Методы контроля и идентификации информационных сигналов на основе синапс-нейронных структур

• Автор: Киреев, Павел Анатольевич
• Шифр специальности: 05.11.13
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Москва
• Количество страниц: 141 с. : ил

СОДЕРЖАНИЕ
Введение
Глава 1. Аналитический обзор. Современное состояние вопроса.
1.1. Основные положения.
1.1.1. Ввод сигнала и цифровая обработка
1.1.2. Предварительная обработка и выделение первичных признаков
1.1.3. Выделение примитивов речи
1.1.4. Распознавание сложных звуков, слов, фраз
1.2. Обработка сигнала нервной системой
1.2.1. Кодирование сигналов в нервной системе
1.2.3. Нейронные сети
1.2.3.1 Обучение нейронной сети с учителем
1.2.3.2. Обучение без учителя
1.3. Постановка задачи исследований 33 Глава 2. Анализ методов восприятия информационных сигналов
биологическими системами
2.1. Акустоэлектрическое преобразование сигнала
2.1.1. Трансформация звукового давления
2.1.2. Преобразование перемещения барабанной перепонки в сжатие жидкости внутреннего уха
2.1.3. Механоэлектрическое преобразование сигнала
2.1.4 Разработка системы контроля параметров информационных сигналов
2.2. Исследование обработки сигналов нервной системой
2.2.1 Структура и функции синапсов
2.2.2. Механизмы возбуждения и торможения
2.2.3. Моделирование механизмов возбуждения и торможения синапсов
3 2.3 Синапс - нейронные структуры обработки информационных сигналов
Выводы
Глава 3. Разработка методов контроля информационных
сигналов
3.1. Полосовые шаговые фильтры
3.2. Анализ информационных сигналов методом динамического сдвига
3.3 Экспериментальное исследование разрешающей способности системы контроля параметров информационных сигналов
Выводы
Глава 4. Разработка синапс-нейронных структур контроля и идентификации информационных сигналов
4.1 Синапс-нейронные структуры контроля динамики изменения спектра информационных сигналов
4.2. Синапс - нейронная ячейка распознавания 4.3 Общая структура системы идентификации информационных сигналов
Выводы
Заключение
Литература
Приложение 1
Приложение 2
Приложение 3

Введение.
Современные цифровые вычислительные машины намного превосходят человека по способности производить числовые и символьные вычисления, однако отличаются крайне низкой эффективностью в задачах, связанных с обработкой данных, представленных большим количеством нечеткой и неполной информации (например, распознавания образов), тогда как мозг живых существ, каждый элемент которого обладает сравнительно низким быстродействием, справляется с такими задачами за доли секунды.
В последние десятилетия в мире бурно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях (НС). Актуальность исследований в этом направлении подтверждается массой различных применений НС. Это автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов, прогнозирование, создание экспертных систем, организация ассоциативной памяти и многие другие приложения. С помощью НС можно, например, предсказывать показатели биржевого рынка, выполнять распознавание оптических или звуковых сигналов, создавать самообучающиеся системы, способные управлять автомашиной при парковке или синтезировать речь по тексту. В то время как на западе применение НС уже достаточно обширно, у нас это еще в некоторой степени экзотика -российские фирмы, использующие НС в практических целях, наперечет [1].
Исследование нейросетей обусловлено также потребностью в увеличении роста производительности вычислительных систем. Увеличение сложности и быстродействия современных последовательных процессоров скоро упрется в границы, обусловленные физическими законами (предел интеграции и тактовой частоты). Выход - использовать параллельные вычислительные системы, но при этом возникает другая проблема -сложность написания эффективных алгоритмов для параллельной обработки
полукружные кольца; 10 - основная мембран 10; 11 - мембрана Рейснера; 12- лестница преддверия; 13 - лестница барабана; 14 - перилимфа; 15 -эндолимфа; 16 - кортиев орган; 17 - покровная мембрана; 18 - слуховой нерв.
2.1.2. Преобразование перемещения барабанной перепонки в сжатие жидкости внутреннего уха
Выполняется это преобразование в среднем ухе. При этом происходит также дальнейшая трансформация звукового давления.
Барабанная перепонка вогнута внутрь и натянута. Ее перемещение воздействует на систему рычагов, состоящих из трех слуховых косточек: молоточка 4, наковальни 5 и стремени 6, шарнирно соединенных между собой суставами и оснащенными мышечным аппаратом из двух мышц 7. Рукоятка молоточка прикреплена к барабанной перепонке, основание стремени закрывает собой овальное окно, за которым находится внутреннее ухо. Стремя в овальном окне может совершать возвратно-поступательные движения. Коэффициент трансформации давления от барабанной перепонки к овальному окну ~ 1:100. С целью защиты барабанной перепонки от повреждения, полость внутреннего уха соединена евстахиевой трубой с носоглоткой. Это обеспечивает выравнивание статического давления по обе стороны ее.
2.1.3. Механоэлектрическое преобразование сигнала
Необходимость предварительного функционального преобразования связана с тем, что скорость обработки сигнала центральной нервной системой значительно ниже скорости изменения звукового сигнала (частота а-ритма головного мозга около 7 Гц). Осуществляется механоэлектрическое преобразование во внутреннем ухе, точнее в улитке. Расположена улитка в височной кости. Там же расположены элементы вестибулярного аппарата -