Исследование и управление режимами самоорганизации в сетях обобщенных нейронных автоматов

Исследование и управление режимами самоорганизации в сетях обобщенных нейронных автоматов

Автор: Коновалов, Евгений Владиславович

Шифр специальности: 05.13.18

Научная степень: Кандидатская

Год защиты: 2008

Место защиты: Ярославль

Количество страниц: 117 с.

Артикул: 4170235

Автор: Коновалов, Евгений Владиславович

Стоимость: 250 руб.

Исследование и управление режимами самоорганизации в сетях обобщенных нейронных автоматов  Исследование и управление режимами самоорганизации в сетях обобщенных нейронных автоматов 

Введение
Глава 1. Математическая модель обобщенного нейронного автомата
1.1 Биологическая справка.
1.2 Формальное описание обобщенного нейронного автомата.
1.3 Унивещальпый характер обобщенного нейронного автомата
Глава 2. Распространение волны возбуждения в кольцевых структурах ОНАпейсмейкеров
2.1 Ортнизации колебаний в кольцевой структуре ОНАпейсмейкеров.
2.2 Хранение последовательности импульсов кольцевой структурой ОНАпейсмейкеров .
Глава 3. Пачечная активность и задача адаптации в кольцевых структурах ОНАпейсмейкеров
3.1 Задача о пачечном воздействии на обобщенный нейронный автомат
3.2 Проблема адаптации нейронов.
3.3 Задача адаптации ОНАпейсмейкера
3.4 Задача адаптации в кольцевых структурах ОНАпейсмсйкеров
Глава 4. Распространение волны возбуждения в кольцевых структурах ОНАдетекторов
4.1 Организация колебаний в кольцевой структуре ОН Аде гекторов.
4.2 Хранение последовательности импульсов кольцевой структурой ОНАдетекторов .
4.3 Поведение кольцевых структур ОНАдетекторов при изменении синаптических весов
4.4 Сравнительный анализ распространения возбуждения по кольцевым структурам ОНАпейсмейксров и ОНАдетскторов
Заключение
Введение


Сети из питегратшшоиороговых нейронов, Интегративнопороговая модель нейрона является сравнительно простым устройством, которое накапливает поступающие сигналы и при достижении некоторого порога генерирует импульс спайк. Однако большинство интегративнонороговых моделей и соответствующих нейронных сетей ограничивается лишь общим свойством нейрона генерировать мгновенный импульс в зависимости от меры внешнего воздействия. До настоящего времени такие сети являются наиболее распространенным объектом как в теоретических исследованиях, так и при имитационном моделировании. Это объясняется формальной простотой описании и, одновременно, широким классом практических задач, решаемых сетями из интегративнопороговых нейронов. В качестве наиболее известных примеров таких сетей можно указать персеитрои Розснблата 9, сеть Хоифилда 9б. Сети из взаимодействующих непрочных осцилляторов. Осциллятор обычно включает взаимодействующие популяции возбудительных и тормозных нейронов. Динамика осциллятора описывается средним уровнем активности этих популяций. Сечи из нейронных осцилляторов исследуются методами теории бифуркаций, что позволяет аналитически и численно описать области параметров, при которых имеет мое го тот или иной вид динамики сети. Результаты исследования могут быть соотнесены с экспериментальными данными но ХЛистрацни локальных потенциалов, вызванных потенциалов, ЭЭГ и поведенческих реакций. Введение в модель важных свойств биологических нейронов например, задержек в передачу сигнала между элементами сети значительно усложняет как динамику сети, так и задачу ее исследования, поскольку описывающая данную сеть система с запаздыванием требует рассмотрения бесконечномерного пространства начальных условий. Типичным примером таких сетей является популярный осциллятор Вилеона Коуэна 3. Сети из фазовых осцилляторов. Сети из фазовых осцилляторов полезны дли аналитического и численного исследования условий синхронизации в системе осцилляторов. Основная задача состоит в описании областей пространства параметров, соответствующих различным режимам синхронизации полной или частичной. Сети из нейронов, в которых динамика каждого элемента описывается дифференциальным уравнением или системой дифференциальных уравнений. К данным сетям относится класс исследуемых в настоящей работе, поэтому остановимся на таких сетях поподробнее. Наиболее известной и общепринятой моделью для описания процесса генерации снайков является базовая модель Ходжкина Хаксли , . Она представляет собой систему четырех обыкновенных дифференциальных уравнений. Первое из них уравнение баланса для токов, проходящих через мембрану. Учитываются емкостный, натриевый, калиевый токи и ток утечки. Второе и третье уравнения описывают соответственно процессы активации и инактивации натриевых каналов. Последнее уравнение служит для описания калиевых каналов. К этому же классу относятся так называемые сегментные модели сошрагИпепс шо1еь, в которых на основе законов Кирхтфа объединяются уравнении, описывающие динамику токов в сегментах нейрона. В модели Ходжкина Хаксли учтены многие биологические свойства нервных клеток, но получившаяся система уравнений сложна и не поддается аналитическому исследованию, а, кроме того, она чувствительна к выбору параметров. Поэтому неоднократно предпринимались попытки упростить данную модель, не теряя биологической интерпретации. Так модель Ходжкина Хаксли существенно упрощена с сохранением биофизического смысла в , но и этот вариант, к сожалению, допускает только компьютерное исследование. В 1, дается обзор дальнейших упрощений системы уравнений ХоджкинаХаксли. Там же приведен ряд феноменологических моделей, из которых важнейшие Хинамарша Роуза , ФитцХью Нагумо , 7, Морриса Лскара 6 и др. Все они исследуются компьютерными методами. Феноменологический вывод еще одного из возможных уравнений динамики мембранного потенциала нейрона подробно изложен в , , . Данная модель, получившая название импульсного нейрона, при сохранении основных биологических свойств нейрона, допускает аналитическое исследование.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.272, запросов: 244