ВКР: Моделирование естественных нейронных сетей

Оглавление


4.3.1 Описание......................................................................................................... 37

4.3.2 Блок-схема...................................................................................................... 38

Заключение...................................................................................................................... 39

Литература....................................................................................................................... 40

Приложение А................................................................................................................. 42

Значения экспериментальных данных для типа 1................................................... 42

Значения экспериментальных данных для типа 2................................................... 44

Значения экспериментальных данных для типа 3................................................... 46

Приложение Б................................................................................................................. 47

Constants.h.................................................................................................................... 47

Main.cpp....................................................................................................................... 48

Приложение В................................................................................................................. 54

Perceptron.h.................................................................................................................. 54

Perceptron.cpp............................................................................................................... 55

Main.cpp....................................................................................................................... 57

Приложение В................................................................................................................. 60

Perceptron.h.................................................................................................................. 60

Perceptron.cpp............................................................................................................... 61

Constants.h.................................................................................................................... 63

Main.cpp....................................................................................................................... 64


























5

• Постановка задачи

1.1 Предпосылки

• последнее время исследование связанных систем привело к совместным исследованиям между различными областями, такими как нелинейная динамика, сетевая наука и статистическая физика, с множеством приложений, например, в физике, биологии

• технологии. Поскольку числовые ресурсы развивались быстрыми темпами, анализ и моделирование больших сетей с использованием все более сложных схем сопряжения стали доступными, что привело к появлению множества новых динамических сценариев.

Так в 2002 году Курамото и Баттогтох сообщили, что массивы нелокально связанных

осцилляторов могут спонтанно разделиться на синхронизированные и десинхронизированные субпопуляции [1]. Это было удивительным аспектом, так как раннее считалось, что связанные идентичные осцилляторы либо синхронизируются, либо будут работать несвязно, хаотично. Так как сеть обладала гибридной природой, объединяющей как когерентные, так и некогерентные части, Стивом Строгацем было предложено называть такие состояния химерными. из-за их похожести на мифологических греческих зверей, будто собранных из несопоставимых частей [2].

Недавние работы показали, что состояния химер не ограничиваются фазовыми осцилляторами, а могут быть найдены в большом разнообразии различных систем. Они включают в себя временные дискретные и хаотические модели с непрерывным временем [3,4] и не ограничены одним пространственным измерением. Также двухмерные конфигурации учитывают состояния химер [5,6]. Более того, аналогичные сценарии существуют для временной связи [7][9], и их динамические свойства и симметрии также подвергались теоретическим исследованиям [4,8,9] Только в самом недавнем прошлом химерные состояния были реализованы в экспериментах на химических осцилляторах [10]

• электрооптических решетках связанных карт [11]. Нелокальность соединения - ключевая характеристика для состояний химер - также предполагает интересную связь с материаловедением. Например, магнитные частицы Януса, которые подвергаются индуцированному синхронизацией структурному переходу во вращающемся магнитном поле [12,13]. Нелокальность имеет большое значение не только для состояний химер, но и для других динамических явлений, таких как турбулентная перемежаемость [14]. Гибридные состояния были также сообщены в контексте нейронауки под понятием Bump State [15]. Позднее они были подтверждены для нелокально связанных моделей Ходжкина-Хаксли [16] и могут объяснять экспериментальное наблюдение частичной синхронности в нейральной активности во время движения глаз [17].

Предпосылками к исследованию системы, описанной в данной статье, послужили такие задачи как: