Некоторые модели клеточных нейронных сетей и их исследование

• Автор: Панкратов, Виктор Анатольевич
• Шифр специальности: 05.13.16
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Ярославль
• Количество страниц: 88 с. : ил.

1. Клеточные нейронные сети

1.1. Модель клеточной нейронной сети дискретного типа.

1.2. Обучение клеточной нейронной сети.

2. Применение клеточной нейронной сети к задаче о

выделении движения

2.1. Постановка задачи о выделении движущихся объектов на фоне помех

2.2. Модель однослойной клеточной нейронной сети .

2.3. Модель трехслойной клеточной нейронной сети .

2.4. Анализ селективных свойств сети

2.5. Идеальная селекция траекторий

3. Нейрон с корреляционными синапсами

3.1. Нейрон с корреляционными синапсами и его свойства
3.2. Применение нейрона с корреляционными синапсами к задаче о выделении движущихся объектов. Модель пятислойной клеточной нейронной сети.
4. Нейрон с альтернативными синапсами
4.1. Формальная модель Анейрона.
4.2. Свойства Анейрона
4.3. Обучение нейрона с альтернативными синапсами. Правило Хебба
4.4. Модель ассоциативной памяти на сети Анейронов.
5. Клеточная нейронная сеть на нейронах с запаздыванием
5.1. Модель нейрона с запаздыванием.
5.2. Роль запаздывания в борьбе с ложными образами
Заключение
Список рисунков
Литература


Эта модель учитывает возможные взаимодействия между входами нейронов. Подобного рода нейроны в ряде работ , называются нейронами высших порядков i . Всюду ниже будет использоваться термин нейрон с корреляционными синапсами. Проводится сравнительный анализ нейронов МакКаллокаПиттса и нейронов с корреляционными синапсами применительно к простейшей задаче бинарной классификации следующего вида. Рассмотрим в Кдг множество Му множества М и М2 такие, что М С М и М2 ММ. Элемент, выполняющий классификацию нейрон, должен при поступлении на вход вектора х Е М выдавать на выходе один сигнал например, 1, и если х Е Мо другой 1, т. М ОТ М2. Теорема. Пусть М С , где множество всех бинарных мерных векторов. Далее в третьей главе рассматривается КИС на нейронах с корреляционными синапсами применительно к задаче выделения движения. Предлагается модель пятислойной К НС, в качестве элементов которой использованы нейроны с расширенной рецептивной окрестностью и корреляционными синапсами. Использование в данной модели нейрона с корреляционными синапсами позволяет отличать непрерывные последовательности из пяти пикселов которые возможно являются частью некоторой траектории от прочих конфигураций разрывные цепочки, очевидно, целиком не могут принадлежать траектории см. Сформулированы локальные правила для обучения пятислойной КНС, и на их основе получены численные значения весовых коэффициентов сети. Проведены экспериментальные исследования компьютерной модели с данными параметрами при различных плотностях поля помех.