AI Lab

Open Artificial Intelligence Laboratory

Русский (Russian Federation)English (United Kingdom)
События Семинар

Семинар

Кратковременная память человека – что и как моделировать

E-mail Печать

5-й семинар

Докладчик: Ляховецкий В.А., к.т.н., сотрудник лаб. Физиологии движений ИФ РАН им. И.П. Павлова 

icon Презентация доклада (3.52 Мбайт) и аудиозапись доклада

В основе моделей информационных процессов, протекающих в кратковременной памяти человека, часто лежит стек или искусственная нейронная сеть. В зависимости от типа модели для того, чтобы добиться подобия между свойствами модели и некоторыми свойствами памяти, используют различные приемы. Модели различного типа позволяют качественно объяснить такие психологические феномены, как: небольшую емкость кратковременной памяти; различную емкость памяти человека в зависимости от решаемой задачи (воспроизведение / узнавание); способность человека совершать ошибки при воспроизведении запомненного и знать, что ошибка совершена; способность человека совершать повторные ошибки. Однако моделирование процессов, происходящих при тренировке памяти (заучивание материала, обучению запоминанию), сопряжено с большими сложностями. Отчасти потому, что в психофизиологическом опыте чрезвычайно сложно выявить, какие именно признаки объектов окружающего мира «отбираются» для сохранения в памяти человека и как меняется состав этих признаков при тренировке.
Последнее обновление 16.02.11 12:13

Обсудить на форуме (9 комментариев).

Моделирование естественного нейрона как системы преобразования импульсных потоков

E-mail Печать

4-й семинар

Докладчик: А.В. Бахшиев

icon Презентация (2.86 Мбайт) и аудиозапись доклада

Существующие математические модели нейронов либо очень просты, отражая лишь основные закономерности в обработке информации, присущие биологическому нейрону, либо рассматривают только отдельные этапы информационного преобразования сигналов и не дают целостного представления о процессах, происходящих в реальном объекте. Другая альтернатива – моделирование нейрона на уровне химии процессов. Для решения задач исследования информационных процессов в естественных нейронных сетях такие модели представляются излишне подробными. Интересным представляется моделирование на уровне описания информационных преобразований импульсных потоков в нейроне, не спускаясь на уровень реализующих их физико-химических процессов, но и не абстрагируясь от понятия нейрона как объекта, осуществляющего нелинейные аналоговые преобразования потока импульсов.
Последнее обновление 16.02.11 12:14

Обсудить на форуме (8 комментариев).

Некоторые мысли о нейробиотике

E-mail Печать

3-й семинар

Докладчик: Хмур

icon Аннотация (33 Кбайт) и аудиозапись доклада

Рассматриваются свойства биологических нейронов, отсутствующие у классических формальных нейронов (ФН). Указывается на наличие у нейрона "собственного" времени, на необходимость его рассмотрения не как взвешенного сумматора, а частотно-импульсного модулятора, на необходимость включения моделей динамических синапсов. Указывается на важность эффекта "синапс на синапсе", являющегося значимым фактором пластичности; целесообразность расширения модели ФН "ядром", в котором собираются его параметры.
Последнее обновление 16.02.11 12:15

Обсудить на форуме (12 комментариев).

Моделирование процессов распространения возбуждения в нейронах. Выводы и прикладное применение.

E-mail Печать

3-й семинар

Докладчик: А.Н. Никанкин

icon Презентация (2.2 Мбайт) и аудиозапись доклада

Общее между реальной клеткой и стандартной моделью нейрона - только название. Для этой модели существует множество алгоритмов, так или иначе основанных на матричном исчислении. В реальных задачах, связанных с построением больших систем, применение подобных подходов неприемлемо из-за низкого быстродействия, плохого распараллеливания, ограниченности возможностей обучения, низкого подобия естественным нейронам. Новая модель призвана преодолеть эти ограничения. Основа этой модели - моделирование кусочков мембраны с ионными каналами. Было промоделировано распространение активности по мембранам с различным расположением ионных каналов. Были выведены паттерны ответа нейрона в зависимости от топологии дендритов. В модель включены модели глиальных клеток как средство управления "глупыми" нейронами. Построена модель кортикальной колонки. Рефакторинг модели с максимальным сохранением функционального подобия естественным нейронам привел к получению чистых алгоритмов, позволяющих очень быстро работать в реальных "боевых" системах, например, это позволило создать алгоритмы быстрого поиска (индексации), устойчивого к шумам распознавания, выявления закономерностей в больших массивах данных. На этой же основе построен псевдо-интеллект проекта ПИПС.

Последнее обновление 16.02.11 12:16

Обсудить на форуме (1 комментариев).

Базовая концепция искусственного интеллекта

E-mail Печать

2-й семинар

Докладчик: к.т.н. О.В. Прогаров

icon Аннотация (27 Кбайт) и аудиозапись доклада

Раскрыты конструктивные рамки интеллекта и предложены его признаки. На базе этих признаков рассмотрен схематичный пример использования ии-системы на биржевых рынках. Предложены уровни моделирования: система в целом, функциональный модуль, слой модуля, узел (нейрон). Раскрыта архитектура верхнего уровня ии-системы, состоящая из анализаторов, селекторов, компараторов и др. модулей. Рассмотрена архитектура функционального модуля на примере анализатора среды. Предложена неравновесная модель узла. Обоснован выбор ряда модификаций, отличающих предлагаемую модель узла (нейрона) от существующих.

Последнее обновление 16.02.11 12:17

Обсудить на форуме (0 комментариев).

Страница 7 из 8

Сейчас на сайте: [171 гостей]
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

RuWeb.net - гибкий хостинг

RuWeb.net - гибкий хостинг