WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 21 | 22 || 24 | 25 |
      1. ЗАКЛЮЧЕНИЕ

Как когнитрон, так и неокогнитрон производятбольшое впечатление с точки зрения точности, с которой они моделируютбиологическую нервную систему. Тот факт, что эти системы показывают результаты,имитирующие некоторые аспекты способностей человека к обучению и познанию,наводит на мысль, что наше понимание функций мозга приближается к уровню,способному принести практическую пользу.

Неокогнитрон является сложной системой итребует существенных вычислительных ресурсов. По этим причинам кажетсямаловероятным, что такие системы реализуют оптимальное инженерное решениесегодняшних проблем распознавания образов. Однако с 1960 г. стоимостьвычислений уменьшалась в два раза каждые два-три года, тенденция, которая, повсей вероятности, сохранится в течение как минимум ближайших десяти лет.Несмотря на то, что многие подходы, казавшиеся нереализуемыми несколько летназад, являются общепринятыми сегодня и могут оказаться тривиальными черезнесколько лет, реализация моделей неокогнитрона на универсальных компьютерахявляется бесперспективной. Необходимо достигнуть тысячекратных улучшенийстоимости и производительности компьютеров за счет специализации архитектуры ивнедрения технологии СБИС, чтобы сделать неокогнитрон практической системой длярешения сложных проблем распознавания образов, однако ни эта, ни какая-либодругая модель искусственных нейронных сетей не должны отвергаться только наосновании их высоких вычислительных требований.

        1. Литература
  1. Blakemore С., Cooper G. F. 1970. Development of the brain dependson the visual enviroment. Nature 228(5270):477–78.
  2. Fukushima К. 1975. Cognitron: A self–organizing mult ilayered neuralnetwork. Biological Cybernetics 20:121–36.
  3. Fukushima К. 1980. Neocognitron: A self–organizing neural network modelfor a mechanism of pattern recognition uneffected by shift in position.Biological Cybernetics 36(4):193–202.
  4. Fukushima К. 1981. Cognitron: A self–organizing multilayer neuralnetwork model. NHK Technical Monograph No. 30, pp. 1–25. Available from Nippon HosoKyokai (Japanese Broadcasting Corp.), Technical Research Labs, Tokio,Japan.
  5. Fukushima K. 1984. A hierarchical neural network model forassociative memory. Biological Cybernetics 50:105–113.
  6. Fukushima К. 1986. A neural network model for selective attentionin visual pattern recognition. Biological Cybernetics 55(1):5–15.
  7. Fukushima К. 1987. A neural network for selective attention. InProceedings of the IEEE First International Conference on Neural Networks, eds.M. Caudil and C. Butler, vol. 2, pp. 11–18. San Diego, CA:SOSPrinting.
  8. Fukushima K., Miyake S. 1982. Neocognitron: A new algorithm forpattern recognition tolerant of deformations and shifts in position. Patternrecognition 15(6): 455–69.
  9. Fukushima К., Miyake S., Takayuki I. 1983. Neocog–nitron: A neural network modelfor a mechanism of visual pattern recognition. IEEE Transaction on Systems, Manand Cybernetics SMC–13(5):826–34.
  10. Hubel D. H., Wiesel T. N. 1962. Receptive fields, binocularinteraction and functional architecture in the cat's visual cortex. Journal ofPhysiology 160:106–54.
  11. Hubel D. H., Wiesel T. N. 1965. Reseptive fields and functionalarchitecture in two nonstriate visual areas (18 and 19) of the cats. Journal ofNeurophi–siology28:229–89.
  12. Hubel D. H., Wiesel. T. N. 1977. Functional architecture ofmacaque monkey visual cortex. Proceedings of the Royal Society, London.Ser. В 198, pp. 1–59.
    1. Приложение А.
      Биологические нейронные сети
      1. ЧЕЛОВЕЧЕСКИЙ МОЗГ:
        БИОЛОГИЧЕСКАЯ МОДЕЛЬ ДЛЯ ИСКУССТВЕННЫХНЕЙРОННЫХ СЕТЕЙ

Структура искусственных нейронных сетей быласмоделирована как результат изучения человеческого мозга. Как мы отмечали выше,сходство между ними в действительности очень незначительно, однако даже этаскромная эмуляция мозга приносит ощутимые результаты. Например, искусственныенейронные сети имеют такие аналогичные мозгу свойства, как способностьобучаться на опыте, основанном на знаниях, делать абстрактные умозаключения исовершать ошибки, что является более характерным для человеческой мысли, чемдля созданных человеком компьютеров.

Учитывая успехи, достигнутые прииспользовании грубой модели мозга, кажется естественным ожидать дальнейшегопродвижения вперед при использовании более точной модели. Разработка такоймодели требует детального понимания структуры и функций мозга. Это в своюочередь требует определения точных характеристик нейронов, включая ихвычислительные элементы и элементы связи. К сожалению, информация не являетсяполной;

большая часть мозга остается тайной дляпонимания. Основные исследования проведены в области идентификации функциймозга, однако и здесь отсутствуют подходы, отличающиеся от чисто«схематических». Биохимия нейронов, фундаментальных строительных блоков мозга,очень неохотно раскрывает свои секреты. Каждый год приносит новую информациюотносительно электрохимического поведения нейронов, причем всегда в направлениираскрытия новых уровней сложности. Ясно одно: нейрон является намного болеесложным, чем представлялось несколько лет назад, и нет полного пониманияпроцесса его функционирования.

Однако, несмотря на наши ограниченныепознания, мозг может быть использован в качестве ценной модели в вопросахразвития искусственных нейронных сетей. Используя метод проб и ошибок,эволюция, вероятно, привела к структурам, оптимальным образом пригодным длярешения проблем, более характерных для человека. Кажется маловероятным, что мыполучим более хорошее решение. Тщательно моделируя мозг, мы продвигаемся висследовании природы и в будущем будем, вероятно, воспроизводить большевозможностей мозга.

Данное приложение содержит штриховыенаброски современных знаний относительно структуры и функций мозга. Хотяизложение этих сведений очень краткое, мы пытались сохранить точность.Следующие разделы иллюстрируют текст данной работы и, возможно, будутстимулировать интерес к биологическим системам, что приведет к развитиюискусственных нейронных сетей.

      1. ОРГАНИЗАЦИЯ ЧЕЛОВЕЧЕСКОГОМОЗГА

Человеческий мозг содержит свыше тысячимиллиардов вычислительных элементов, называемых нейронами. Превышая по количеству числозвезд в Млечном Пути галактики, эти нейроны связаны сотнями триллионов нервныхнитей, называемых синапсами.Эта сеть нейронов отвечает за все явления, которые мы называем мыслями,эмоциями, познанием, а также и за совершение мириадов сенсомоторных иавтономных функций. Пока мало понятно, каким образом все это происходит, но ужеисследовано много вопросов физиологической структуры и определенныефункциональные области постепенно изучаются исследователями.

Мозг также содержит густую сеть кровеносныхсосудов, которые обеспечивают кислородом и питательными веществами нейроны идругие ткани. Эта система кровоснабжения связана с главной системойкровообращения посредством высокоэффективной фильтрующей системы, называемойгематоэнцефалическим барьером, этот барьер является механизмом защиты, который предохраняет мозгот возможных токсичных веществ, находящихся в крови. Защита обеспечиваетсянизкой проницаемостью кровеносных сосудов мозга, а также плотным перекрытиемглиальных клеток, окружающих нейроны. Кроме этого, глиальные клеткиобеспечивают структурную основу мозга. Фактически весь объем мозга, не занятыйнейронами и кровеносными сосудами, заполнен глиальными клетками.

Гематоэнцефалический барьер является основойдля обеспечения сохранности мозга, но он значительно осложняет лечениетерапевтическими лекарствами. Он также мешает исследованиям, изучающим влияниеразличных химических веществ на функции мозга. Лишь небольшая часть лекарств,созданных с целью влияния на мозг, может преодолевать этот барьер. Лекарствасостоят из небольших молекул, способных проникать через крошечные поры вкровеносных сосудах. Чтобы воздействовать на функции мозга, они должны затемпройти через глиальные клетки или раствориться в их мембране. Лишь некоторыемолекулы интересующих нас лекарств удовлетворяют этим требованиям; молекулымногих терапевтических лекарств задерживаются этим барьером.

Мозг является основным потребителем энергиитела. Включая в себя лишь 2% массы тела, в состоянии покоя он используетприблизительно 20% кислорода тела. Даже когда мы спим, расходование энергиипродолжается. В действительности существуют доказательства возможностиувеличения расходования энергии во время фазы сна, сопровождаемой движениемглаз. Потребляя только 20 Вт, мозг с энергетической точки зрения невероятноэффективен. Компьютеры с одной крошечной долей вычислительных возможностеймозга потребляют много тысяч ватт и требуют сложных средств для охлаждения,предохраняющего их от температурного саморазрушения.

        1. Нейрон

Нейрон является основным строительным блокомнервной системы. Он. является клеткой, подобной всем другим клеткам тела;однако определенные существенные отличия позволяют ему выполнять всевычислительные функции и функции связи внутри мозга.

Как показано на рис. А.1, нейрон состоит изтрех частей: тела клетки, дендритов и аксона, каждая часть со своими, новзаимосвязанными функциями.

Рис. А.1. Компоненты нейрона

Функционально дендриты получают сигналы отдругих клеток через контакты, называемые синапсами. Отсюда сигналы проходят втело клетки, где они суммируются с другими такими же сигналами. Если суммарныйсигнал в течение короткого промежутка времени является достаточно большим,клетка возбуждается, вырабатывая в аксоне импульс, который передается наследующие клетки. Несмотря на очевидное упрощение, эта схема функционированияобъясняет большинство известных процессов мозга.

Тело ячейки.Нейроны в мозгу взрослого человека невосстанавливаются; они отмирают. Это означает, что все компоненты должнынепрерывно заменяться, а материалы обновляться по мере необходимости.Большинство этих процессов происходит в теле клетки, где изменение химическихфакторов приводит к большим изменениям сложных молекул. Кроме этого, телоклетки управляет расходом энергии нейрона и регулирует множество другихпроцессов в клетке. Внешняя мембрана тела клетки нейрона имеет уникальнуюспособность генерировать нервные импульсы (потенциалы действия), являющиесяжизненными функциями нервной системы и центром ее вычислительныхспособностей.

Рис. А.2. Типы нейронов

Были идентифицированы сотни типов нейронов,каждый со своей характерной формой тела клетки (рис. А.2), имеющей обычно от 5до 100 мкм в диаметре. В настоящее время этот факт рассматривается какпроявление случайности, однако могут быть найдены различные морфологическиеконфигурации, отражающие важную функциональную специализацию. Определениефункций различных типов клеток является в настоящее время предметом интенсивныхисследований и основой понимания обрабатывающих механизмов мозга.

Дендриты.Большинство входных сигналов от других нейроновпопадают в клетку через дендриты, представляющие собой густо ветвящуюсяструктуру, исходящую от тела клетки. На дедритах располагаются синаптическиесоединения, которые получают сигналы от других аксонов. Кроме этого, существуетогромное количество синаптичес–ких связей от аксона к аксону, от аксона к телу клетки и отдендрита к дендриту; их функции не очень ясны, но они слишком широкораспространены, чтобы не считаться с ними.

В отличие от электрических цепей,синаптические контакты обычно не являются физическими или электрическимисоединениями. Вместо этого имеется узкое пространство, называемое синоптической щелью, отделяющее дендритот передающего аксона. Специальные химические вещества, выбрасываемые аксоном всинаптическую щель, диффундируют к дендриту. Эти химические вещества,называемые нейротрансмиттерами, улавливаются специальными рецепторами на дендрите и внедряются втело клетки.

Определено более 30 видовнейротрансмиттеров. Некоторые из них являются возбуждающими и стремятсявызывать возбуждение клетки и выработать выходной импульс. Другие являютсятормозящими и стремятся подавить такой импульс. Тело клетки суммирует сигналы,полученные от дендритов, и если их результирующий сигнал выше пороговогозначения, вырабатывается импульс, проходящий по аксону к другимнейронам.

Аксон.Аксон может быть как коротким (0,1 мм), так ипревышать длину 1 м, распространяясь в другую часть тела человека. На концеаксон имеет множество ветвей, каждая из которых завершается синапсом, откудасигнал передается в другие нейроны через дендриты, а в некоторых случаях прямов тело клетки. Таким образом, всего один нейрон может генерировать импульс,который возбуждает или затормаживает сотни или тысячи других нейронов, каждыйиз которых, в свою очередь, через свои дендриты может воздействовать на сотниили тысячи других нейронов. Таким образом, эта высокая степень связанности, ане функциональная сложность самого нейрона, обеспечивает нейрону еговычислительную мощность.

Синаптическая связь, завершающая ветвьаксона, представляет собой маленькие утолщения, содержащие сферическиеструктуры, называемые синоптическимипузырьками, каждый из которых содержит большое числонейротрансмиттерных молекул. Когда нервный импульс приходит в аксон, некоторыеиз этих пузырьков высвобождают свое содержимое в синаптическую щель, тем самыминициализируя процесс взаимодействия нейронов (рис. А.3).

Рис. А.3. Синапс

Pages:     | 1 |   ...   | 21 | 22 || 24 | 25 |



© 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.