- •1 Основные понятия и структурная схема приборного комплекса.
- •17 Принципы построения измерителей навигационных параметров в живом организме.
- •2.Комплексы оборудования самолетов.
- •10 . Основные направления развития исследований и систем искусственного интеллекта
- •4. Основные характеристики и требования, предъявляемые к системам отображения информации.
- •5. Навигационные комплексы. Общие сведения и классификация.
- •11.Диалоговые системы искусственного интеллекта.
- •12 Бионика, как наука.
- •6.Основные закономерности построения навигационных комплексов.
- •7.Навигационные комплексы на базе микропроцессоров.
- •8.Иерархические структуры навигационных комплексов. Системы искусственного интеллекта в навигационных комплексах.
- •18 Общие принципы построения биологических навигационных комплексов.
- •22 Интеллектуальный биологический навигационный комплекс.
- •9.Понятие об искусственном интеллекте. Интеллектуальные системы.
- •13 Обобщенная модель живого организма.
- •14 Основные функции живого организма.
- •15 Навигационная бионика. Общность задач и основных принципов навигации в живой природе и технике.
- •16 Общая характеристика методов навигации.
- •19 Информационное обеспечение пространственной навигации животных.
- •20 Обеспечение точности и надежности функционирования навигационных биосистем.
- •21 .Накопление априорной информации в биологических навигационных комплексах при обучении.
- •23 Основные особенности биологических навигационных комплексов.
- •24 Системы искусственного интеллекта – системы, базирующиеся на знаниях.
- •25 Основные структуры систем искусственного интеллекта.
- •26 Представление знаний.
- •27. Семантические сети.
- •28 Фреймовые модели.
- •29 Логические модели знаний и системы логического вывода.
- •30 Продукции и продукционные системы.
- •31. База знаний систем искусственного интеллекта.
- •32 Стратегия управления и механизм вывода в системах искусственного интеллекта.
- •33 Прямая цепочка рассуждений. База знаний. Обобщенный алгоритм работы.
- •34 Обратная цепочка рассуждений. Дерево решений. База знаний. Обобщенный алгоритм работы.
- •35 Общие методы поиска решений в пространстве состояний.
- •41)Нечеткие множества и лингвистические переменные.
- •42)Операции с нечеткими множествами.
- •37 Особенности разработки баз знаний бортовых экспертных систем.
- •43)Нечеткие алгоритмы.
- •47) Программная и аппаратная реализация нечетких регуляторов.
- •44)Общие принципы построения интеллектуальных систем управления на основе нечеткой логики.
- •45) Процедура синтеза нечетких регуляторов.
- •46) Синтез адаптивной сау с эталонной моделью на основе нечеткой логики.
- •48)Общая характеристика проблемы построения искусственных нейронных сетей. История проблемы.
- •49)Моделирование механизмов человеческого мышления. Модели нейронов.
- •50_Реализация логических функций на формальных нейронах. Проблема «Исключающего или».
- •51 .Искусственные нейронные сети. Общие положения.
- •52 . Персептрон ф. Розенблатта.
- •53 .Адаптивный пороговый элемент.
- •55. Общие принципы построения интеллектуальных сау с использованием нейронных сетей.
- •39 Нечеткая логика: история проблемы, практические приложения.
- •54. Многослойные персептроны. Алгоритм обратного распространения.
- •57 Применение нейронных сетей в задачах адаптации алгоритмов управления нелинейными объектами.
- •62. Нейрокомпьютер фирмы аас.
- •61. Способы реализации нейронных сетей. Примеры реализации нейрокомпьютеров.
- •1. Нейрокомпьютеры на базе транспьютеров.
- •58. Применение нейронных сетей в задачах идентификации математических моделей динамических объектов.
- •59 Обзор возможных вариантов построения нейронных сетей.
- •63.Генетические алгоритмы. Особенности построения и реализации
- •38 Системы искусственного интеллекта с использованием нечеткой логики.
- •36.Проблемы разработки бортовых оперативно-советующих экспертных систем.
49)Моделирование механизмов человеческого мышления. Модели нейронов.
Мозг человека является сложнейшей из существующих систем переработки информации. В нем содержится около 1011 нейронов, участвующих в 1015 передающих связях, имеющих длину до одного метра и более. Каждый нейрон обладает многими качествами, общими с другими элементами тела, но его уникальной способностью является прием, обработка и передача электрохимических сигналов по нервным путям, которые образуют коммуникационную систему мозга.
При этом мозг чрезвычайно надежен: ежедневно погибает большое количество (около 105) нейронов, а мозг продолжает функционировать. Обработка больших объемов информации осуществляется мозгом очень быстро, за доли секунды, несмотря на то, что нейрон является медленно действующим элементом (его время реакции - несколько миллисекунд).
Головной мозг состоит из 3-х основных частей: ствола мозга, мозжечка и больших полушарий (
Сегодня хорошо изучена структура и функции отдельных нейронов, имеются данные об организации внутренних и внешних связей между нейронами, однако совсем мало известно об участии различных структур в процессах переработки информации.
Схематично нейрон можно изобразить следующим образом
Рис. 29.2.Биологический нейрон
Нейрон имеет тело (сому) 1, дерево входов (дендриты) 4 и выходов (аксон) 2 и его окончания. Сома имеет поперечный размер в несколько десятков микрон. Дендриты имеют длину порядка 6 мм, они сильно ветвятся, пронизывая большое пространство в окрестности нейрона. Длина аксона может достигать одного метра. Начальный сегмент аксона 3 сильно утолщен (холмик аксона). По мере удаления от клетки он постепенно сужается, и на расстоянии нескольких десятков микрон на нем появляется миэлиновая оболочка, имеющая высокое электрическое сопротивление. На соме и на дендритах располагаются окончания аксонов, идущих от других нервных клеток, называемых синапсами 5. Принятые синапсами входные сигналы подводятся к телу нейрона. Здесь они стремятся возбудить нейрон, другие - воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле нейрона превышает некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. Передача информации по нейронам осуществляется с помощью импульса напряжения амплитудой 50-150 милливольт. Скорость передачи импульса нейроном колеблется при этом от 0,5 м/с (в коротких аксонах) до 100 м/с (в длинных аксонах). Нейрон может находиться в двух состояниях: возбужденном (формирование импульса) и невозбужденном (отсутствие импульса).
Рис. 29.3. Искусственный нейрон
Искусственный нейрон имитирует в первом приближении свойства биологического нейрона. На вход искусственного нейрона поступает некоторое множество сигналов, каждый из которых является выходом другого нейрона. Каждый вход умножается на соответствующий вес, аналогичный синоптической силе, и все произведения суммируются, определяя уровень активации возбуждения нейрона.
Согласно определению У.Мак-Каллока и В.Питтса (1943г.), формальный нейрон - это элемент, обладающий следующими свойствами:
- он работает по принципу «все или ничего»;
- он может находиться в одном из 2-х устойчивых состояний;
- для возбуждения нейрона необходимо возбудить некоторое количество сигналов, не зависящих от предыдущего состояния нейрона;
- имеет место задержка прохождения сигналов в синапсах в течение некоторого времени ;
- имеются два вида входов: возбуждающие и тормозящие;
- порог возбуждения предполагается неизменным;
- возбуждение любого тормозящего синапса предотвращает возбуждение нейрона, независимо от числа возбужденных сигналов.
Эту модель формального нейрона в 1958 году Мак-Каллок усовершенствовал. В новой модели тормозящие входы (волокна) по своей значимости эквивалентны возбуждающим. Допускаются флуктуации порога срабатывания. Но главное отличие - введение запрещающего входа, осуществляющего взаимодействие между входами нейрона.
Из-за присущих ему пороговых свойств формальный нейрон Мак-Каллока-Питтса стали называть пороговым элементом. Теория этих элементов, послужила основой для формирования новой дисциплины - пороговой логики.