Интеллектуальные информационные системы. Макаренко С.И. - 162 стр.

                16.5 Динамические нейронные сети

     Сети из формальных нейронов вполне приемлемы для математического
изучения вычислительных особенностей систем из большого числа активных
элементов, осуществляющих параллельную обработку информации.
     Изучение аспектов функционирования биологических нейронных сетей
требует следующего естественного шага – построения моделей нейрона,
воспроизводящих импульсный характер нейронной активности. Это привело
к серии моделей импульсных («спайковых») нейронов и изучению
нейронных сетей из «спайковых» нейронов с импульсным взаимодействием.
      Далее, экспериментально было обнаружено, что при обработке
информации целый ряд структур мозга при обработке информации
используют в качестве «рабочих инструментов» колебательную активность,
синхронизацию и резонанс. Примерами таких структур являются
обонятельная система (обонятельная луковица и кора), слуховая система
(улитка уха и слуховая кора), зрительная система (сетчатка и зрительная
кора). Это стимулировало моделирование осцилляторных нейронных сетей.
Активным элементом таких сетей является нейронный осциллятор,
образованный парой нейронов, связанных возбуждающей и тормозной
связями.
      Были также построены модели искусственных осцилляторных сетей
ассоциативной памяти, активными элементами которых являются различные
модели осцилляторов. Эталонами памяти в таких сетях являются не
состояния устойчивого равновесия, а предельные циклы – состояния
устойчивых    синхронизованных     колебаний    осцилляторной    сети.
Воспроизведение эталонов осуществляется посредством синхронизации.
Были     даже    предложены     теоретические    модели    оптических
нейрокомпьютеров, построенных на осцилляторах, связанных через
галографическую среду.
     Работа построенных сетей порождает динамические методы обработки
информации, основанные на синхронизации ансамблей сетевых
осцилляторов.

           16.6 Проблемы развития нейронных сетей

   К основным проблемам нейронных сетей можно отнести следующее.
   1. «Проблема интерпретируемости весовых коэффициентов». Сложность
      содержательной интерпретации смысла интенсивности входных
      сигналов и весовых коэффициентов.
   2. «Проблема интерпретируемости передаточной функции». Сложность
      содержательной интерпретации и обоснования аддитивности аргумента
      и вида активационной (передаточной) функции нейрона (Проблемы


                                  161