analogs. On the basic of biological neurons hyper-complexity, which it is more complexity of neural networks and irreducible to networks complexity, we proved capability of generalization neural networks theory. It can be a corollary other principle of architecture neurocomputers organization. Нейросетевые модели биологических функций Neural network models of biological function Confabulation Theory a Synopsis. Robert Hecht-Nielsen. Confabulation theory offers a comprehensive, concrete, explanation for cognition. The theory hypothesizes the specific underlying mathematical mechanism of cognition; as well as the neuronal implementation of that mechanism (specified at a ‘meta-level’ of neurophysiological detail: summary descriptions of the dynamical behavior of hypothesized subgroups of cortical neurons). Архитектуры нейронных сетей для реализации функций оперативной ассоциативной памяти. Соломатин В. Ф. Описаны пять нейронных сетей для максимально быстрой записи и актуализации ассоциаций произвольных векторов активности. Разработана базовая нейросетевая модель на основе анализа аналогии между свойствами голограмм и свойствами следов памяти в мозгу; проведено сравнение с известными моделями; обоснованы гипотезы о функциях некоторых структурных образований мозга. Architecture of neural network for realizing of operative associative memories function. Solomatin V. F. Five neuronets intended for maximum fast to record and actualization of associations of any vectors of activity in paper are described. The base neuronet model is developed on the basis of the analysis of analogy between properties holograms and properties of memory traces in a brain. Comparison with known models is carried out. Hypotheses about functions of some structural formations of a brain are proved. Роль торможения в обеспечении надежности работы сложной нейросети при имитации функций головного мозга. Бардычев С.А., Шульгин Г.И. Проведен анализ роли разного рода тормозных процессов в обеспечении надежности работы сложной сети из возбудительных и тормозных нейроноподобных элементов, архитектура которой позволяет реализовывать распознавание, классификацию, называние и обобщение сходных и несходных образов по принципу условно-рефлекторного обучения. Role of inhibition in providing reliability of work of a compound neural network with imitating the cortex brain function. Bardychev S. A., Shulgin G. I. We have carried out an analysis of a role of inhibition of different kinds in providing reliability of work of a compound neural network containing excitant and inhibitory elements. Network’s architecture allows realizing of recognition, classification, naming and generalizing of similar and non-similar images. These capabilities are based on the principle of a conditioned-reflex learning. Имитационное моделирование детекторов крестообразных фигур. Литвинов Е. Г. Проведено имитационное моделирование детекторов крестообразных фигур. Показано, что для построения детектора необходимо задействовать механизмы пространственной и временной суммации возбуждающего постсинаптического потенциала, преобразовав одновременно активированные при подаче изображения рецепторы в последовательность нервных импульсов. Установлено, что два несовершенных, работающих с ошибками детектора при своем объединении могут дать безошибочно работающий детектор. The model imitating the neuron-detector of cross-like objects. Litvinov E.G. Recognition of cruciform patterns is investigated by computer simulation. It is show that optimal performance of this function requirs both space and temporal summations of input synaptical excitations. Thus, input pattern of simultaneously activated receptors has to be transformed into the sequence of neural impulses. Joining of two unreliable detectors allowes to design one completely reliable one. Компьютерная модель формирования и функционирования нейронных элементов в обонятельной коре. Воронков Г.С., Изотов В.А. Предложена компьютерная модель процесса формирования селективных связей нейронов обонятельной луковицы (ОЛ) с нейронами обонятельной коры (ОК) и горизонтальных нейронных связей внутри ОК во время сенсорного обучения, а также функционирования нейронов ОК как составной части обонятельного анализатора. Рассмотрены вопросы представления и обработки сенсорной информации в частности «комбинаторный взрыв». Computer model of neuron elements formation and function in olfactory cortex. Voronkov G. S., Izotov V. A. The computer model is offered to describe the formation of selective connections of the olfactory bulb neurons (OB-network) with the olfactory cortex neurons (OC-network) during sensory training. Likewise, the work concerns some conceptual questions related to the information representation and processing in the olfactory and other sensory systems, in particular, the «combinatorial explosion « problem. Нейросетевой анализ биологических экспериментов Neural network analysis of biological experiment Применение искусственных нейронных сетей для анализа и классификации вызванных потенциалов мозга. Дубынин И.А., Исайчев С.А., Черноризов А.М. Предложены способы использования искусственных нейронных сетей для анализа и классификации вызванных потенциалов, полученных при стимуляции изображениями знакомых и незнакомых лиц; показана возможность оценки их конфигуративных параметров с помощью самоорганизующейся карты Кохонена, использованной на обучение нейроклассификатора; успешно осуществлена классификация вызванных потенциалов на два класса: «знакомые лица» и «незнакомые лица». Application of artificial neural networka for the analysis and classifications of the evoked potentials of a brain. Dubinin I. A., Isaychev S. A., Chernorizov A. M. Offered to use a method of artificial neural networks and self-organizing Kohonens’ map for the analysis and classifications of the visual evoked potentials registered in human to «familiar faces » and «unfamiliar faces». Моделирование импульсивного и самоконтрольного поведения на основе теории обучения по подкреплению. Фролов А.А., Мержанова Г.Х., Смирнитская И.А. В поведенческих опытах кошки, поставленные в ситуацию выбора между большим, отставленным во времени подкреплением, и меньшим, но даваемым почти немедленно, принимают решение – ожидать большего вознаграждения (самоконтрольное поведение), или немедленно получить меньшее вознаграждение (импульсивное поведение). Предложена модель выбора дисконтного коэффициента соответствующего количеству дофамина, определяющего вариант поведения. Modelling of impusive and self-control behavior the theory of reinforcement learning.Frolov A. A., Merzhanova G. Kh., Smirnitskaya I. A. The alimentary instrumental conditioned bar-pressing reflex was elaborated in cats by the method of “active choice” of either short-delayed reinforcement with bread-meat mixture or delayed more valuable reinforcement with meat. The animals differed in behavior strategy: some preferred bar-pressing with long delay (“self-control” group), other pressed the bar with short delay (“impulsive” group). Experimental results suggest that impulsive behavior is due to less amount of dopamine ascaping in striatum. Our model based on the reinforcement learning theory of R.Sutton and A. Barto. We emulated dopamine contribution by discount coefficient of the theory. Computer simulation demonstrates the subdivision of “animals” on “self-control”, “impulsive”, and intermediate groups. The larger is the “dopamine level”, the more self- control is animal’s behavoir. Greedy coefficient of the reinforcement learning theory is another parameter, which contribute in the behavioral choice. Экспериментальное исследование и моделирование нейронных механизмов ахроматического зрения виноградной улитки Helix lucorum L.Черноризов А.М. Разработана двумерная векторная модель ахроматического зрения, базирующаяся на данных экстра- и внутриклеточного исследования сетчатки улитки Helix lucorum L, согласно которой реакция на свет деполяризующихся и гиперполяризующихся клеток образует двумерный вектор постоянной длины, направление которого варьируется как функция («код») интенсивности света. Предлагаемая модель изоморфна двумерным векторным моделям ахроматического зрения рыб, кролика, обезьяны и человека. The experimental investigation and modeling neural mechanics of ahromatic vision of Helix lucorum L. Chernorizov A. M. Using both extra (ERG)- and intracellular data two-channel vector model of achromatic vision of snail was proposed. According to the model, responses of D- and H-cells constitute two-dimensional ‘excitation vector’ of constant length, the direction of which is the code of light intensity. The two-dimensional vector model of light encoding in snails’ eye is analogous with achromatic vision models in vertebrates based on psychophysical and neurophysiological data in fish, rabbit, monkey and human. Вызванные потенциалы различия в кадрировании когнитивных процессов. Соколов Е.Н., Измайлов Ч.А. Рассмотрен новый подход к регистрации вызванных потенциалов, связанный с построением сферической модели сенсорного различения зрительных стимулов. Проведено сопоставление психофизических и электрофизиологических мер межстимульных различий проводится в рамках единой геометрической модели, построенной по результатам анализа матриц попарных различий специальным математическим методом многомерного шкалирования. The visual evoked potentials of differences in research of cognitive processes. Sokolov E. N., Izmailov Ch. A. New approach to registration of the evoked potentials is considered which is based on the spherical model of sensory distinguishing of visual stimuli. The comparison of psychophysial and electrophysiological measures of interstimuli differences will be carried out within the framework of uniform geometrical model, which is created as a result of the analysis of matrixes of differences by multidimensional scaling technique. Перспективы применения нейрокомпьютеров Outlook application of neurocomputers Прогнозирование деградации параметров интегральных схем с использованием нейронных сетей в системе Matlab/Simulink.Строгонов А.В. Рассмотрено прогнозирование процесса деградации параметра выходного напряжения низкого уровня ТТЛ ИС типа 133ЛА8, 133ЛР3 по результатам испытаний на долговечность в течение 150 тыс.ч с использованием нейронных сетей в системе MatLab/Simulink. Forecasting to degradations the parameters of integral schemes with use nueral network in system Matlab/Simulink. Strogonov A. V. Forecasting of process to degradations a parameter of output voltage of lower level TTL IS tipe 133LA8, 133LR3 on results of test on longevity during 150000 h with use neural network in system MatLab/Simulink. Принципы построения мультинейроагентных систем поддержки принятия решения для управления технологическими процессами нефтегазодобывающих предприятий. Галуев Г.А., Коровин С.Я., Коровин Я.С. Предложены принципы построения и основы функционирования мультинейроагентной системы поддержки принятия решений для управления технологическими процессами нефтегазодобывающих предприятий. Oil and gas production enterprises technological processes management on the multineuroagent decision adoption support construction prin. Galuev G. A., KorovinS. Y., KorovinY. S. Multineuroagent decision adoption support system for oil & gas production enterprises technological processes management architecture principles and functioning basis are proposed and depicted. Кусочно-линейный регулятор, дополненный нелинейной нейронной сетью. Лейбов Р.Л. Рассмотрена замкнутая система управления двухконтурным газотурбинным двигателем, включающая нелинейный объект, наблюдателя и кусочно-линейный регулятор, дополненный нелинейной нейронной сетью. Параллельная кусочно-линейному регулятору нелинейная нейронная сеть на каждом шаге формирует дополнительный вектор управления для того, чтобы приблизить прогнозируемые на следующем шаге значения переменных состояния замкнутой системы к заданным значениям. Piece-linear controller completed with nonlinear neural net. Leibov R. L. This paper presents an aircraft turbofan engine closed-loop control system, which includes nonlinear plant, piece-linear controller and nonlinear neural net. This neural net forms additional control vector, which provides the predicted state variables matching up with their desired values.
Рубрики
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №1-2, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №1-2, 2008
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №1, 2003
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №1, 2004
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №1, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №1, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №1, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №10-11, 2003
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №10-11, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №10, 2004
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №10, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №10, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №10, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №11-12, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №11, 2004
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №11, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №11, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №12, 2003
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №12, 2004
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №12, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №12, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №2-3, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №2, 2003
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №2, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №2, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №3-4, 2003
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №3-4, 2008
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №3, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №3, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №3, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №4-5, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №4, 2004
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №4, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №4, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №4, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №5-6, 2004
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №5-6, 2008
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №5, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №5, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №5, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №6, 2003
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №6, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №6, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №6, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7-8, 2004
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2003
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2008
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №7, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2003
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2005
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8-9, 2006
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8, 2007
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8, 2008
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №8, 2009
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №9, 2004
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №9, 2008
- «НЕЙРОКОМПЬЮТЕРЫ»: РАЗРАБОТКА, ПРИМЕНЕНИЕ, №9, 2009
- CRM / ERP — системы: разработка на заказ
- алгебраические фракталы на комплексной плоскости
- Видео
- Гиперкомплексные системы
- Интерактив
- Квантовая механика
- Медиа
- НЕЙРОКОМПЬЮТЕРЫ: РАЗРАБОТКА И ПРИМЕНЕНИЕ №5 2003
- Портфолио дизайн сайтов
- Реакционно-диффузные среды
- Форекс-автотрейдинг
- Фотоблог