WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 25 | 26 || 28 | 29 |   ...   | 58 |

динамичным временем) - нервные сети с Естественно, результаты моделирования антисипацией. Мы уже исследовали ранее указывают на необходимость дальнейший такие модели [7, 8]. Здесь мы предлагаем поиск аналогов и проявления подобных для понимания возможного поведения эффектов в реальных экспериментах.

только очень короткое описание Однако даже существующие результаты вычислений. Один из самых простых указывают на возможную полезность вариантов таких моделей с антисипацией применения концепции сильной имеет форму аналога нервных сетей антисипации. Поэтому тут приведем Хопфилда:

некоторые возможные следствия, x (n +1) = вытекающие из принятия существования j N N эффектов типа сильной антисипации.

(= f - ) xi (n) + xi (n + 1), (3) Среди первых обсудим проблему w ji w ji i=1 i=сознания. В настоящее время существует где есть параметр ожидания. Случай = много как психологических, соответствует отсутствию антисипации.

биологических, философских так и Ниже на рисунке мы приводим для физических концепций сознания (К иллюстрации пример возможного сожалению, невозможно дать ссылки в 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» столь коротком сообщении). Опишем, как неосознанному оцениванию виртуальных может выглядеть явление сознания с возможностей, которое затем учетом сильной антисипации. Физически сопровождается осознанной реакцией.

элементы мозга, причем разных уровней – от нейронов до микротрубочек и клеток по Список литературы Хаммероффу), принимаются имеющими 1. www.psi.webzone.ru/st/008100.htm много виртуальных значений состояний.

2. Libet B. The timing of mental events: Libet’s (Иллюстрации того, как это выглядит, experimental findings and their implications. Conscious можно найти в работе [9] по клеточным and Cognition, 11, 291-299 (2002) автоматам – игра «жизнь» с учетом 3. Планируя время будущего. Основанная на времени проспективная память. / Под. Ред. Д.

сильной антисипации). Тогда элемент акта Гликсона, М. Мыслободского. Киев: Центр учебной сознания заключается в реализации одного литературы. 2011. 244 с.

из множества виртуальных состояний.

4. Rosen R. Anticipatory systems. 1985.

Между прочим, это сильно напоминает 5. Dubois D. Generation of fractals from incursive квантовую механику в комплекте с automata, digital diffusion and wave equation systems.

BioSystems, vol. 43, 1997. pp. 97-114.

процессом измерения (особенно в 6. Dubois D., Incursive and hyperincursive systems, интерпретации Эверетта). При принятии fractal machine and anticipatory logic. Computing такой интерпретации можно получить и Anticipatory Systems: CASYS 2000 – Fourth более удобные для реальных приложений International Conference. Published by the American результаты. Так, при учете данной Institute of Physics, AIP Conference Proceedings 573, 2001. pp. 437 – 451.

концепции, например, может быть 7. Makarenko A., Biluga V., Neuronal networks with рассмотрена проблема шизофрении. Тогда non-uniqueness of states. Neuroneyts Technologies шизофрения может быть связана с (Russia), 2010. №.2, pp. 35-39. [In Russian].

расстройством механизма выбора данной 8. Yatcuk Yu., Makarenko A., Systems of neuronet «обычной» личности из множества types with anticipation accounting. System Research (Ukraine),vol 4(69), 2010. pp. 45-50. [in Ukrainian].

виртуальных личностей. Также 9. Makarenko A., Goldengorin B., Krushinsky D., виртуальное множество состояний может Game ‘Life’ with Anticipatory Property. Proceed. Int.

коррелировать с неопределенностью путей Conf. ACRI’08, Eds. Umeo, H. et al, LNCS 5191, 2008.

в ходе психических процессов. Также pp. 77-82.

антисипация в экспериментах B. Libet может соответствовать медленному Материалы XVI Международной конференции по нейрокибернетике НЕЙРОН КАК ФУНКЦИОНАЛЬНАЯ СИСТЕМА, БАЗОВЫЙ ЭЛЕМЕНТ КОГНИТИВНОСТИ И.А. Малахин, Т.А. Запара, А.С. Ратушняк Конструкторско-технологический Институт вычислительной техники СО РАН, (Новосибирск) Ratushniak.Alex@gmail.com In this paper, on the base of generalization of the нейроне как о простом передатчике theoretical and experimental data an attempt was made сигналов не стало казаться убедительным.

to create a schema version of neuron as a functional Сформировался взгляд на нервные клетки system containing the elements of cognition.

как на сложные молекулярные Введение информационные машины, обладающие Реализация программы анализа и множеством свойств лежащих в основе моделирования когнитивных систем когнитивности.

требует проведения теоретикоОднако при несомненных успехах экспериментальных исследований их нейробиологии осталось неясным, на каком биологических прототипов. Такие уровне организации возникает главное исследования имеют, как теоретический, свойство нейронных систем – так и значительный практический интерес.

когнитивность. Осознание этой проблемы Полученные знания используются для привело к тому, что магистральным создания технических комплексов, направлением работ по анализу обладающих элементами когнитивности и функционирования мозга стал для коррекции функциональных междисциплинарный интеграционный нарушений в нейронных системах.

подход, нашедший отражение в термине Базовым элементом когнитивных нейронаука (neuroscience), объединяющий систем является нейрон. Исследование методические возможности таких научных работы когнитивных систем осложнено не дисциплин как неврология, нейроанатомия, столько недостатком данных об этих нейрофизиология, молекулярная биология системах, сколько непониманием основных и генетика, химия, физика, математика, принципов их функционирования, информатика, психология, психоотсутствием концептуальных моделей, физиология, лингвистика и многих других.

объединяющих эти данные в знания.

Теоретико-экспериментальному анаКогнитивные реакции, состоящие в лизу когнитивных свойств нервных клеток, комплексных способностях к восприятию, основанному на интеграции структурнопереработке информации, обучению, функциональных свойств молекулярных формированию на основе блока мотиваций систем, попытке приблизится к построению текущих целей, предсказанию и схемы нейрона как функциональной управлению базируются на функциосистемы, посвящена данная работа.

нальных реакциях отдельных нервных Результаты и обсуждение клеток. Выявление свойств нервных клеток В проведенных ранее биофизических и простых нейронных систем, лежащих в исследованиях (методы которых описаны основе когнитивности, является актуальной [1-3]), показано, что нейроны in vitro задачей комплекса нейронаук.

способны к осуществлению достаточно В последнее десятилетие происходит сложного когнитивноподобного стремительное расширение фронта “поведения”- запоминанию и нейробиологических исследований, распознаванию образов сигналов, сопровождающееся накоплением огромных предсказанию возможных изменений объемов экспериментальных данных по внешних условий и выбору реакции структуре, функции, эволюции мозга и предотвращающей последствия нервной системы на различных уровнях их неблагоприятных воздействий [1-4].

иерархической организации. Эти данные Однако эти результаты не привели к привели к тому, что представление о пониманию концептуальных принципов 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» работы базового элемента когнитивных системы хранятся прототипы образов, а систем – нейрона. Нервная клетка в составе системе предъявляется образ, описываемый нейронной сети и при культивировании вне начальным вектором, то происходит организма проявляет свойства подобные превращение начального образа в свойствам, как многоклеточных ближайший к нему прототип. Показано что биологических систем, так и дипольная система цитоскелета [5] может одноклеточных. При этом в организме ее осуществлять распознавание образов и на “поведение”, в достаточной степени, основе этого может реализовываться автономно и организм для нейрона управление эффекторами. Осуществляться выступает в качестве внешней среды. такое опознание, вероятно, может Подстройка “поведения” нейрона под благодаря определяемой матрицей свойства этой среды осуществляется, как динамике распространения волны под действием генетических программ, так распространения сигнала от одного к и в результате обучения в процессе другому структурно-функциональному жизнедеятельности. При этом главной, элементу клетки. Активизация в результате генетически предопределенной программой распознавания вектора включенных в него является поддержание функционального эффекторных элементов клетки может состояния клетки, ее гомеостаза. приводить к формированию ответа, Реализация этой программы нейрона, как и позволяющего избежать или аналогичных программ других организмов, минимизировать внешние воздействия, как осуществляется на основе мотивационных за счет изменения внутриклеточных подпрограмм. У нейрона основными систем, так и за счет изменения внешней подпрограммами могут являться: оценка среды, вызванные нейрональной реакцией.

энерго-материальных ресурсов (пищевая); Рост отростков образование и актуализация избегание неблагоприятных условий, межклеточных связей для конкретного сигналов (оборонительная); сохранения, нейрона в нейрональной сети так же меняет восстановления целостности, репарация его внешнюю среду.

повреждений; создание новых Заключение информационных входов, создание Изучение клетки с точки зрения алгоритмов реакций на основе ассоциаций системной биологии предполагает сигналов и предсказание будущих сигналов возникновение в системе (познавательная). Сравнение сигналов многокомпонентных межмолекулярных формируемых такой внутриклеточной взаимодействий новых интегративных молекулярной машиной с данными из качеств, не свойственных отдельным памяти (разноуровневой, распределенной в компонентам, производных, так каждой из этих систем и в геноме) с называемых эмерджентных - системных сигналами, поступающими из внешней (для качеств и функций. Рассмотрение клетки клетки) среды приводят к классификации, как молекулярной машины, элементы определению степени новизны этих которой взаимодействуют в широком сигналов. В случае опознания сигнала временном и пространственном диапазоне, подключается система предсказания дает представление о системных процессах, последствий и реагирования на основе возникновении интегративных качеств генетически предопределенных или ассоциированных с понятиями возникших при обучении алгоритмах. При когнитивности.

отсутствии в многомерном векторе Для интеграции данных о комплексе внешнего сигнала отдельных компонент внутриклеточных межмолекулярных связей может реализовываться дополнение образа в нейроне с помощью технологий GeneNet до полного вектора прототипа. То есть ведется построение интерактома клетки [6].

такая система, в основе которой, вероятно, Для приближения к созданию лежит внутриклеточные молекулярные функциональной схемы когнитивных ансамбли, цитоскелет, может действовать систем представляется целесообразным как ассоциативная память. Если в памяти интегрировать предпринимавшиеся ранее Материалы XVI Международной конференции по нейрокибернетике попытки создания подобных схем. Работа выполнена при финансовой Наиболее интересные и близкие к поддержке базового проекта существующим экспериментальным фундаментальных исследований РАН данным на наш взгляд системы VI.53.1.3, РФФИ 12-01-00639-а и предлагались при создании междисциплинарного проекта президиума функциональных систем [7, 8], СО РАН №когнитивного модуля [9-14] и др. Список литературы 1. Ратушняк А.С. и др. О следовых электрических реакциях нейронов гиппокампа в культуре ткани // Докл. АН СССР. 1976. Т. 228. С. 1479-1481.

2. Ратушняк А.С. и др. Перестройка реакции нейрона при локальной модификации мембраны // Докл. АН СССР. 1989. Т. 309. С. 1012-3. Запара Т.А. и др. Влияние динамического состояния цитоскелета на нейрональную пластичность // Рос. физиол. журн. им. Сеченова. 1999. Т. 85. С. 128138.

4. Ratushnyak A.S. et al. Principles and cellularmolecular mechanisms underlying neuron functions // J.

Integr. Neurosci. 2009. V. 8. P. 453-469.

5. Слядников Е.Е. Физическая модель и ассоциативная память информационной биомакромолекулы // Ж. Тех. Физ. 2007. Т.32. С.52-59.

6. Ananko E.A. et al. GeneNet in 2005 // Nucleic Acids Res. 2005. 33. P. 425-7. Анохин П.К. Функциональная система и ее роль в формировании поведения нейрона. В кн. Вопросы кибернетики. От нейрофизиологии к нейрокибернетике: (Проблемы нейрокибернетики). М., 1976. С.8. Анохин П.К. Системный анализ интегративной деятельности нейрона //П.К. Анохин. Очерки по физиологии функциональных систем. М.: Мед., 1975.

444 с.

На основе таких теоретико9. Яхно В.Г. Проблемы на пути конструирования экспериментальных работ, включая наши, симулятора живых систем // Нелинейная динамика в когнитивных исследованиях - 2011: труды предпринята попытка создания схемы конференции Вып. 2 под ред. И.А. Кокорина, Н.Н.

нейрона как функциональной системы Кралина. Н. Новгород: Изд-во «Института прикладной обладающей элементами когнитивности.

физики РАН», 2011. С. 246-249.

Один из вариантов такой схемы 10. Yakhno V.G. Dynamics of autowave processes in представлен на рисунке. Использование neuron-like systems and CNN technology // Proceedings of the 6th IEEE International Workshop on концептуальной модели нейрона, Cellular Neural Networks and their Applications учитывающей его основные свойства, при (CNNA 2000), Catania, Italy, 2000, P. 33-38.

разработке имитационных систем, 11. Редько В.Г. Зачем и как моделировать возможно, позволит приблизить когнитивную эволюцию // Нелинейная динамика в функциональные возможности таких когнитивных исследованиях - 2011: труды конференции Вып. 2 под ред. И.А. Кокорина, Н.Н.

систем к их биологическим прототипам, а с Кралина. Н. Новгород: Изд-во «Института прикладной другой стороны создаст возможность физики РАН», 2011. С. 164-167.

целенаправленно решать задачи 12. Александров Ю.А. Научение и память:

медицинской коррекции патологических традиционный и системный подходы // Журн. высш.

состояний при когнитивных расстройствах. нерв. деят. 2005. 55, с. 842-860.

13. Tsitolovsky L. E. Protection from neuronal damage Высказанные предположения, evoked by a motivational excitation is a driving force of естественно, нуждаются в дальнейшем intentional actions // Brain Res. Rev. 2005. 49. P 566–теоретико-экспериментальном анализе и 14. Витяев Е.Е. Извлечение знаний из данных.

Pages:     | 1 |   ...   | 25 | 26 || 28 | 29 |   ...   | 58 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.