Модель - нейрон
Cтраница 2
В настоящее время разработан ряд моделей нейронов на полупроводниковых приборах и лампах, на магнитных и других элементах, которое позволяют довольно хорошо моделировать основные характеристики биологического нейрона и нейристора. Под н е й-ристором понимается активная линия, обладающая основными свойствами нервного волокна. [16]
 |
Принципиальная схема электронной модели нейрона. [17] |
Эмиттерный повторитель позволяет повысить нагрузочную способность модели нейрона. [18]
Важнейшими информационными свойствами, которыми должны обладать модели нейронов, являются: генерирование импульса при возбуждении; наличие порога возбудимости; пространственное и временное суммирование входных сигналов; большое количество входов и один выход; память. Существующие модели нейронов различной сложности, выполненные на транзисторах, туннельных диодах, логических микросхемах - это только первый шаг на пути созданий искусственного мозга. [19]
Потребуем, чтобы при малом вход -) Ном воздействии V 1 модель нейрона также обладала бы хаотическим поведением. [20]
Моделью преобразующего нейрона может служить пороговый элемент, у которого Д, 1, а моделью реагирующего нейрона служит пороговый элемент, у которого коэффициенты А - некоторые настраиваемые переменные величины. [21]
В отличие от известной модели формального нейрона, используемой в ней-росетях, предложенный технический нейрон, как модель нейрона естественного ( физиологического), является интегратором формы и обрабатывает не величины электротоков, электрических потенциалов или зарядов, а круговые частоты - независимые гармонические колебания с комплексными амплитудами, следовательно, - образы или геометрические формы. То есть пргшенение технического нейрона ( на основе псевдозамкнутой системы) в качестве элемента решающего поля, позволяет осуществлять образную обработку информации. [22]
Создана ( США) модель зрит, аппарата лягушки, состоящая из 7 фотоэлементов ( фоторецепторов) и 1 модели нейрона. При отсутствии насекомого все 7 фотоэлементов освещены равномерно, выходные сигналы возбуждения и торможения компенсируются и сигнал на входе модели нейрона отсутствует. При появлении насекомого центр, фотоэлемент затемняется, его выходное напряжение падает, нейрон возбуждается. [23]
Для построения нейронной сети, ориентированной на решение конкретной задачи, используются процедуры формирования нейронных сетей, которые обеспечивают ввод указанных характеристик моделей нейронов и структур нейронных сетей. [24]
Широкое распространение получили многочисленные модели нейронов ( артрон, адалин, нейри-стор, мемистор и др.) и нервных сетей. Исключительно велики перспективы технического моделирования биологической памяти, характеризующейся колоссальной емкостью, гибкостью и надежностью. Показатели лучших оперативных запоминающих устройств весьма далеки от этих характеристик. [25]
Для решения разных практических задач требуются различные модели нейронных сетей. Модель нейронной сети определяется моделями нейронов и структурой связей сети. [26]
 |
Классификация ИНС. [27] |
Впервые формализованная математическая модель нейрона была разработана У.С. Мак-Каллоком и У. Мак-Каллок и Питтс предложили использоват1 в качестве модели нейрона бинарный пороговый элемент, вычисляющий взвешенную сумму входных сигналов и формирующий на выходе сигнал величины 1, если эта сумма превышает определенное пороговое значение, и 0 - в противном случае. [28]
Ниже мы обсудим модифицированную модель Хопфилда. В этой модели предпринята попытка устранить оба недостатка, усложнив модель нейрона. Идеализированный нейрон Мак-Каллока - Питтса мгновенно реагирует на состояния соседей, причем независимо от того состояния, в котором в данный момент находится он сам. Это противоречит ряду нейрофизиологических данных, утверждающих, что реальный нейрон является чрезвычайно сложной инерционной системой. [30]
Страницы: 1 2 3