Вероятностные матричные (нечеткие) переходы в автомате А

  Входные сигналы хі(t) Выходные сигналы АС Вероятностные выходные сигналы МФСП Матричные (нечеткие) блоки еі состояния   Блоки сос-тояний πj
у1 у2 у3 у4 у5 у6 у7 у8 е1 е2 е3
x1, x8, x11 A22, А22     π4
x1, x8, x11 A23, А24 π5
x1, x8, x11 A25, А26 π6
x2, x8, x11   A27, А28 π7
x2, x8, x11 A29, А30 π8
x2, x8, x11 A31, А32 π9
x3, x8, x11   A33, А34 π10
x3, x8, x11 A35, А36 π11
x3, x8, x11 A37, А38 π12

 

Теоретическая вероятность Рн такого нечеткого перехода в состояние Ан равна произведению вероятностей переходов , то есть

 

Рн = × = × =

 

В реальных N-уровневых устройствах памяти (N ≥ 3) вероятности нечетких переходов колеблется от 0 до 1 (0 ≤ Рн ≤ 1).

Возможно, при проектировании нейрона предусмотреть установку нейрона в нулевое состояние, когда на выходных сигналах МФСП не будет активного сигнала. Это можно осуществить при подаче на сохраняющие входные узлы МФСП входного сигнала из автомата стратегии е(Δ), который отключит все ее логические элементы, когда на них одновременно подать логическую единицу (этот вариант в данной главе не рассматриваетсяЮ, но поясняется как его можно осуществить).

 

Заключение к 12 главе

 

В данной главе были рассмотрены принципы и методы проектирования элементарного трехуровневого разряда нейрона и показаны его однозначные, укрупненные детерминированные, вероятностные и нечеткие переходы.

Показано, как строить такие произвольные элементарные нейроны с аналогичными свойствами, что очень важно для разработчиков нейронов и нейронных сетей.

Этот подход несколько отличается от известных биологических нейронов, но функционально к ним приближается по своим функциональным качествам переходов.

Однако, биологический нейрон обладает качествами связи с другими нейронами. Так выходные сигналы нейрона могут соединяться через аксон с 10 000 подобных нейронов, а входные сигналы через дендриты соединяются с другими нейронами, образуя возбуждающие и тормозящие сигналы.

В следующей 13 главе мы рассмотрим структуру нейрона, состоящую из элементарных нейронов, которая будет решать задачи связи с другими нейронами.


 

Лекция 13

Когнитивные системы на нейронах

Введение

Рассмотрены свойства искусственного элементарного нейрона, такие как:

1. Он должен хранить информацию. Иначе говоря, иметь память.

2. Обладать свойством: перестраивать структуру своей памяти в процессе работы.

3. Иметь два множества входных сигналов: устанавливающих x(t) – возбуждающих сигналов и перестраивающих структуру подмножеств памяти е(Δ), при которых запоминаются установленные состояния – тормозящих сигналов.

4. Обладать некоторым множеством переходов: однозначных, укрупненных, вероятностных и нечетких.

Уже рассмотренные в предыдущей главе эти свойства дают нам возмож-ность перейти к построению структуры аксона из элементарных нейронов, который мог бы решать следующие задачи:

5. Иметь возможность своими выходными сигналами связаться с одним из нейронов, что определяет 104976 состояния схем памяти самого нейрона, что позволяет создавать нейронные сети.

6. Иметь возможность принимать два множества входных сигналов: возбуждающих (устанавливающих) и тормозящих (сохраняющих)

7.Обладать свойствами самоконтроля своей работоспособности.

Для нас важны в первую очередь функциональные возможности биоло-гического нейрона и его количество связей с внешней средой. Для приме-ра, мы бы могли строить автомобили с ногами лошади, но нас интересовали их функциональные возможности, а не структура оригинала.