Кибернетические представления о работе биологического нейрона

Материал из Викиверситета
Перейти к навигации Перейти к поиску

Вся информация на этой странице только рассуждения, мнения, взгляды людей о работе нейрона, для возможности конкретизировать понять его работу.

Circle-question.svg Этот раздел содержит гипотетические предположения, которые на данный момент не имеют подтверждения или не признаны научным сообществом.

Что нейрон делает с входными сигналами (в общих чертах)[править]

Нейрон связывает входные сигналы и выделяет среди них постоянные, устойчивые во времени комбинации сигналов, возможно это главная его задача

Что характеризует (определяет) выходной сигнал нейрона, его назначение[править]

Выходной сигнал нейрона - это идентификатор комбинации пришедших сигналов (результат объединения двух или более сигналов, понятий). Этот сигнал не должен быть просто идентификатором – взятым первым числом из какой то последовательности чисел, но быть отражением тех сигналов, которые он идентифицирует и которые идентифицируют его и числовое значение, которого должно быть получено именно в результате вычислений входных сигналов и должно отражать их динамику.

Как происходит выделение устойчивых комбинаций сигналов[править]

Нейрон выделяет устойчивые комбинации сигналов среди прочего информационного мусора путем объединения и путем отрицания. Под цепочкой сигналов понимается сигналы которые в текущем такте получил нейрон.

  • Объединение – это когда среди двух и более цепочек пришедших в нейрон сигналов выявляются общие закономерности, устойчивые во времени комбинации сигналов.
  • Отрицание – это когда один и тот же образ, устойчивая комбинация сигналов, разделяется новым сигналом или группой сигналов устойчивыми во времени, которые характеризуют, выделяет в этом объекте некоторое новое свойство, признак. Например, есть картинка синий треугольник на белом фоне, а потом появляется изображение красного треугольника на том же белом фоне вместе с определенным звуковым сигналом. Без звукового сигнала это было бы просто объединение (т.е. ничего нового), но именно устойчивость во времени именно этого звукового сигнала с красным объектом, вызывает отрицание и формируется новое свойство объектов, и это новое свойство - цвет объекта.

Правило трех сигналов[править]

Под цепочкой сигналов понимается сигналы которые в текущем такте получил нейрон.

  • Первое – нейрон получает цепочку сигналов.
  • Второе – нейрон получает цепочку сигналов и находит в первой и второй цепочках общую группу сигналов.
  • Третье – нейрон получает цепочку сигналов и находит во второй и третьей цепочках общие группы сигналов, которые были также найдены и между первой и второй цепочками, и этим третья цепочка подтверждает эту группу сигналов в этих трех цепочках как устойчивую, а не случайную.

Получается нужно всего три цепочки сигналов, что бы утвердить группу сигналов, которая общая для трех цепочек как устойчивую и перенести ее из временной памяти в более долговременную как более важную.

Память нейрона[править]

Мнение S.M. 06:05, 7 ноября 2010 (UTC) Мне кажется нейрон должен обладать минимум 2-х уровневой памятью: временной и долговременной.

  • Временная память нейрона - это фиксированный массив, например из 100 элементов. В одном элементе массива сохраняются все входящие сигналы, которые нейрон получил за 1 рабочий такт. Этот уровень памяти служит для выявления новых паттернов. Информация в массиве движется по кругу, новый элемент массива вытесняет (замещает) самый старый.
  • Долговременная память - это также фиксированный массив из определенного числа элементов. В нем сохраняются цепочки сигналов, которые содержат в себе паттерн. Информация в массиве также движется по кругу самые старый элемент (цепочка сигналов, паттерн) замещается новым.

Реализация[править]

Небольшая часть реализации. S.M. 06:05, 7 ноября 2010 (UTC)

Под цепочкой сигналов понимается сигналы которые в текущем такте получил нейрон.

Когда дендриты нейрона получили сигналы, нейрон отнимает эти сигналы от уже приходящих ранее сигналов для получения дельт, после чего просматривает каждую цепочку на одинаковость дельт в ней. Из примера нижней таблицы видно, что дельты в обеих цепочках (средней и нижней) одинаковы или же стремятся к равенству, из этого делаем вывод, что средняя и нижняя цепочки сигналов это один и тот же объект, который представлен самой верхней цепочкой сигналов. Другие задачи решаются подобным образом, именно то, что нейрон связан с сотнями, тысячами других нейронов создает многообразие в выявлении, распознавании множества форм и множества свойств объектов, и то, что один и тот же объект узнается при разной его освещенности или при его повороте относительно “глаз” ИИ (робота).

Цепочки Сигнал 1 Сигнал 2 Сигнал 3 Дельта 1 Дельта 2 Дельта 3
Цепочка 1 10 20 30
Цепочка 2 20 30 40 10 10 10
Цепочка 3 70 80 90 50 50 50

Далее нужно написать программу такого нейрона на основе этого метода и провести ее тестирование.