Вопрос_63_Нечаев (1006304)

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла

БИЛЕТ №63

Нейрокомпьютер.

Основные направления реализации нейросетей.

Оценка производительности нейрокомпьютеров.

Основная информация

Введение

(Эту информацию можно просто прочесть и запомнить самое важное)

Наш мозг - это своего рода великолепный компьютер. Он способен с невероятной быстротой интерпретировать неточную информацию, поступающую от органов чувств: различает шепот в шумной комнате, лицо в полутемном переулке, улавливает скрытый смысл слов. Самое удивительное то, что мозг умеет обучаться самостоятельно, он умеет без каких-либо явных указаний создавать внутренние представления, благодаря которым и проявляет перечисленные способности. Пока мы многое не знаем о том, каким образом мозг обучается обрабатывать информацию, поэтому в настоящее время существует множество теорий и гипотез на этот счет. А на основе уже полученных знаний предпринимаются попытки создания моделей нервной системы, в частности, с использованием искусственных нейронных сетей. Поскольку наши знания о нейронах далеко неполны, модели могут быть лишь грубым приближением к реальным нейронным сетям, и еще слишком рано говорить о создании искусственного мозга сравнимого с человеческим. В настоящее время он еле дотягивает до уровня нервных систем улиток и дождевых червей, но уже сейчас нейронные сети часто выполняют функции бывшие ранее исключительно прерогативой человека, проводят сложные вычисления, позволяют следить за процессами, для которых отсутствуют какие-либо аналитические зависимости.

Наряду с развитием персональных ЭВМ, сетей ЭВМ и

высокопроизводительных суперЭВМ традиционной архитектуры в последние годы

существенно повысился интерес к разработке и созданию компьютеров

нетрадиционного типа и, прежде всего, нейрокомпьютеров. Связано это с тем,

что, несмотря на высокую производительность современных суперЭВМ,

приближающуюся к предельно допустимой, все еще остается много практически

важных проблем, для решения которых нужны более мощные и более гибкие

вычислительные средства. Они необходимы для глобального моделирования

процессов в экосистемах, при решении задач нейрофизиологии, искусственного

интеллекта, метеорологии, сейсмологии и т. п. Необходимы они и при

создании систем управления адаптивных интеллектуальных роботов.

Бортовые ЭВМ таких роботов должны воспринимать большие объемы

информации, поступающей от многих параллельно функционирующих датчиков,

эффективно обрабатывать эту информацию и формировать управляющие

воздействия на исполнительные системы в реальном масштабе времени. Более

того, управляющие компьютеры интеллектуальных роботов должны оперативно

решать задачи распознавания образов, самообучения, самооптимизации,

самопрограммирования, т. е. те задачи, которые весьма сложны для

традиционных ЭВМ и суперЭВМ. Поэтому остается актуальной необходимость в

поиске новых подходов к построению высокопроизводительных ЭВМ

нетрадиционной архитектуры. Среди таких подходов центральное место занимает

нейрокомпьютерный подход.

Его суть состоит в разработке принципов построения новых мозгоподобных

архитектур сверхпроизводительных вычислительных систем – нейрокомпьютеров.

Подобно мозгу, такие системы должны обладать глобальным параллелизмом,

самообучением, самооптимизацией, самопрограммированием и другими свойствами

биологических систем. Ожидается, что нейрокомпьютеры в принципе смогут

решить многие из тех проблем, которые сдерживают дальнейшее развитие научно-

технического прогресса.

По современным представлениям нейрокомпьютер (НК) – это система,

предназначенная для организации нейровычислений путем воспроизведения

информационных процессов, протекающих в нейронных сетях мозга. Структурной

единицей НК служит специфический процессор – нейропроцессор (НП),

имитирующий информационное функционирование отдельных нервных клеток –

нейронов. Нейропроцессоры связываются друг с другом в нейроподобные

структуры, имитирующие нейронные сети мозга. По этой причине, чем точнее НП

воспроизводит информационную деятельность нервных клеток, и чем ближе

конфигурации искусственных нейронных сетей к конфигурациям сетей

естественных, тем больше шансов воспроизвести в НК самообучение,

самопрограммирование и другие свойства живых систем.

С точки зрения вычислительной техники, каждый нейропроцессор

представляет собой специализированное процессорное устройство, реализуемое

программным, аппаратным или программно-аппаратным способом. В то же время

это устройство имеет ряд особенностей. Во-первых, НП воспроизводит не

произвольно выбранный набор операций, а только те операции, которые

биологически обусловлены и необходимы для описания процессов переработки

информации в нервных клетках. Во-вторых, при аппаратной реализации

нейропроцессоров они, подобно нейронам мозга, связываются друг с другом

индивидуальными линиями передач последовательных кодов. При большом числе

процессорных элементов такая связь более эффективна, чем связь

нейропроцессоров по общей шине или посредством индивидуальных параллельных

шин.

Эти и другие особенности НП позволяют выделить их в самостоятельный

класс процессорных устройств вычислительной техники.

Биологический нейрон

(Надо иметь общее представление – все знать из этого раздела совсем не обязательно)

Развитие искусственных нейронных сетей вдохновляется биологией. То есть, рассматривая сетевые конфигурации и алгоритмы, исследователи делают это, используя термины характерные для описания организации мозговой деятельности. Но на этом аналогия, пожалуй, заканчивается. Наши знания о работе мозга столь ограничены, что мало бы нашлось ориентиров для тех, кто стал бы ему подражать. Поэтому разработчикам сетей приходится выходить за пределы современных биологических знаний в поисках структур, способных выполнять полезные функции.

Начнем с рассмотрения биологического прототипа - нейрона. Нейрон является нервной клеткой биологической системы. Он состоит из тела и отростков, соединяющих его с внешним миром .

Отростки, по которым нейрон получает возбуждение, называются дендритами. Отросток, по которому нейрон передает возбуждение, называется аксоном, причем аксон у каждого нейрона один. Дендриты и аксон имеют довольно сложную ветвистую структуру. Место соединения аксона нейрона - источника возбуждения с дендритом называется синапсом. Основная функция нейрона заключается в передаче возбуждения с дендритов на аксон. Но сигналы, поступающие с различных дендритов, могут оказывать различное влияние на сигнал в аксоне. Нейрон выдаст сигнал, если суммарное возбуждение превысит некоторое пороговое значение, которое в общем случае изменяется в некоторых пределах. В противном случае на аксон сигнал выдан не будет: нейрон не ответит на возбуждение. У этой основной схемы много усложнений и исключений, тем не менее, большинство искусственных нейронных сетей моделируют лишь эти простые свойства.

Нервная система (НС) человека и животных является важнейшей

консолидирующей системой организма. Ее основная функция заключается в

поддержании внутренней гармонии организма и в организации его

приспособительной деятельности в изменяющихся условиях внешней среды. НС

имеет клеточную структуру и состоит из клеток – нейронов, сгруппированных в

нейронные ансамбли и сети. Центральным отделом нервной системы является

головной и спинной мозг.

С точки зрения кибернетики мозг представляет собой информационно-

управляющую систему, которая при помощи рецепторов воспринимает информацию

о внешней среде, обрабатывает эту информацию на основе генетической

программы и индивидуального опыта, а также формирует управляющие

воздействия на эффекторные (исполнительные) системы организма.

Данной структуре соответствует хорошо известная специализация нервных

клеток на сенсорные (рецепторные), вставочные (интернейроны) и эффекторные

(мотонейроны) нейроны. Рецепторные нейроны воспринимают энергетические

воздействия внешней среды той или иной модальности (световые, акустические,

тактильные и т. п.) и преобразуют их в импульсные потоки, передаваемые

интернейронам. Взаимодействующие друг с другом интернейроны осуществляют

обработку поступившей информации, а мотонейроны передают результаты этой

обработки непосредственно на исполнительные системы организма (мышцы,

сосуды, железы внутренней секреции и т. п.).

По форме нервные клетки существенно отличаются друг от друга, однако

большинство нейронов имеет древовидную структуру, состоящую из компактного

тела с рядом отростков (волокон). Короткие ветвящиеся веточки называются

дендритами, а длинный, расщепляющийся на терминальные волокна отросток

называется аксоном. Тело клетки (сома) имеет микроскопические размеры от 5

до 100 микрометров, а длина ее отростков может достигать десятков

сантиметров. Например, у крупных млекопитающих и человека аксоны некоторых

клеток при толщине от 10 до 20 мкм имеют длину до метра. Однако и сома и ее

отростки представляют собой единое целое, покрытое общей оболочкой

(мембраной). Как и любая другая клетка организма, нейрон и его отростки

имеют единую внутриклеточную среду, общий генетический аппарат и общую

систему поддержания жизнедеятельности.

Специфическая особенность нервных клеток заключается в способности

воспринимать, преобразовывать и передавать на другие клетки нервное

возбуждение в виде нервных импульсов. Входные импульсы поступают на

дендриты или сому и оказывают на клетку либо возбуждающее, либо тормозное

воздействие. В те моменты, когда суммарное возбуждение клетки превышает

некоторую характерную для нее критическую величину, называемую порогом, в

области аксона возникают нервные импульсы – спайки или, как их еще

называют, потенциалы действия. Возникнув, спайк бездекрементно (без

затухания) распространяется по аксону, поступает на дендриты других клеток

и вызывает их возбуждение или торможение. Такая связь называется аксо-

дендритной, причем возбуждающий или тормозящий характер воздействия

нервного импульса определяется свойствами контакта двух клеток. Этот

контакт называется синаптическим, а пространство между мембранами

контактирующих клеток называется синаптической щелью.

Количество синаптических входов у отдельного интернейрона достигает

150 тысяч. Поэтому общее число межклеточных контактов очень велико.

Например, в мозге человека при 1011 нейронах количество связей между ними

оценивается астрономическим числом 1014. Если дополнительно учесть, что

синаптические связи имеют электрический и химический характер, что наряду с

аксо-дендритными связями возможны синаптические контакты между дендритами,

сомами и аксонами различных клеток, что каждая связь может быть

возбуждающей или тормозной, а также то, что эффективность синаптических

связей в процессе жизнедеятельности меняется, то грандиозная сложность

нейронных сетей у высокоразвитых животных и человека становится очевидной.

В настоящее время установлено, что мозг, судя по всему, основан на

принципе относительно жестко запаянного блока, состоящего из сложно

организованных нейронных сетей, работающих в миллисекундном диапазоне.

Более детальное изучение этих сетей осложняется специфическими свойствами

нервной ткани, содержащей помимо нервных клеток и другие клетки, которые

поддерживают нейрон механически и участвуют в процессах их метаболизма и

проведения спайков.

В целом, нервная ткань представляет собой бесцветную студенистую

массу, в которой даже под микроскопом трудно различить отдельные нейроны и

состоящие из них сети. Поэтому в современной нейроанатомии применяют

специальные методы окрашивания нервной ткани. В частности, используются

красители, которые избирательно воздействуют лишь на некоторые нейроны и

окрашивают их целиком. Окрашенная таким образом ткань замораживается,

разрезается на тонкие слои и изучается под микроскопом. В процессе изучения

удается выделить отдельные нейроны в сетях плотно упакованных нервных

клеток, волокна которых тесно переплетены в густую чащу с промежутками 0,01

мкм. Более того, удается не только различать отдельные клетки, но и

находить их связи друг с другом, как в локальных областях нервной ткани,

так и в различных, далеко отстоящих друг от друга частях мозга. Однако

получаемые при этом сведения не являются полными и не позволяют делать

однозначных выводов о конфигурациях и законах функционирования изучаемых

нейронных сетей. Эти сведения приходится дополнять данными других

Характеристики

Тип файла документ

Документы такого типа открываются такими программами, как Microsoft Office Word на компьютерах Windows, Apple Pages на компьютерах Mac, Open Office - бесплатная альтернатива на различных платформах, в том числе Linux. Наиболее простым и современным решением будут Google документы, так как открываются онлайн без скачивания прямо в браузере на любой платформе. Существуют российские качественные аналоги, например от Яндекса.

Будьте внимательны на мобильных устройствах, так как там используются упрощённый функционал даже в официальном приложении от Microsoft, поэтому для просмотра скачивайте PDF-версию. А если нужно редактировать файл, то используйте оригинальный файл.

Файлы такого типа обычно разбиты на страницы, а текст может быть форматированным (жирный, курсив, выбор шрифта, таблицы и т.п.), а также в него можно добавлять изображения. Формат идеально подходит для рефератов, докладов и РПЗ курсовых проектов, которые необходимо распечатать. Кстати перед печатью также сохраняйте файл в PDF, так как принтер может начудить со шрифтами.

Список файлов ответов (шпаргалок)