Інтелектуальнісистемиуправліннянаосновінейромережевих структур.

Біологічній нейрон.

 

Нервная система и мозг человека состоят из нейронов, соединенных между собой нервными волокнами. Нервные волокна способны передавать электрические импульсы между нейронами. Все процессы передачи раздражений от нашей кожи, ушей и глаз к мозгу, процессы мышления и управления действиями — все это реализовано в живом организме как передача электрических импульсов между нейронами.

Нейрон (нервная клетка) является особой биологической клеткой, которая обрабатывает информацию. Он состоит из тела иотростков нервных волокон двух типов — депдритов, по которым принимаются импульсы, и единственного аксона, по которому нейрон может передавать импульс. Тело нейрона включает ядро, которое содержит информацию о наследственных свойствах, и плазму, обладающую молекулярными средствами для производства необхо-димых нейрону материалов. Нейрон получает сигналы (импульсы) от аксонов других нейронов через дендриты (приемники) и передает сигналы, сгенерированные телом клетки, вдоль своего аксона (передатчика), который в конце разветвляется на волокна. На окончаниях этих волокон находятся специальные образования — синапсы, которые влияют на силу импульса.

Аксон — обычно длинный отросток, приспособленный для проведения возбуждения от тела нейрона. Дендриты — как правило, короткие и сильно разветвлённые отростки, служащие главным местом образования влияющих на нейрон возбуждающих и тормозных синапсов (разные нейроны имеют различное соотношение длины аксона и дендритов). Нейрон может иметь несколько дендритов и обычно только один аксон. Один нейрон может иметь связи со многими (до 20-и тысяч) другими нейронами.Синапс — место контакта между двумя нейронами или между нейроном и получающей сигнал эффекторной клеткой. Служит для передачи нервного импульса между двумя клетками, причём в ходе синаптической передачи амплитуда и частота сигнала могут регулироваться. Одни синапсы вызывают деполяризацию нейрона, другие — гиперполяризацию; первые являются возбуждающими, вторые — тормозными. Обычно для возбуждения нейрона необходимо раздражение от нескольких возбуждающих синапсов.

 

Модель нейрона.

Нейрон — это составная часть нейронной сети (НС). В состав нейрона входят умножители (синапсы), сумматор и нели­нейный преобразователь. Синапсы осуществляют связь между ней­ронами и умножают входной сигнал на число, характеризующее си­лу связи, — вес синапса. Сумматор выполняет сложение сигналов, поступающих по синаптическим связям от других нейронов, и внеш­них входных сигналов. Нелинейный преобразователь реализует не­линейную функцию одного аргумента — выхода сумматора. Эта функция называется функцией активации или передаточной функцией нейрона. Нейрон в целом реализует скалярную функцию век­торного аргумента.

В общем случае входной сигнал, весовые коэффициенты и значе­ния смещения могут принимать вещественные значения. Выход определяется видом функции активации и может быть как действи­тельным, так и целым. Во многих практических задачах входы, веса и смещения могут принимать лишь некоторые фиксированные зна­чения.

Синаптические связи с положительными весами называют возбуж­ дающими, с отрицательными весами — тормозящими.

Таким образом, нейрон полностью описывается своими весами w, и передаточной функцией W(s). Получив набор чисел (вектор) х, в ка­честве входов, нейрон выдает некоторое число y на выходе.

Базовийпроцесорнийелемент.

В якості центрального процесорного елемента нейромережі виступає нейронний елемент, що здійснює нелінійне перетворення над сигналом його внутрішнього збудження. Незалежно від способу навчання нейромережі, для кожної точки-реалізації навчальної множини можливо вирахувати сигнали внутрішнього збудження всіх нейронів.

Модель нейрона - процессорного элемента нейронной сети, представлена на рис. В соответствии с вышеизложенным нейрон имеет набор входов, на которые поступают входные сигналы (Si,...,Sn). Входы характеризуются вектором весовых коэффициентов (W1,...,Wn). На рис.2,6 показаны некоторые возможные виды переходной функции f, вычисляемой от суммы взвешенных входных сигналов: пороговая, сигмовидная, псевдолинейная.

В зависимости от вида переходной функции нейроны делятся на два класса: детерминистские и вероятностные.

Различают два типа детерминистских нейронов:

1. Нейрон, в теле которого вычисляется скалярное произведение, (полностью соответствует рис.2, а). Это наиболее широко используемый тип нейрона. Он применяется в нейронных сетях для решения задач классификации и прогнозирования, а также для создания моделей ассоциативной памяти.
2. Нейрон "с ближайшим соседом", вычисляющий расстояние между входным вектором и вектором весовых коэффициентов и передающий полученное значение на выход. Такие нейроны применяют в нейронных сетях для решения задач квантования векторов, кластеризации, составления кодовых книг и т.д.