Биологический прототип нейрона

Модуль № 4: лекций 4 часов (14, 18-19, 21-22 темы), семинары 18 часов (14-22 темы), рубежный контроль

Модуль № 3: лекций 4 часов (1-5, 7-8, 10, 12 темы), семинаров 26 часов (1-13 темы), рубежный контроль

Модуль № 2: лекций 6 часов (14, 18-19, 21-22 темы), семинары 18 часов (14-22 темы), рубежный контроль

Модуль № 1: лекций 6 часов (1-5, 7-8, 10, 12 темы), семинаров 26 часов (1-13 темы), рубежный контроль

РЕЙТИНГ-ПЛАН ДИСЦИПЛИНЫ

Виды учебной деятельности студентов	Балл за конкретное задание	Число заданий за семестр	Баллы Минимальный	Баллы Максимальный
Модуль 1
Текущий контроль
1.Работа на практических занятиях
2.Выполнение рефератов, индивидуальных домашних заданий.
Рубежный контроль
Письменная работа плюс тестирование (Письменное)
Модуль 2
Текущий контроль
1 Работа на практических занятиях.
2.Выполнение рефератов, индивидуальных домашних заданий.
Рубежный контроль
Письменная работа плюс тестирование (Письменное)
Модуль 3
Текущий контроль
1 Работа на практических занятиях.
2.Выполнение рефератов, индивидуальных домашних заданий.
Рубежный контроль
Письменная работа плюс тестирование (Письменное)
Модуль 4
Текущий контроль
1 Работа на практических занятиях.
Выполнение рефератов, индивидуальных домашних заданий.
Рубежный контроль
Письменная работа плюс тестирование (Письменное)
Итоговый контроль
Зачёт, экзамен
Поощрительные баллы
1.Публикация статей
2.Студенческая конференция
Итого				100(+10)

Первой попыткой создания и исследования искусственных нейронных сетей считается работа Дж. Маккалока (J. McCulloch) и У. Питтса (W. Pitts) «Логическое исчисление идей, относящихся к нервной деятельности» (1943 г.), в которой были сформулированы основные принципы построения искусственных нейронов и нейронных сетей. И хотя эта работа была лишь первым этапом, многие идеи, описанные в ней, остаются актуальными и на сегодняшний день.

Искусственные нейронные сети индуцированы биологией, потому что они состоят из элементов, функциональные возможности которых аналогичны большинству функций биологического нейрона. Эти элементы можно организовать таким образом, который может соответствовать анатомии мозга, и они демонстрируют большое количество свойств, которые присущие мозгу. Например, они могут учиться на основе опыта, могут обобщать предыдущие прецеденты на новые случаи и выявлять существенные особенности из входных данных, которые содержат избыточную информацию.

Центральная нервная система имеет клеточное строение. Единица — нервная клетка, нейрон. Он состоит из тела и отростков, которые соединяют его с внешним миром (рис. 1.1). Отростки, по которым нейрон получает возбуждение, называются дендритами. Отросток, по которому нейрон передает возбуждение, называется аксоном, причем аксон у каждого нейрона один. Дендриты и аксон имеют довольно сложную ветвистую структуру. Место соединения аксона нейрона — источника возбуждения с дендритом называется синапсом. Основная функция нейрона состоит в передаче возбуждения из дендритов в аксон. Но сигналы, которые поступают из разных дендритов, могут влиять на сигнал в аксоне. Нейрон выдаст сигнал, если суммарное возбуждение превысит некоторое предельное значение, которое в общем случае меняется в некоторых границах. В противном случае на аксон сигнал выдан не будет: нейрон не ответит на возбуждение. У этой основной схемы много осложнений и исключений, однако большинство нейронных сетей моделируют именно эти простые свойства.

(рисунок 1.1) — Модель биологического нейрона

Нейрон имеет следующие основные свойства:

· Принимает участие в обмене веществ и рассеивает энергию. Меняет внутреннее состояние со временем, реагирует на входные сигналы, формирует выходные воздействия и поэтому является активной динамической системой.

· Имеет множество синапсов — контактов для передачи информации

Существуют два подхода к созданию искусственных нейронных сетей (НС). Информационный подход: безразлично, какие механизмы лежат в основе работы искусственных нейронных сетей, важно лишь, чтобы при решении задач информационные процессы в НС были подобны биологическим. Биологический: при моделировании важно полное биоподобие, и для этого необходимо детально изучать работу биологического нейрона.

Интенсивность сигнала, который получает нейрон (а следовательно и возможность его активации), сильно зависит от активности синапсов. Каждый синапс имеет длину, и специальные химические вещества передают сигнал вдоль него. Один из самых авторитетных исследователей нейросистем, Дональд Хебб, высказал постулат, что обучение состоит в первую очередь в изменениях «силы» синаптических связей. Например, в классическом опыте Павлова, каждый раз непосредственно перед кормлением собаки звонил колокольчик, и собака быстро научилась связывать звонок колокольчика с пищей. Синаптические связи между участками коры главного мозга, ответственными за слух, и слюнными железами усилились, и при возбуждении коры звуком колокольчика у собаки начиналось слюноотделение.

Таким образом, будучи построенный из очень большого числа совсем простых элементов (каждый из которых берет взвешенную сумму входных сигналов и в случае, если суммарный вход превышает определенный уровень, передает дальше двоичный сигнал), мозг способен решать чрезвычайно сложные задачи.

Дата добавления: 2015-06-04