Вы здесь

Автоволновая динамика однородных нейроподобных систем

Автор: 
Яхно Владимир Григорьевич
Тип работы: 
докторская
Год: 
1999
Количество страниц: 
324
Артикул:
1000248626
179 грн
Добавить в корзину

Содержимое

ОГЛАВЛЕНИЕ
Общая характеристика работы - ВВЕДЕНИЕ.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
1. Базовые модели однородных нейроноподобных систем и варианты систем принятия решений нейроноподобного типа 28
1.1. Модели однородных одно-, двух-, и трехкомпонентных нейроноподобных систем с нелокальными пространственными связями...................................................31
1.2. Модели “функциональных” преобразований для сложных сигналов одного типа - системы принятия решений, с фиксированными алгоритмами...............................................45
1.3. Иерархические модели адаптивного кодирования потоков сложных сигналов..........................................55
2. Методы описания и характерные автоволновые процессы и структуры.
2.1 Подходы и методы изучения автоволновых процессов.........63
2.2. Автоволновые процессы в однокомпонентных моделях........73
2.3. Автоволновые процессы в двухкомпонентных моделях........78
2.4. Критические явления в двухкомпонентных неоднородных возбудимых средах. Моделирование на “ТУ- аналоге”............98
2
2.5. Пуги анализа автоволновых процессов в трехкомпонентных моделях. Интерактивная система для компьютерного моделирования автоволновых процессов........................................102
2.6 Программная система для исследования алгоритмов обработки изображений и принятия решений в моделях второго уровня 113
2.7 Примеры динамических процессов в адаптивных классификаторах..........;................................... 115
3. Варианты систем распознавания сложных изображений на нейроноподобных средах.
3.1 Примеры режимов параллельной предобработки изображений в нейроноподобных системах......................................122
3.2. Изучение устойчивости варианта алгоритмов обработки акустических изображений к шумовым воздействиям...............136
3.3. Варианты выделения фрагментов и формирование траекторий обзора на сложном изображении.................................144
3.4 Демонстрационные установки распознающих систем............148
3.4.1. Биометрическая идентификация по виду руки человека 148
3.4.2. Биометрия кисти........................................150
3.4.3. Вариант АРМ “Онкоморфолог”............................ 151
3.4.4. Кодирование фрагмента дакгоотпечатка...................152
3.4.5. Алгоритмы для вычисления оценок геометрических характеристик игл.............................................154
3.5 Система принятия решений с элементами адаптации...........160
3.5.1. Примеры адаптационных алгоритмов в предобработке изображений...................................................161
3
3.5.2. Примеры адаптационных алгоритмов в блоке принятия решений....................................................163
3.5.3. Примеры других алгоритмов, необходимых в системах с адаптацией.................................................167
4. Описание поведения ряда нейроноподобных систем на основе автоволновых процессов.
4.1 Особенности волн распространяющейся депрессии в коре головного мозга............................................172
4.2. Моделирование вариантов активности кортекса животных в норме и патологии................................................187
4.3. Особенности преобразования сенсорной информации.......200
4.4 Автоволновые процессы при функционировании мышечных тканей.....................................................214
4.5 О реологических параметрах клеток......................230
4.6. О термодиффузионном механизме генерации неоднородностей электронной концентрации в Р- слое ионосферы...............243
4.7 Пространственно-временная динамика в модельных экономических системах.....................................252
4.8 Вариант компоновки данных о динамике нейроноподобных систем в модельной нейроноиодобной системе третьего уровня........262
ЗАКЛЮЧЕНИЕ............................................... 274
Приложение 1 ..............................................280
Список работ, опубликованных по теме диссертации...........296
Цитируемая литература......................................311
4
Общая характеристика работы - ВВЕДЕНИЕ.
Неравновесные среды широко распространены в природе. При этом известно, что режимы функционирования большинства распределенных неравновесных физических, химических и биологических систем определяются видом и временной динамикой пространственных структур активных состояний. Определенный класс пространственно - временных структур в неравновесных средах получил название АВТОВОЛНОВЫЕ ПРОЦЕССЫ (АВП). АВП -пространственные структуры со своей временной динамикой, параметры которых в определенном интервале не зависят от вида начальных условий. АВП - “нелинейная мода”, реализующаяся в неравновесной среде.
Широко известны примеры неравновесных распределенных сред, функционирование которых определяется видом АВП: сердечная мышца; автокаталитические реакции, например, в биохимических системах; нейронные ансамбли; популяционные системы; и многие другие. Примеры некоторых структур приведены на Рис. В. 1.
Оказалось, что многие из таких сред описываются моделями НЕЙРОНОПОДОБПЫХ систем. Дело в том, что математические модели многих неравновесных систем имеют такой же вид, как и уравнения для взаимосвязанных ансамблей “классических” нейронов с возбуждающими и тормозными воздействиями. К основным признакам нейроноподобных сред относится существование нескольких стационарных состояний, определяемых механизмами выделения и поглощения энергии, и нелокальные пространственные связи. Основная трудность при анализе поведения таких сред связана
5
Ревербератор РД в сетчатке.
меиемнкий
ЗОГЕЬЦІШ
ИМПЫАкСЫ І і
мирахіішГ^:
Автоволны в химреакции БЖ
Автоволны в сердечной мышце
ВолныО^В клетке. Волны в сосуде.
Гранулы гемоглобина
Автоволны РД в коре головного мозга.
Рис. В.1. Примеры автоволновых процессов в некоторых биологических, химических и физических неравновесных системах.
6
с большим числом функциональных режимов и переходными процессами (обычно связанными с адаптационными реакциями) в ответ на внешние достаточно слабые сигналы. Поэтому основная проблема заключается в исследовании и классификации возможных динамических режимов в таких распределенных системах. Профессиональные исследователи, работающие в своих областях, вынуждены использовать формальные языки описания динамических откликов активных систем. Поэтому “специфические” языки существуют в каждой сфере деятельности человека. Однако, отсутствие математической формализации динамических процессов, описываемых “специфическими” языками, создает трудности в сопоставлении понятий у представителей различных профессий.
Одним из перспективных направлений решения такой проблемы является описание возможных режимов функционирования разнообразных активных распределенных систем на языке теории, нелинейных колебаний и волн. В этом случае различные “специфические” описания из областей биохимии, биологии, медицины, психологии, экономики и многих других удается представить в математической форме, выделить определяющие переменные и получить сжатое формализованное описание действующих механизмов. Удается также реализовать сложные нейроногюдобные алгоритмы при создании новых автоматических устройств. Однако, очень валено использовать огромный фактический материал, накопленный в разных областях, изучающих динамику живых объектов.
7
При этом возникает необходимость рассмотрения следующего набора задач.
1) Задач, связанных с формулировкой базовых моделей и описанием наиболее важных динамических режимов в нейроноподобных системах: типы структур, области их существования, варианты взаимодействия.
2) Задач, связанных с описанием характерных режимов реагирования иерархических нейроноподобных систем.
Нормальные биологические системы умеют быстро реагировать и принимать адекватное решение в непрерывном потоке разнообразных информационных воздействий. Известны примеры удивительно точного реагирования живых систем на очень слабые изменения зрительного, слухового, обонятельного или другого сложного сигнала, приводящие к адекватным адаптационным реакциям. Какие архитектуры и алгоритмы позволяют системе быстро выбирать только те фрагменты принимаемых сигналов, которые приоритетны для решения текущей задачи?
Варианты возможных решений рассмотрены в предлагаемой работе. Основное внимание уделяется изучению характерных пространственно - временных процессов в однородных системах и рассмотрению вариантов преобразования информационных сигналов в иерархических системах нейроноподобного типа.
8
ЦЕЛИ диссертационной работы:
а) Разработка методических подходов для качественного анализа характерных автоволновых решений в моделях однородных неравновесных (нейроноподобных) систем. Получение и описание динамики различных автоволновых процессов в модельных системах;
б) разработка алгоритмов параллельного преобразования больших потоков информации на основе автоволновых представлений;
в) обоснование применимости автоволновых представлений для интерпретации экспериментальных данных в ряде распределенных систем из связанных нейроноподобных элементов; формализованное представление разнообразных данных об АВП.
Актуальность исследований.
Исследование многих физических проблем связано с изучением динамических режимов в активных распределенных системах. Процессы в распределенных неравновесных средах и связанные с ними понятия имеют очень широкую область приложений в физике, химии, биологии. В физике - динамические процессы в газовой и полупроводниковой плазме, магнитных пленках, сверхпроводящих материалах и других средах с неравновесными состояниями; в технике - преобразование информации в разнообразных сетях из однородных активных элементов (например, из взаимосвязанных процессоров или автогенераторов различных типов), формирование управляющих
9
сигналов для автономных устройств, некоторые процессы трансформации и перераспределения энергии; в химических технологиях - разнообразные автокаталитические реакции. В биологии неравновесные распределенные среды встречаются на всех уровнях иерархии - на молекулярном, мембранном, клеточном, популяционном и т.д.
Оказалось, что многие процессы в подобных системах описываются с помощью специального набора базовых математических моделей, которые можно отнести к классу моделей однородных нейроноподобных систем.
Можно сказать, что основные особенности поведения живых систем и их простейших аналогов в физических или химических системах определяются в первую очередь именно законами динамики взаимодействия пространственных структур активации различных элементов в таких системах. Поэтому существует тесная связь между разработкой понятий о самоорганизующихся структурах активности (получивших в конкретных исследованиях названия автоволновые процессы, динамические структуры и ряд других) и данными о режимах функционирования биологических тканей. Однородные нейроноподобные системы являются частным случаем неравновесных сложноорганизованных систем и широко представлены в биологии. Известно, что исследование процессов такого типа рассматриваются, в частности, в специальном научном разделе: биофизика сложных систем.
Активные механизмы элементов системы формируют обычно несколько уровней устойчивых стационарных состояний, автоколебательных или потенциально автоколебательных режимов
10
реагирования - так называемые “многоаттракторные системы”. Особенности нейроноподобных систем определяются нелокальными пространственными взаимодействиями. ДИНАМИКА распределенных систем из связанных активных элементов такого типа всегда была в круге интересов теории колебаний, как РАДИОФИЗИЧЕСКОЙ дисциплины, в том числе, ее специального раздела, изучающего АВТОВОЛНОВЫЕ процессы.
Известно, что многие специалисты из США, Японии, стран Западной Европы проявляют неослабевающий интерес к теориям, описывающим различные динамические режимы
сложноорганизованиых систем (см., например, работы, доложенные на конференции "Конструктивная Сложность и Искусственная Реальность", проводившейся в апреле 1993г. - РЬуэюа О, у.75, N1-3, 1994). Дело в том, что результаты рассмотрения возможных функциональных режимов взаимосвязанных систем из активных элементов могут иметь очень разнообразные приложения, как при проведении научных исследований во многих областях знания, при автоматизации промышленных производств, так и в повседневной жизни человека! Ц*“ № > 9» ^03.
Отметим лишь некоторые из научных направлений, которые активно развиваются в настоящее время: а) - исследования
нелинейной динамики нейроноподобных моделей биологических тканей; б) - применение однородных распределенных нейроноподобных систем для обработки сигншюв; в) - разработка
И
архитектуры систем принятия решений для распознавания сложных изображений.
- Исследования нелинейной динамики нейроноподобных моделей биологических тканей. В этой традиционной области моделирования (см., например, изложение докладов о моделировании нелинейных процессов в сердце, почках, нейронных ансамблях и других нейроноподобных средах в Book of Abstracts "Nonlinear Dynamics and Chaos. Applications in Physics, Biology and Medicine" Saratov, Russia, July, 1996) все большее число работ посвящено уже и структурам активации в распределенных системах. Это связано с пониманием, что структуры пространственной активности дают более точное описание реальных процессов. Последнее время свои новаторские идеи в области нелинейно-колебательных подходов и стохастических процессов в нейрофизиологии активно разрабатываются в группе М.И. Рабиновича вышедшей из ИПФ РАН и работающей теперь в основном в UCSD (San Diego, USA).
- Применение однородных распределенных нейроноподобных систем для обработки сигналов. Изучение архитектур и алгоритмов параллельного преобразования больших потоков сигналов на нейроноподобных средах берет свое начато с пионерских работ У.Мак Катлока и В.Питтса. Затем было несколько периодов повышенного интереса и интенсификации разработок по этой тематике в 60-х и 70-х годах до настоящего времени, когда успехи в электронной технологии и методах анализа нелинейных распределенных систем позволяют решать эту проблему на практическом уровне. К середине 80-х годов
12
была сформулирована основная идея на которой основывалось построение систем параллельного преобразования больших потоков информации на нелинейных активных средах (см., например, работы Б.Б. Кадомцева). Из теоретических представлений следует, что процессы выделения обрабатываемого образа, фрагмента образа или признака определяются особенностями траекторий вблизи одного из возможных аттракторов в соответствующем фазовом пространстве используемой при распознавании нелинейной системы. Поэтому с теоретической точки зрения основная задача состоит в определении набора конкретных видов аттракторов для анализируемого изображения, т.е. нахождении тех областей параметров для используемой нелинейной среды, при которых будет выделяться требуемый образ, фрагмент или признак. При этом важно определить также величину бассейнов притяжения для каждого аттрактора. Решение такого рода задач может быть выполнено многими путями и в этом направлении с середины 80-х годов для разного вида нелинейных активных распределенных сред проводились работы в российских группах Ю.И. Балкарея, В.И. Кринского, Н.Г. Рамбиди, A.C. Дмитриева и ряде других, а также в группе, изучающей автоволновые процессы в ИПФ РАН. Аналогичный подход к анализу изображений с конца 80-х годов независимо начал развиваться в США (например, в работах Чуа по клеточным нейронным сетям). До начала 90-х годов имелся несомненный приоритет специалистов из бывшего Советского Союза в области исследования динамических режимов в неравновесных средах и описании в них новых автоволновых структур. В последние годы многие из этих специалистов активно работают в западных лабораториях.
13
- Разработки архитектуры систем принятия решений для распознавания сложных изображений. Многие фирмы активно разрабатывают алгоритмы распознавания сложных изображений, потому что они применяются в разнообразных устройствах и находят применение практически во всех сферах человеческой деятельности. Весьма плодотворной для разработчиков оказалась идея М. Арбиба, выделившего при конструировании нейроноподобных систем -ЭВМ шестого поколения- два уровня: "крупнозернистую" параллельную структуру ЭВМ и "мелкозернистую" архитектуру каждого крупного блока перестраиваемой системы принятия решений. В рамках предыдущего и данного проекта "мелкозернистый" уровень моделируется на нейроноподобных средах, а "крупнозернистая" структура с помощью атгоритмов по-фрагментного описания или кодирования изображений (аналогичная процедура изложена в книге [90*], более строгий подход представлен разложением по функциям Габора или в последнее время по более модным "wavelet" -функциям). Следует отметить, что все известные нам алгоритмы преобразования изображений на распределенных средах имеют ан&тоги в классической теории распознавания образов. Тем не менее, рассмотрение процессов распознавания на основе структур коллективной активности в неравновесных средах нам представляется более удобным, позволяющим, в частности, сразу же для каждого рассматриваемого алгоритма определять необходимую архитектуру параллельной многопроцессорной ЭВМ.
14
Уровень мировых исследований и проблемы, связанные с созданием так называемых "Intellegent systems”, описаны в недавно вышедшей книге "HAL's Legacy. 2001's Computer as Dream and Reality" edited by David Stork. Ведущие ученые Америки обсуждают роль “машинных эмоций”, планирование действий, алгоритмы понимания изображений, речи и формирования аналогов “здравого смысла”, параллельные системы обработки информации, этические и юридические проблемы, и т.п. (см., например, Marvin Minsky “The Emotion Mashine, 1997; “The Society of Mind”, N.Y. Smon and Schuster, 1985; Douglas B. Lenat, R.V. Guha “Building Large Knowledge - Based Systems” Reading Mass: Addison - Welley, 1990; ... ). Складывается впечатление, что несмотря на необходимость проведения еще множества серьезных научных исследований, эти работы перешли уже в стадию технического воплощения.
Следует также отметить, что исследования возможностей активных распределенных систем для использования их при обработке информационных сигналов, определения условий оптимизации работы распознающих автоматов, выявления аналогий с алгоритмами работы живых систем в настоящее время активно продолжают развиваются (см., например, [8*, 10*, 18*-21*, 39*-45*, 70*-71*, 85*-87*, 61-65, 74, 85-88]). Плодотворность и необходимость изучения возможных динамических режимов для оптимизации работы распознающих систем сейчас не вызывает сомнения.
Основные положения, выносимые на защиту.
1. Предложен набор базовых моделей нейроноподобных сред для описания характерных пространственно-временных
15
(автоволновых) процессов и динамики преобразования потока данных в системах принятия решений. Разработан подход (стандартная последовательность действий) для качественного исследования решений математических моделей распределенных неравновесных сред: нахождение стационарных пространственных решений;
исследование их устойчивости к ортогональному набору малых пространственных возмущений; изучение переходных процессов между стационарными состояниями. Рассмотренный набор новых автоволновых решений подтверждает плодотворность такого подхода.
2. На основе автоволновых представлений разработана исследовательская система принятия решений по прецедентам с использованием нейроноподобных алгоритмов, позволяющая реализовать алгоритмы параллельных вычислений на “мелкозернистых” многопроцессорных ЭВМ. Работоспособность предлагаемых алгоритмов демонстрируется с помощью вариантов прикладных систем для принятия решений по виду конкретных изображений: а) дактоотпечатков - система "Доступ”; б) рук людей -система "РИЧ", “Биометрия Кисти”; в) клеток биотканей - система "Онкоморфолог”; и ряда других изображений (продукция иглообразной формы, изображения ландшафтов, и т.п.).
Разработан вариант интерактивной системы для исследования характерных пространственно-временных решений в однородных нейроноподобных средах (система ориентирована на автоматизацию процесса исследования автоволновых решений в моделях трехкомпонентных систем).
16
3. Проведена интерпретация режимов поведения некоторых однородных неравновесных систем на основе сопоставления “автоволновых” решений с экспериментальными данными.
Показано, что особенности определенных видов сложной динамики автоволновой активности нейронных ансамблей (волны распространяющейся депрессии, некоторые виды эпилептиформной активности коры мозга) в значительной мере определяются нелокальными пространственными связями типа “латеральное торможение’'.
Выполнен расчет возможных пространственно - временных структур в трехкомпонентной математической модели ансамблей из нейроноподобных элементов, описывающей преобразование сенсорных сигналов в коре головного мозга. Проведен расчет режимов нормального прерывания сенсорных сигналов и последующего их кодирования. Определены условия самовозбуждения механизма прерывания сенсорных сигналов и высказано предположение, что существование “вспышечных” режимов и набора пространственных режимов волновой активности в таких системах соответствует эпилептиформной активности коры. Рассмотрены примеры эволюции пространственных структур активности при выделении простейших признаков исходного сигнала - аналог нормальных режимов преобразования сенсорных сигналов в нейронных ансамблях головного мозга.
Показана возможность термодиффузионного механизма неустойчивости при формировании пространственных неоднородностей электронной концентрации в Р-слое ионосферы.
17
Показано существование автоволновых механизмов регуляции в мышечных клетках и микрососудистом русле. Для регистрации реологических характеристик клеток крови разработана лабораторная установка для измерения реологических параметров мембран клеток (эритроцитов) на микроуровне, а также разработана методика и устройство для измерения реологических характеристик клеток (эритроцитов) в сдвиговом потоке жидкости.
Экспериментально зарегистрировано несколько уровней функциональных состояний эритроцитов по реологическим и биохимическим показателям их мембран.
Предложена модель распределенной неравновесной среды, которая может быть использована для описания коллективной активности связанных "экономических” элементов на основе простейших правил, реализуемых при общении покупателя и продавца. Рассмотрены примеры характерной эволюционной динамики пространственно-временных структур активности в такой системе.
Научная новизна работы.
- Предложены теоретические модели нейроноподобных систем, получены характеристики для качественного описания решений моделей и рассмотрены характерные решения этих моделей, описывающие автоволновую динамику однородных иейроноподобных систем.
- Разработаны экспериментальные методики для регистрации реологических характеристик клеточных биологических систем, являющихся одним из основополагающих параметров автоволновых
18
процессов в системе крови. Разработана оптоэлектронная модель нейроноподобной среды (ТУ - аналог).
- Показана возможность формирования широкого набора алгоритмов параллельной обработки больших потоков сложной информации с помощью изменения вида функции пространственной связи и режимов реагирования процессорных элементов в универсальных “мелкозернистых” ЭВМ.
- Предложена архитектура перестраиваемой системы принятия решений при распознавании сложных изображений.
- Разработан вариант интерактивной системы для исследования возможных решений в однородных нейроноподобных средах (система позволяет формировать необходимый для изучения вид моделей трехкомпонентных систем, позволяет произвести расчет и содержит описание основных качественных характеристик автоволновых процессов для конкретного варианта выбранной модели, позволяет выполнить расчет решений таких моделей и сохранить результаты для дальнейшего анализа).
- На основе схемы адаптивного распознавателя предложен вариант структурирования всех данных об особенностях поведения разного типа распределенных неравновесных систем (набор моделей; основные характеристики для качественного анализа решений; набор решений - характерных АВП и похожих на них структур; набор экспериментальных примеров, интерпретации; варианты технических приложений). Используется в качестве методики изложения материала в работе со студентами и при обсуждении со специалистами, интересующимися автоволновой тематикой.
19
К числу приоритетных теоретических результатов можно отнести:
а) разработку подхода для описания пространственно - временных решений базовых моделей однородных нейроноподобных сред;
б) получение новых пространственно-временных решений: “делящийся” фронт; режим “ячеистой” расфазировки; наборы неподвижных импульсов и распространяющиеся фронты многократного переключения; “пульсирующие” импульсы; некоторые переходные процессы при взаимодействии стационарных структур;
в) разработку исследовательской системы принятия решений с перестраиваемой архитектурой на основе однородных многопроцессорных матриц “мелкозернистого” типа.
г) демонстрация на одной и той же модели нормальных режимов обработки и режимов самовозбуждения, аналогичных эпилептиформной активности в коре головного мозга.
Из экспериментальных результатов, полученных для иллюстрации плодотворности авговолнового подхода, можно выделить:
а) разработку лабораторной установки для микропипеточного измерения реологических параметров мембран клеток, а также устройства для измерения реологических харакгеристик клеток в сдвиговом потоке;
б) регистрацию многоуровневой структуры функциональных состояний эритроцитов по реологическим и биохимическим показателям их мембран;
в) реализацию алгоритмов кодирования и классификации сложных изображений в прикладных системах принятия решений
20
(дактоотпечатки, рука человека, изображения биологических объектов в препаратах и т.п.).
Практическая ценность работы.
- На основе автоволновых представлений разработаны алгоритмы и компьютерные модели блоков ЭВМ параллельной обработки больших потоков информации.
- Разработаны прототипы биометрических систем доступа по фрагменту дактоотпечатка и форме руки человека.
- Разработанные экспериментальные методики для микропипеточного измерения реологических параметров мембран клеток представляют ценность для развития диагностики функционального состояния и адаптационных способностей биологических тканей.
Разработана методика компоновки данных о динамике нейроноподобных сред - вариант классификации материалов об АВП по схеме адаптивного распознавателя.
Апробация работы.
- Материалы диссертации докладывались на: IV Симпозиуме по проблеме “Структурная и функциональная организация мозжечка”, Ереван, 1979;
- IV, VIII и IX Всесоюзных школах по нелинейным волнам, Горький, 1979,1987,1994;
- Конференции “Разработка и внедрение конструкций из эластичных материалов в народное хозяйство”, Севастополь, 1984;
- Всесоюзном совещании по самоорганизации в физических, химических и биологических системах. Кишинев, 1986;
- Всесоюзной конференции “Проблемы экологии и мягкие оболочки”, Севастополь, 1990;
-1 Всесоюзной конференции “Озон в биологии и медицине”, 1992, Н. Новгород;
- V Всероссийской конференции по лазерной химии, Лазаревское, 1992;
- IV Всесоюзной конференции MMPO-IY, Рига, 1989;
- II Всесоюзной конференции “Искусственный интеллект -90”, ИТК АН БССР, 1990;
- Symposium "Neuronet -90м, Prague, Czechoslovakia, 1990;
- Всесоюзной конференции РОАИ-1-91, Минск, 1991;
- RNNS/IEEE Symposium on Neuroinformatics and Neurocomputers, 1992;
- The Second International Symposium on Neuroinformatics and Neurocomputers, Rostov-on-Don, Russia, September, 20-23, 1995;
- Конференции "Математические Алгоритмы", Татинсц, 26-30 июня, 1995;
- Совещании “Алгоритмы обработки информации в нейроноподобных системах”, ИПФ РАН, сентябрь 1993;
- The 5th International Symposium Bioelectronic and Molecular Electronic Devices, Okinawa, Japan, Nov. 28 -30, 1995;
- Международной Конференции "Критерии Самоорганизации в Физических, Химических и Биологических Системах", Суздаль, 12-18 июня 1995;
- Международной конференции “Nonlinear Dynamics and Chaos. Applications in Physics Biology and Medicine", Saratov, 1996;
- Ill и IV Всероссийских конференциях по биомеханике, Нижний Р1овгород, 1996, 1998;
22
- Четвертом Всероссийском семинаре "Нейроинформатика и ее приложения”, Красноярск, 1996;
- Международном симпозиуме “Информационная оптика. Научные основы и технологии”, Москва, 1997;
-1, II и III рабочих совещаниях "Теория и приложения искусственных нейронных сетей", Снежинок, РФЯЦ ВНИИТФ, 1996, 1997, 1998.
Личный вклад автора.
Все вошедшие в диссертацию результаты получены лично автором, либо при его непосредственном участии.
Работы, по материалам которых написаны разделы 2.4, 4.1, 4.4-4.7, выполнены на паритетных началах с соавторами. В остальных работах автору диссертации принадлежит постановка задач, выбор методов теоретического анализа или постановки эксперимента и паритетное участие в его проведении. Работы в соавторстве с
A.B.Мастеровым, И.В.Нуйдель, Д.Е.Пелиновским, A.B.Шадриным,
Э.Б.Курзениным, П.Г.Хурлаповым, А.Н.Коганом, А.А.Тельных, вошедшие в разделы 2.2 ,2.3, 2.5.-2.7, 3.1, 3.4-3.5 диссертации, выполнены под научным руководством автора.
В блоке работ [6, 12-13, 17-21, 28, 47, 89, 92], написанных автором диссертации единолично, им предложены варианты базовых моделей для нейроноподобных систем, предложен и обоснован метод анализа характерных автоволновых решений и формализованного представления данных об автоволновых процессах.
В работах [1-5, 7-11, 14-16, 22-23, 32-33] автором были предложены и развиты идеи качественного анализа возможных решений в распределенных неравновесных средах с диффузионными
23
пространственными связями, рассмотрены новые автоволновые решения и проведено сопоставление расчетов с известными из литературы экспериментальными данными.
В работах [30-31, 41-46, 48-80, 83, 85-90, 96-101, 103] основной вклад автора состоит в выявлении особенностей динамики автоволн, связанных с нелокальным характером связи в неравновесной среде, и формулировке конкретных приложений этих особенностей для объяснения экспериментальных режимов нейроноподобных систем или для их использования в алгоритмах параллельной обработки сложных видеосигналов.
В работах [24-27, 29, 34-40, 84, 91, 94-95] автор на паритетных началах с соавторами участвовал в постановке задач исследования, выборе методов и проведении экспериментов, формулировке и подготовке к публикации полученных результатов.
В работах [81-82, 86-88, 93 102, 104] автор отвечал за разработку алгоритмов и тестирование режимов работы распознающих устройств.
Эффективность выполнения работ, вошедших в диссертацию (ряд теоретических расчетов, экспериментальных работы), во многом определялась возможностью творческого сотрудничества с коллегами из ИПФ РАН, НГМА, ННИИТО и других научных центров. Автор выражает всем им искреннюю признательность.
Объем работы.
Представленные на защиту материалы автора включены в 2 книги, соавтором которых он является, опубликованы в 40 статьях в отечественных и зарубежных периодических изданиях, в 17 статьях в
24
специализированных сборниках, в 6 препринтах, в 33 тезисах докладов, в 2 авторских свидетельствах, а также в 4 зарегистрированных отчетах по темам, которые выполнялись под руководством автора. В автореферате приведено 65 ссылки на основные авторские публикации.
Основные этапы работы.
1) Осуществление перехода от набора экспериментальных примеров и схем, описывающих процессы в неравновесных средах нейроноподобного типа, к набору базовых моделей. (Этапы 1, 2, 4, 5 на Рис. В. 2.).
2) Подбор известных методов или разработка новых подходов при исследовании возможных решений базовых моделей и описании характерных динамических процессов в однородных нейроноподобных системах. Разработка специальных программных инструментальных средств для исследования возможных динамических режимов в моделях второго и третьего уровня нейроноподобных систем. (Этапы 2 - 5 на Рис. В. 2.).
3) Разработка демонстрационных вариантов распознающих систем (модели второго и третьего уровней), с помощью которых возможна реализация параллельных режимов обработки сложных изображений, классификации и принятия решений в соответствии с поставленной задачей. Разработка вариантов демонстрационных распознающих установок. (Этапы 4 - 6 на Рис. В. 2.).
25
4) Обоснование возможности использования набора решений моделей первого, второго и третьего уровней для описания динамики реагирования в реальных нейроноподобных системах, т.е.-проведения сопоставления “автоволновых” решений и алгоритмов кодирования с экспериментальными данными, известными для режимов функционирования нейроноподобных систем. (Этапы 2-7 на Рис. В. 2).
1) Объекты, функционирующие на основе взаимосвязанных неравновесных элементов нейроноподобного типа (режимы АВП). ,,_______________________________
2) Модели первого уровня
3) Наборы характерных
автоволновых процессов для моделей однородных нейроноподобных систем.
4) Модели второго уровня
5) Модели третьего уровня
6) Варианты режимов работы систем второго и третьего уровней._______________
7) Сопоставление модельных режимов с экспериментальными
результатами функционирования ряда нейроноподобных систем.________________
Рис. В. 2. Взаимные связи этапов выполненной работы.
Важно отметить, что кроме последовательных переходов от набора данных одного этапа к рассмотрению и получению результатов
26
на следующем этапе, были обнаружены возможности использования уже полученных результатов для расширения областей применения моделей, рассмотренных на предыдущих этапах. Так при рассмотрении моделей адаптивных распознавателей была обнаружена возможность описания сети взаимосвязанных распознавателей с помощью моделей для однородных нейроноподобных систем (модели первого уровня). На Рис. В. 2 такое самоподобие моделей на разных уровнях иерархической организации показано стрелкой от 4, 5 к 2.
Далее было показано, что наборы нейроноподобных моделей разных уровней и рассмотренные наборы динамических режимов позволяют провести интерпретацию многих известных экспериментальных данных.
Рассмотрение всего полученного материла показало, что все разнообразные данные, связанные с описанием динамики нейроноподобных сред, молено логично структурировать и компактно представить с помощью схемы адаптивного распознающего автомата -один из возможных вариантов классификации материалов по АВП (на Рис. В. 2 стрелка от 1 - 7 к 5).
27
Глава 1. БАЗОВЫЕ МОДЕЛИ ОДНОРОДНЫХ НЕЙРОНОПОДОБНЫХ СИСТЕМ И ВАРИАНТЫ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ НЕЙРОНОПОДОБНОГО ТИПА.
В этой главе проведен переход от набора экспериментальных схем и примеров функционирования неравновесных сред нейроноподобного типа, к набору “базовых" моделей, описывающих происходящие в них процессы. Реализована схема: от набора экспериментальных примеров -> к набору “базовых " моделей.
В данной работе нейроноподобными системами называются распределенные системы, состоящие из активных элементов с несколькими устойчивыми (или “квазиустойчивыми”) состояниями и нелокальными пространственными связями между такими неравновесными элементами (см., например, [1*-5*, 59*-62*, 44-46, 50-52]).
Выделено три уровня моделей для нейроноподобных систем. Сразу же отметим, что любое предлагаемое разбиение на “базовые” модели может быть выполнено неоднозначным образом. Варианты в сильной степени зависят от представлений исследователя о важности и необходимой степени “огрубления” тех или иных деталей изучаемых процессов.
К первому уровню относятся модели однородных одно-, двух-, трех- компонентных неравновесных, нейроноподобных сред. Каждая из компонент в таких моделях может, в частности, характеризоваться
28
своими схемами активных механизмов и значениями релаксационных временных параметров.
С помощью таких моделей можно рассматривать наиболее характерные режимы функционирования однородных неравновесных систем и выделять самые “элементарные”, “базовые” структуры коллективной активности, с помощью которых формируется описание динамики таких систем.
Ко второму уровню относятся модели “элементарных” классификаторов или ячеек принятия решений с фиксированными алгоритмами, выполняющих необходимый для классификации набор операций: преобразование поступающего потока сигналов в “коды” различного уровня; генерация или формирование обратного потока сигналов по “кодам” разного уровня; сравнения “кодов” на разных уровнях кодирования; принятия решений.
Если необходимо реализовать параллельные режимы обработки заданных объекгов или их фрагментов на сложном изображении, то блоки моделей второго уровня могут строиться из моделей неравновесных сред первого уровня. От выбора последовательности возможных динамических режимов, осуществляющих необходимые преобразования с входным изображением заданного вида, зависит точность принимаемых решений и оптимальность функционирования такого типа систем.
К третьему уровню можно отнести модели адаптивных, “нетривиальных” классификаторов, осуществляющих подстройку своих параметров под особенности обрабатываемого сигнала,
4
29
выполнения операций более точного кодирования, в том числе и за счет формирования ассоциаций между потоками сигналов различных модальностей (видео, акустические, тактильные, химические и т.п. сигналы). Построение систем этого уровня опирается . на модели распределенных неравновесных систем “нейроноподобного” типа первого и второго уровней.
С помощью таких моделей можно рассмотреть и реализовать особенности выполнения операций самообучения, формирования внутренних модельных представлений о наборе внешних сигналов, реализовать оптимизацию алгоритмов обработки сигналов: самонастройка - формирование наборов из приоритетных методов анализа; переключение между целями работы системы - и ряд других “психологических” особенностей функционирования адаптивных автоматов принятия решений.
Рассмотрим далее ряд известных сейчас подходов при построении “базовых” моделей нейроноподобных систем разного уровня, а также набор наиболее характерных динамических режимов, определяющих функционирование моделей каждого уровня.
30