АкушерствоАнатомияАнестезиологияВакцинопрофилактикаВалеологияВетеринарияГигиенаЗаболеванияИммунологияКардиологияНеврологияНефрологияОнкологияОториноларингологияОфтальмологияПаразитологияПедиатрияПервая помощьПсихиатрияПульмонологияРеанимацияРевматологияСтоматологияТерапияТоксикологияТравматологияУрологияФармакологияФармацевтикаФизиотерапияФтизиатрияХирургияЭндокринологияЭпидемиология

Нейронные сети. Дивергенция и конвергенция нервных путей. Иррадиация. Общий конечный путь

Нейронные сети l

Нейронные сети — это раздел искусственного интеллекта, в котором для обработки сигналов используются явления, аналогичные происходящим в нейронах живых существ. Важнейшая особенность сети, свидетельствующая о ее широких возможностях и огромном потенциале, состоит в параллельной обработке информации всеми звеньями. При громадном количестве межнейронных связей это позволяет значительно ускорить процесс обработки информации. Во многих случаях становится возможным преобразование сигналов в реальном времени. Кроме того, при большом числе межнейронных соединений сеть приобретает устойчивость к ошибкам, возникающим на некоторых линиях. Функции поврежденных связей берут на себя исправные линии, в результате чего деятельность сети не претерпевает существенных возмущений.

l Другое не менее важное свойство - способность к обучению и обобщению накопленных знаний. Нейронная сеть обладает чертами искусственного интеллекта. Натренированная на ограниченном множестве данных сеть, способна обобщать полученную информацию и показывать хорошие результаты на данных, не использовавшихся в процессе обучения.

l Характерная особенность сети состоит также в возможности ее реализации с применением технологии сверхбольшой степени интеграции. Различие элементов сети невелико, а их повторяемость огромна. Это открывает перспективу создания универсального процессора с однородной структурой, способного перерабатывать разнообразную информацию.

l Использование перечисленных свойств на фоне развития устройств со сверхбольшой степенью интеграции (VLSI) и повсеместного применения вычислительной техники, вызвало в последние годы огромный рост интереса к нейронным сетям и существенный прогресс в их исследовании. Создана база для выработки новых технологических решений, касающихся восприятия, искусственного распознавания и обобщения видеоинформации, управления сложными системами, обработки речевых сигналов и т.п. Искусственные нейронные сети в практических приложениях, как правило, используются в качестве подсистемы управления или выработки решений, передающей исполнительный сигнал другим подсистемам, имеющим иную методологическую основу.

l Функции, выполняемые сетями, подразделяются на несколько групп: аппроксимация; классификация и распознавание образов; прогнозирование; идентификация и оценивание; ассоциативное управление. l Аппроксимирующая сеть играет роль универсального аппроксиматора функции нескольких переменных, который реализует нелинейную функцию вида у = f{x), где х — входной вектор, а у — реализованная функция нескольких переменных. Множество задач моделирования, идентификации, обработки сигналов удается сформулировать в аппроксимационной постановке. l Для классификации и распознавания образов сеть накапливает в процессе обучения знания об основных свойствах этих образов, таких, как геометрическое отображение структуры образа, распределение главных компонентов (РСА), или о других характеристиках. При обобщении акцентируются отличия образов друг от друга, которые и составляют основу для выработки классификационных решений.Функции нейронных сетей l В области прогнозирования задача сети формулируется как предсказание будущего поведения системы по имеющейся последовательности ее предыдущих состояний. По информации о значениях переменной в моменты времени, предшествующие прогнозированию, сеть вырабатывает решение о том, чему должно быть равно оцениваемое значение исследуемой последовательности в текущий момент времени. l

В задачах управления динамическими процессами нейронная сеть выполняет, как правило, несколько функций. Во-первых, она представляет собой нелинейную модель этого процесса и идентифицирует его основные параметры, необходимые для выработки соответствующего управляющего сигнала. Во-вторых, сеть выполняет функции следящей системы, отслеживает изменяющиеся условия окружающей среды и адаптируется к ним. Она также может играть роль нейрорегулятора, заменяющего собой традиционные устройства. Важное значение, особенно при управлении роботами, имеют классификация текущего состояния и выработка решений о дальнейшем развитии процесса.Функции нейронных сетей l

В задачах ассоциации нейронная сеть выступает в роли ассоциативного запоминающего устройства. Здесь можно выделить память автоассоциативного типа, в которой взаимозависимости охватывают только конкретные компоненты входного вектора, и память гетероассоциативного типа, с помощью которой сеть определяет взаимосвязи различных векторов. Даже если на вход сети подается вектор, искаженный шумом, либо лишенный отдельных фрагментов данных, то сеть способна восстановить полный и очищенный от шумов исходный вектор путем генерации соответствующего ему выходного вектора. l

Различные способы объединения нейронов между собой и организации их взаимодействия, привели к созданию сетей разных типов. Каждый тип сети, в свою очередь, тесно связан с соответствующим методом подбора весов межнейронных связей (т.е. обучения). Функции нейронных сетей l Интересным представляется объединение различных видов нейронных сетей между собой, особенно сетей с самоорганизацией и обучаемых с учителем. Такие комбинации получили название "гибридные сети". Первый компонент - это сеть с самоорганизацией на основе конкуренции, функционирующая на множестве входных сигналов и группирующая их в кластеры по признакам совпадения свойств. Она играет роль препроцессора данных. Второй компонент - в виде сети, обучаемой с учителем (например, персептронной), сопоставляет входным сигналам, отнесенным к конкретным кластерам, соответствующие им заданные значения (постпроцессинг). Подобная сетевая структура позволяет разделить фазу обучения на две части: вначале тренируется компонент с самоорганизацией, а потом — сеть с учителем. Дополнительное достоинство такого подхода заключается в снижении вычислительной сложности процесса обучения, а также в лучшей интерпретации получаемых результатов

Возбуждение в центральной нервной системе распространяется по различным конфигурациям нервных цепочек. Во всех изученных нервных сетях обнаружены:

1) конвергенция путей, передающих информацию в высшие, а также в исполнительные центры;

2) дивергенция путей, передающих те или иные сигналы;

3) реверберация, или нейронные ловушки.

Конвергенция — это схождение нескольких нервных путей к одним и тем же нейронам или нервным центрам.

Конвергенция многих нервных путей к одному нейрону делает этот нейрон (или нервный центр) интегратором соответствующих сигналов. Его состояние (импульсация или торможение) в каждый момент времени определяются алгебраическим сложением массы возбуждающих и тормозных входов. Иными словами, суммой всех его ВПСП и ТПСП, поступающих на данный нейрон. Если речь идет о мотонейроне, т. е. конечном звене нервного пути к мускулатуре, говорят о принципе общего конечного пути. Например, у позвоночных на каждом мотонейроне спинного мозга и ствола головного мозга образуют синоптические окончания тысячи сенсорных, а также возбуждающих и тормозных вставочных нейронов разных уровней. Мощная конвергенция обнаруживается и на нейронах ретикулярной формации ствола мозга. Еще одной областью «применения» конвергенции являются «сенсорные воронки». Сущность воронок заключается в том, что количество входов в нее меньше, чем количество выходов. Благодаря конвергенции происходит «сжатие», уменьшение объема информации, поступающей от рецепторов к центральной нервной системе. Конвергенция участвует и в процессах пространственного облегчения и окклюзии.

Дивергенция — это контактирование одного нейрона или нервного Центра со множеством нейронов или нервных центров. Так, существует разделение аксона чувствительного нейрона в спинном мозге на множество коллатералей. Получившиеся разветвления направляется к разным сегментам спинного мозга и в головной мозг.

Дивергенция пути сигнала наблюдается у многих вставочных нейронов, у командных клеток. Благодаря дивергенции могут формироваться процессы параллельных вычислений, что обеспечивает высокий уровень быстродействия ЦНС. Дивергенция пути обеспечивает расширение области распространения сигнала. Тем самым формируется распространение процесса возбуждения на другие нервные центры, т. е. иррадиация, возбуждение или торможение.

Процесс иррадиации играет положительную роль при формировании новых реакций организма, поскольку активация большого количества различных нервных центров позволяет выделить из их числа наиболее нужные для последующей деятельности и сформировать между ними функциональные связи, т. е. совершенствовать ответную реакцию организма. Благодаря этому процессу между различными нервными центрами возникают условные рефлексы.

Иррадиация возбуждения может оказать и отрицательное воздействие на состояние и поведение организма. Так, иррадиация сильного возбуждения в центральной нервной системе нарушает тонкие взаимоотношения, сложившиеся между процессами возбуждения и торможения в нервных центрах, и приводит к расстройству двигательной деятельности. Например, при эпилепсии возбуждение из патологического очага иррадиирует на большое количество нервных центров коры больших полушарий.

Следовательно, можно выделить направленную, или системную, иррадиацию, когда возбуждение распространяется по определенной системе нейронов и формирует координированную приспособительную деятельность организма, и бессистемную, или диффузную (ненаправленную), иррадиацию, хаотичное распространение возбуждения, при котором координированная деятельность невозможна.

Реверберация. Итальянский физиолог Лоренто де Но обнаружил наличие в ЦНС замкнутых цепочек нейронов. Попав в такую цепочку, поступивший нервный импульс может минутами или часами пробегать небольшой отрезок нейронной цепи, модицифицируя при этом синапсы. Сигнал может реверберировать до тех пор, пока или какой-либо внешний тормоз не выключит одно из звеньев цепи, или в ней не наступит утомление. Выход из такой цепочки осуществляется по коллатералям аксонов нервных клеток — участников Цепи. Таким образом, при реверберации в цепочке нейронов «хранится» тот сигнал, который включил в ней циркуляцию (реверберацию) импульсов. Считалось, что реверберация может служить основой некоторых процессов памяти.

Общий конечный путь. Суть его заключается в том, что к одному мотонейрону поступают импульсы от многих рецепторов, расположенных в различных частях тела. Этот процесс называется общим конечным путем.

Дата добавления: 2015-05-19 | Просмотры: 2480 | Нарушение авторских прав