ПОИСК Статьи Рисунки Таблицы НЕЙРОПОДОБНЫЕ СТРУКТУРЫ из "Куда идешь, Человек Основы эволюциологии Информационный подход" В настоящее время бурно развивается направление нейрокомпьютинга (ЭВМ 6-го поколения). Его основа заключается в однородности элементной базы (формальных нейронов как неполных функциональных аналогов естественных биологических нейронов, совмещающих процессы обработки и хранения информации), и, самое главное, в способности ИС настраиваться на решение произвольных задач не алгоритмированием, как в современных ЭВМ, а обучением. При этом для обучения достаточно показа нескольких примеров из произвольного класса. И далее на их основе в ИС автоматически формируется нейро-граф правил, который будет достаточно эффективно отображать уже весь этот класс задач [43,51,79,135]. [c.65] Глава 2. Искусственные информационные среды. [c.66] Структурные НС-преобразования 1(а). Рассмотрев характеристики идеальных ИС (2.11-2Л2) и проанализировав существуюшие методы представления информации в ЭВМ [20-24,40], и, в частности, текстовую форму в качестве универсального интерфейса между произвольными ИС, и, видя неудовдетворительность методов эффективного отображения ПО = 1(а) = ВТ, наша группа предложила новый способ реализации интерфейса между ПО и ЭВМ. [c.66] На основе структуры естественного языка как лингвистической модели ПО и инструментария нейронных сетей, была предложена нейросемантическая структура (НСС) представления информации, которая получается при двух преобразованиях текстовой формы иерархически-сетевой рекурсии и нейролингвистическом преобразовании [16,17], см. Приложение 3. [c.66] Первый слой НСС - произвольный символьный алфавит (А), второй слой - словарь слогов-морфем, третий слой - словарь слов. [c.66] Заменяя вершину НСС (см. рис. 2.11) на нейроподобный N-элeмeнт (см. рис. 2.12), представляющий собой конечный настраиваемый пороговый автомат с памятью ( 500 внутренних состояний), с к входами (двумерный вектор 8-образа хь Х2,1г ... Хк, 1к ) и одним тиражируемым выходом - и(1) ( 10 внешних информационных состояний) строится иерархически-сетевая структура представления информации в ИС. [c.67] Глава 2. Искусственные информационные среды. [c.68] Выход N-элемента U(t) определяется его текущим состоянием S(t) и значением порога Ugr(ty для данного i-ro кластера. [c.68] Функциональным зависимостям, представленным на рис. 2.13, дается полный анализ в Приложении 3, но им можно дать и простую интерпретацию. Так как, НСС представляет послойную структуру (см. рис. 2.10) однородных К-элементов слоев Алфавит , Слоги , Слова ,. .. (см. рис. 2.11), то при постоянном потоке информации 1(а), через некоторое время сформируются сначала слой - Алфавит , далее, слой - Слоги , затем - Слова и т.д. При этом, суммарный рост числа задействованных в структуре К-элементов будет монотонно замедляться вследствие механизма ассоциативности (в слое формируется только один представитель конкретного З-образа, а все дальнейшие его реализации в потоке 1(а), будет отображаться ссылками на единственный К-элемент с данным информационным содержанием). [c.69] Отметим, что благодаря иерархической организации НСС в ней происходит нарастающей плотности упаковка информации 1(а). [c.69] Автоструктуризация это самообучение, когда при достаточности материала в НСС наблюдается процесс быстрой сходимости к семантической структуре, полностью отражающей структуру реальных процессов в ПО, т.е. изоморфной их топологии. [c.70] Процесс автоструктуризации НСС, в конечном счете, сводит ее семантическое пространство к единственной структуре, изоморфной отображаемым в ПО процессам. Под изоморфизмом структур мы понимаем взаимоднозначное соответствие элементов и их отношений [109]. При этом достигается естественный теоретический предел эффективности НСС как ИС при работе с конкретной ПО. Еще одно интегральное преимущество асимптотической изоморфности НСС заключается в том, что она лежит в основе одновременного улучшения ИС по всем технически важным параметрам (см. рис. 2.13). [c.71] Проведенные эксперименты показали успешность решения задач автоструктуризации НСС практически для любого текстового потока. [c.71] Точность идентификации 8-объектов. Для изоморфных 8-объектов характерна их неразличимость друг от друга, (см. Приложение 13). При определенном уровне огрубления пространственной дискретности все большее число 8-объектов ПО будут переходить в разряды изоморфных и, соответственно, становиться непосредственно ассоциативно связанными. При этом число характеристик 8-объектов будет уменьшаться и, соответственно, будет за-грубляться их представление. С повышением избирательности (до определенного предела 1тт,1тт), наоборот, будет происходить возрастание числа характеристик 8-объектов. Задача выбора оптимального уровня дискретности при анализе информационного потока является одной из важнейших для механизмов самоорганизации ИС при ограниченном ресурсе К [50,81]. [c.71] При этих процедурах не должны нарушаться семантические расстояния других образов. При одноуровневом алфавите эта задача практически неразрешима уже начиная с 3-4 образов. Введение иерархического представления информации (см. рис. 2.11) позволяет динамично формировать образы-признаки полностью удовлетворяющие вышеприведенным правилам. [c.72] Пространственно-временная свертка. Сущность принципа функционирования N-элемента заключается в пространственно-временной (адресно-ритмической, см. рис. 2.17) свертке сигналов N-элементов предьщущего слоя в скалярную величину (М элементы первого слоя осуществляют свертку сигналов с рецепторных /эффекторных/ элементов НСС). [c.72] Пространственно-временное представление информации (1(а)) в К-элементе позволяет хранить информацию в НСС без потерь и с высокой надежностью идентифицировать ее в условиях повышенного шума избирательность НСС), а также осушествлять ее целенаправленную обработку, в зависимости от входной информации. [c.73] Вернуться к основной статье