Нейроимитатор

 

Изобретение относится к вычислительной технике и может быть использовано для имитационного моделирования нейронных сетей любой требуемой архитектуры. Эффект данного изобретения заключается в обеспечении возможности имитационного моделирования нейронных сетей любой требуемой архитектуры без предварительной формализации реального процесса. Нейроимитатор содержит блок обработки и управления, формирователь параметров нейронной сети, формирователь функциональных зависимостей, формирователь входных воздействий, формирователь условий модификации, память исходных данных, память текущих данных, память связей, формирователь выходных параметров отдельных нейтронов имитированной модели, формирователь выходных интегральных динамических параметров имитированной модели, формирователь выходных статических характеристик имитированной модели, шину объема данными и командами, входную шину управления, выходную шину управления, входную шину данных, выходную шину данных. 1 ил.

Изобретение относится к вычислительной технике и может быть использовано для имитационного моделирования нейтронных сетей любой требуемой архитектуры.

Известно устройство /1/, содержащее память данных и блок управления.

Недостатком известного устройства являются его ограниченные функциональные возможности.

Наиболее близким является устройство /2/, содержащее память исходных данных, память текущих данных, память связей, соединенные двухсторонними связями с блоком обработки и управления.

Недостатком известного устройства являются его ограниченные функциональные возможности.

Достигаемый эффект данного изобретения заключается в обеспечении возможности имитационного моделирования нейронных сетей любой требуемой архитектуры без предварительной формализации реального процесса.

На чертеже показан вариант выполнения нейтромитатора.

Нейтромитатор содержит блок 1 обработки и управления, формирователь 2 параметров нейтронной сети, формирователь 3 функциональных зависимостей, формирователь 4 входных воздействий, формирователь 5 условий модификации, память 6 исходных данных, память 7 текущих данных, память 8 связей, формирователь 9 выходных параметров отдельных нейтронов имитированной модели, формирователь 10 выходных интегральных динамических параметров имитированной модели, формирователь 11 выходных статических характеристик имитированной модели, шину 12 объема данными и командами, входную шину 13 управления, выходную шину 14 управления, шину 15 данных, выходную шину 16 данных Блок 1 обеспечивает управление работой устройства, подготовку и обработку данных. Формирователь 2 формирует информацию об архитектуре моделируемой сети количество нейтронов, их положения и связи между ними, параметры нейтронов и связей и т. п. Формирователь 3 задает и корректирует все функциональные зависимости в тех случаях, когда тот или иной параметр модели представляет собой функцию времени. Формирователь 4 задает условия имитации поведения нейтронной сети при воздействии на нее внешнего стимула, т. е. моделирует внешний стимул. Формирователь 5 моделирует поведение нейтронных сетей, содержащих элементы, сменяющиеся в процессе функционирования. Формирователь 9 обеспечивает визуализацию изменений мембранного потенциала, порога и других параметров отдельных нейтронов. Формирователь 10 обеспечивает визуализацию процесса распространения спайков и синаптической активности в моделируемой нейтронной сети во времени. Формирователь 11 подготавливает и визуализирует статические зависимости между активностью отдельных элементов нейтронной сети.

Блок 1 и формирователь 2 5, 9 11 могут быть реализованы на любых современных микропроцессорах, например на микропроцессорах 80286, 80386 (Бутурлин А. И. Микропроцессоры 8088/86, 80286, 80386. Архитектура. Функционирование. Программирование. Крокус-Т, М. 1992 гл. 2, 3).

Алгоритм работы формирователя 2 предусматривает просмотр набора операций, выбор операции, переход к выполнению операции, выбор команды и задание параметров операции, выполнение операции, автоматическое возвращение к просмотру набора операции или в ту же операцию.

Минимальный набор операций состоит в следующем: увеличить/уменьшить масштаб рабочего поля, сдвинуть рамку на рабочем поле, обратиться к посадочному месту, обратиться к нейрону, обратиться к синаптической связи, выполнить команду, включить в работу формирователь 3, включить в работу формирователь 4, включить в работу формирователь 5, записывать в память/ взять из памяти, перейти к обработке в блоке 1, показать имя нейтрона/нейтронов, показать связь/связи.

Минимальный набор команд в операции: установить/убрать нейтрон (нейтроны), установить параметр/тип со значением/именем, провести/убрать связи (связи) от нейтрона, провести/убрать связи (связи) к нейтрону. Задание параметров нейтрона осуществляется с использованием встроенного генератора случайных чисел в пределах заданных частиц и пошагово. Задаваемые параметры нейтрона: потенциал покоя, порог, абсолютная рефрактерность, относительная рефрактерность: функция, обычно экспонента, форма потенциала действия: функция, обычно сложная, состоит из собственно потенциала действия (пиковая функция) и следового потенциала (положительная, отрицательная или бифазная убывающая функция). Задание параметров синаптической связи осуществляется через обращение сначала к пре-, а потом к постсинаптическому нейронам. Задаваемые параметры связи: амплитуда, длительность, функция спада заднего постсинаптического потенциала. Если при задании параметров нейтрона или связи фиксируется обращение к нескольким элементам, то им всем автоматически устанавливаются либо равные, либо одинаковым образом (например, случайно в заданном диапазоне) выбранные параметры. При обращении посредством буквенных команд предусмотрены обращения по части имени нейрона или ко всем нейронам в заданных пределах номеров (указываются первый и последний номер).

Формирователь 3 предусматривает выделение различных групп функций: функции формирователя сети (рефрактерность, спад ПСП, форма потенциала действия), функции формирователя входных воздействий, функции формирователя условий модификации. В формирователе могут быть заданы функции: экспонента, линейная, прямоугольная, треугольная, логарифмическая и синусоидальная. Предусмотрена возможность задания новых функций. Функции могут задаваться графически с помощью сканера и аналитически. Предусматриваются масштабирование и калибровка значений функция. При задании функции выделяются регулируемые параметры. Предусмотрена возможность суперпозиции функций (посредством сложения и умножения). В состав формирователя включен генератор случайных чисел с регулируемыми параметрами для получения случайных функций.

Формирователь 4 задает два типа входных воздействий: событие, которое всегда вызывает спайк в нейроне, и изменение мембранного потенциала, заданное некоторой функцией во времени. Адрес входного воздействия (нейрон, которому адресовано воздействие) может, в частности, задаваться с помощью формирователя нейронной сети, функция входного воздействия может задаваться формирователем функций. Весь набор входного воздействия задается последовательно фрагментами. Фрагмент один рабочий элемент, на котором заданы ось времени и ось амплитуды воздействия. Обеспечена возможность перехода для тех или иных интервалов с одного временного масштаба в другой. Предусмотрена возможность обращения к любому выбранному фрагменту для изменений, а также просмотра всего набора в целом, в одном временном масштабе или в разных для разных фрагментов. Входное воздействие включает в себя и отметки воздействия, которые по времени привязаны либо ко всему воздействию, либо к отдельным его фрагментам, подаются по отдельному каналу и используются при визуализации и статической обработке результатов.

Формирователь 5 задает то или иное условие (закон) модификации, (т. е. например, правило Хебба для изменения амплитуды синаптического потенциала при обучении или закон привыкания к повторяющимся воздействиям), программу проверки выполнения условия модификации для отдельного нейтрона или синапса и программу расчета величины этой модификации. Предусмотрена возможность увеличения количества таких элементов (расширения набора различных модификаций, которые может воспроизвести нейроимитатор). Количественные характеристики условия модификации могут изменяться.

Блок 1 реализует два функционально отличных алгоритма: алгоритм расчета параметров элементов модели, который состоит в следующем: рассчитывается мгновенное (т. е. в данный момент времени расчета) значение мембранного потенциала нейрона как алгебраической суммы потенциала покоя (задается при формировании сети) и мгновенного значения постсинаптического потенциала, поступившего на вход нейрона в данный момент времени или ранее (задается в виде амплитуды и функции спада синаптического потенциала); рассчитывается функция разности мгновенного значения мембранного потенциала и мгновенного значения критического уровня деполяризации в момент прихода возбуждающего синаптического потенциала; если значение этой функции отрицательное (т. е. порог нейрона не превышен), то данные записываются в память текущих данных моделирования; если это значение неотрицательное (т. е. порог достигнут), то генерируется знак условного перехода к подпрограмме формирования спайка, который также записывается в память текущих данных моделирования и, кроме того, поступает в память связей между элементами модели для определения моментов появления в постсинаптических нейронах синаптических потенциалов, вызванных этим спайком; рассчитывается значение критического уровня деполяризации нейрона как суммы потенциала покоя и текущего значения порога нейтрона, если нейрон находится в состоянии рефрактерности, или порога в состоянии покоя, если нейрон не находится в таком состоянии; рассчитывается текущее значение порога нейрона как суммы порога в состоянии покоя и мгновенного значения функции рефрактерности, если нейрон в данной момент времени находится в состоянии рефрактерности; определяется для данного нейрона перечень синаптических потенциалов, которые должны быть учтены в данный момент времени при расчете значения мембранного потенциала нейрона, т. е. какие из ранее возникших потенциалов еще длятся (длительность синаптических потенциалов задается, и какие возникли в данный момент (необходимые для этого данные находятся в памяти связей между элементами модели); определяется перечень нейронов, находящихся в состоянии рефрактерности, для которых нужно рассчитывать текущее значение порога; необходимые для этого данные находятся в памяти исходных данных (задаваемые длительность абсолютной и функция относительной рефрактерностей) и в памяти текущих данных моделирования (знаки условного перехода к программе формирования спайка), алгоритм расчета модификаций, который состоит в проверке выполняемости для данного нейтрона или синапса в данный текущий момент времени моделирования заданного условия модификации и, если оно выполнено, в расчете величины этой модификации, передаче ее в соответствующую часть описанного выше алгоритма расчета параметров элементов модели и алгебраического суммирования с текущим значением соответствующего (модифицирующегося) параметра при формировании данных для программы расчета параметров.

Формирователь 9 может указывать мембранный потенциал выбранного нейрона, порог (возбудимость) нейрона, генерацию нейроном потенциала действия (стандартная отметка в момент генерации спайка; если в данный отсчет времени возникло более одного спайка, то показывается количество возникших в этот момент спайков), приход в нейрон синаптических потенциалов (по аналогии с вышеизложенным для спайков), отметку входного воздействия, ось времени и ось амплитуд, калибровку по обеим осям.

Формирователь 10 показывает распространение спайков и синаптической активности в моделируемой нейронной сети во времени (по всей сети ее части), генерации спайка в нейроне, пути распространения спайков по сети и прихода в нейрон синаптических потенциалов, одновременное отображение мембранного потенциала каждого нейрона.

Формирователь 11 рассчитывает и отображает статистические зависимости между активностью отдельных элементов сети. Для этого испльзуют наиболее употребляемые в современных научных исследованиях методы статического анализа (постстимульные гистограммы, корреляции и кроскорреляции и т. п.).

Формула изобретения

Нейроимитатор, содержащий блок обработки и управления, соединенный двусторонней связью через шину обмена данными и командами с памятью исходных данных, памятью текущих данных, памятью связей, отличающийся тем, что в него введены формирователь параметров нейронной сети, формирователь функциональных зависимостей, формирователь входных воздействий, формирователь условий модификации, формирователь выходных статистических характеристик имитированной модели, формирователь выходных интегральных динамических параметров имитированной модели, причем выходы формирователей параметров нейронной сети, функциональных зависимостей, входных воздействий и условий модификации соединены через входную шину управления с входом блока обработки и управления и через входную шину данных с входом памяти исходных данных, выход которой и выход памяти текущих данных через выходную шину данных соединены с входами формирователей выходных параметров отдельных нейронов имитированной модели, выходных интегральных динамических параметров имитированной модели и выходных статистических характеристик имитированной модели, выходы которых через выходную шину управления соединены с входом блока обработки и управления.

РИСУНКИ

Рисунок 1



 

Похожие патенты:

Изобретение относится к оптоэлектронным моделирующим средствам, имеющим слоисто-пленочную распределенную структуру (сендвич-структуру), содержащую комбинацию оптоэлектронных блоков распределенной моделирующей среды, и предназначенную для моделирования процессов передачи информационно-энергетическких потоков в распределенных системах

Изобретение относится к бионике и вычислительной технике и может быть использовано в качестве элемента нейроноподобных сетей для моделирования биологических процессов, а также для построения параллельных нейрокомпьютерных и вычислительных систем для решения задач распознавания образов, обработки изображений, систем алгебраических уравнений, матричных и векторных операций
Изобретение относится к вычислительной технике и может быть использовано для моделирования нейронных сетей и для решения задач, относящихся к искусственному интеллекту

Изобретение относится к моделированию нейронных структур и может найти применение при разработке технических систем на основе нейронных адаптивных сетей для распознания образов и анализа и обработки изображений

Изобретение относится к бионике и вычислительной технике и может быть использовано в качестве элемента нейроподобных сетей при моделировании нейрофизиологических процессов в нервной системе, в устройствах обработки, анализа и распознавания образов, в системах управления интеллектуальными роботами, в цифровых нейрокомпьютерах

Изобретение относится к моделированию нейронных структур, осуществляющих анализ изображений в зрительных системах и может найти применение при разработке технических систем автоматического анализа изображений и систем технического зрения

Изобретение относится к вычислительной технике и биокибернетике и может быть использовано при исследовании процессов нервной системы методами моделирования, а также в специализированных процессорах

Изобретение относится к области моделирования функциональных свойств нервной системы, а именно для построения нейронных сетей, и может быть использовано в качестве элемента нейроподобных сетей для моделирования сложных биологических процессов, в частности при изучении адаптивных процессов памяти в нейрофизиологических экспериментах

Изобретение относится к техническим средствам информатики и вычислительной техники и может быть использовано для обработки информационных потоков и массивов данных текстового и числового типов в соответствии с заданным нормальным алгоритмом

Изобретение относится к области вычислительной техники и предназначено для прогноза событий или свойств объектов при использовании индуктивных методов логики искусственного интеллекта

Изобретение относится к вычислительной технике и предназначено для Функционирования в составе мультипроцессорной системы для автоматического выбора очередной задачи из множества задач со структурой, заданной ацикличным ориентированным графом , и для автоматического синтеза расписаний работ

Изобретение относится к вычислительной технике и используется для обработки сигналов, которые состоят из множества компонентов, каждый из которых представляет какой-то один аспект физического объекта
Наверх