Нейронные сети и нейроконтроллеры. Бураков М.В. - 16 стр.

UptoLike

Составители: 

16
Пространственное суммирование заключается в том, что уровни
отдельных раздражений, недостаточные для возбуждения нейро-
на, могут быть приложены к нему одновременно через несколько
синапсов, что вызывает в результате возбуждение нейрона.
Временное суммирование состоит в том, что слабые раздраже-
ния, следующие одно за другим через достаточно короткие про-
межутки времени, также приводят к возбуждению нейрона, так
как происходит не мгновенное, а экспоненциальное затухание дей-
ствия отдельного импульса.
В состоянии покоя протоплазма нейрона заряжена отрицатель-
но с потенциалом около 70 мВ. По мере поступления сигналов от
дендритов заряд деполяризуется до значения потенциала 60 мВ,
происходит диффузия в сому положительно заряженных ионов
натрия Na+, нейрон срабатывает его заряд резко повышается до
положительного, и затем возбуждение распространяется через ак-
сон на другие нейроны. Нейрон генерирует электрический импульс
длительностью 1 мс, который проходит по аксону до синапсов. За-
тем ядро постепенно возвращается в исходное состояние.
Нейроны «срабатывают» в произвольные моменты времени с ча-
стотой от 1 до 100 Гц. Скорость распространения нервного импуль-
са составляет приблизительно 100 м/с, что в миллион раз меньше
скорости распространения электрического сигнала в медной прово-
локе. Если какой-то нейрон возбуждается чаще остальных, то сила
его синаптической связи возрастает.
1.3. Понятие нейрокомпьютера
Рассмотренные количественные показатели, характеризующие
работу мозга, не слишком впечатляющие. Тем не менее мозг чело-
века пока еще качественно превосходит по возможностям совре-
менные компьютеры.
Большое влияние на разработку теории ИНС оказали идеи кон-
некционизма раздела искусственного интеллекта, связанного с
созданием моделей мозга и мышлением человека. С точки зрения
коннекционизма (от англ. connection связь), отдельные нейроны
можно моделировать простыми автоматами, а вся сложность мозга
определяется связями между нейронами. Это обеспечивает следую-
щие свойства нейросетевой модели:
• однородность системы (элементы нейронной сети одинаковы и
просты, функция определяется структурой связей);