Волновая резонансная теория

где х – мембранный потенциал, у характеризует "быстрые" токи (например, калиевые и натриевые), а z – "медленные" токи, I – внешний ток, а, Ь, с, d, r, s, х0 – постоянные параметры.

При обсуждении динамических процессов в коре головного мозга наиболее часто используется модель нейронной активн

ости Вилсона и Кована (1972 г.), учитывающая взаимодействие двух связанных популяций нейронов – подавляющих и возбуждающих [20]:

где Е и I – безразмерные величины, характеризующие активность возбуждающих и тормозящих нейронов соответственно. Здесь параметр е < 1, поскольку постоянные времени для торможения, как правило, больше характерных времен возбуждения, F – функция сигмоидного типа: F=l/(l+e-x) или F= 1/2 + (1/р) arctanx.

При моделировании больших ансамблей нейронов часто используют и совсем простые точечные модели в виде фазовых осцилляторов, к которым сводятся системы осцилляторов общего вида с периодическим поведением и слабыми парными связями (см., например, [21], обзор [22]):

или еще более простые модели переключательного, спинового, типа, подобные тем, которые широко применяются в теории фазовых переходов.

Описанные выше модели нейронов дублируют именно физиологические и анатомические особенности отдельного нейрона. Но при создании нейронной сети нет необходимости в таком точном воспроизведении естественного нейрона. Необходим нейрон, удовлетворяющий поставленным требованиям, и не усложненный реализацией лишних в рамках поставленной задачи физиологических особенностей, так как это будет негативно отражаться на быстродействии сети. Необходима упрощенная, но подходящая для поставленной задачи распознавания модель.

В поставленной задаче необходим пороговый, импульсный нейрон, удовлетворяющий требованию пластичности и стабильности. Для решения этой задачи я взяла двухпороговый нейрон (рис. 15).

Рис.15. Двухпороговый нейрон.

При прохождении входным сигналом нижнего порога, и не превышении верхнего, нейрон срабатывает и генерирует импульс.

После обучения нейронного ансамбля, он будет узнавать только сигнал, мало отличающийся от запомненного. Т.е. ансамбль будет генерировать положительный импульс только в случае резонанса входного сигнала и сигнала, которому обучен ансамбль (рис. 16).

Рис.16. Резонанс.

2.6 Результат работы

2.6.1 Реализация ВРТ в среде Matlab с использованием пакета Simulink

Заключение

Архитектура ВРТ сконструированы по принципу биологического подобия; это означает, что ее механизмы во многом соответствуют механизмам мозга (как мы их понимаем). Однако они могут оказаться не в состоянии моделировать распределенную память, которую многие рассматривают как важную характеристику функций мозга. Экземпляры ВРТ представляют собой «бабушкины узелки»; потеря одного узла разрушает всю память. Память мозга, напротив, распределена по веществу мозга, запомненные образы могут часто пережить значительные физические повреждения мозга без полной их потери.

Кажется логичным изучение архитектур, соответствующих нашему пониманию организации и функций мозга. Человеческий мозг представляет существующее доказательство того факта, что решение проблемы распознавания образов возможно. Кажется разумным эмулировать работу мозга, если мы хотим повторить его работу. Однако контраргументом является история полетов; человек не смог оторваться от земли до тех пор, пока не перестал имитировать движения крыльев и полет птиц.

Список использованных источников:

http://www.ibusiness.ru

http://www.narcom.ru

3. Экономическая часть

В дипломном проекте разрабатывается программа – волновая резонансная нейронная сеть, которая является частью программного обеспечения интеллектуального робота.

Данный раздел дипломного проекта посвящен решению следующих задач:

a) разработка плана создания программы;

b) определение затрат на разработку программы и ее цены;

3.1. План разработки программы

Библиотека работ имеет следующий вид, приведенный в Таблице 1.

Таблица 1

 Скачать реферат