Нейронные семиотические сети




 

Ядром нейроинформационных технологий является представление о том, что естественные биологические нейроны можно моделировать довольно простыми искусственными автоматами, а вся сложность мозга, его гибкость в обработке различного рода информации и другие его важнейшие качества определяются связями между нейронами. Каждая связь представляется как простейший элемент, служащий для обмена сигналами.

Совокупность идей, определяющая описанное представление о мозге, носит название коннекционизма (Connection – связь). Коннекционизм оперирует рядом несложных идей, включающих понятия однородности системы, надежности системы из ненадежных элементов, «голографичности» системы – при разрушении случайно выбранной части система сохраняет свои полезные свойства.

Мозг состоит из различных типов клеток. Большинство нейрофизиологов считают, что объяснить феномены работы мозга можно, изучая функционирование объединенных в единую сеть клеток, называемых нейронами. Мозг включает 1010-1011 нейронов. Уникальными способностями нейронов являются прием, обработка и передача электрохимических сигналов по нервным путям, которые образуют коммуникационную систему мозга.

Несмотря на огромное количество нейронов, их тела занимают всего несколько процентов общего объема мозга. Почти все остальное пространство занято межнейронными связями. Количество связей между ними может достигать 1022. Поэтому отображающие и моделирующие возможности нейросети огромны.

Существует большое разнообразие нейрокомпьютеров – от специализированных интегральных схем, в которые вводится заранее определенная структура нейронной сети, до универсальных программируемых сопроцессоров к вычислительным машинам, на которых можно реализовать модель любой нейронной сети, а также целый ряд промежуточных типов нейрокомпьютеров с той или иной степенью специализации.

Особенностью нейрокомпьютеров является возможность сформировать стандартный способ решения многих нестандартных задач. Анализ зарубежных разработок нейрокомпьютеров позволил выделить основные перспективные направления современного развития нейроинформационных технологий: нейросе-тевые экспертные системы, СУБД с включением нейросетевых алгоритмов, обработка изображений и сигналов, управление динамическими системами, управление финансовой деятельностью, автоматизация процессов распознавания образов, адаптивное управление, аппроксимация функционалов и т.д. С помощью НС можно управлять телекоммуникационными сетями, проводить динамичную диагностику и терапию широкого круга заболеваний, предсказывать показатели биржевого рынка, выполнять распознавание звуковых сигналов, создавать самообучающиеся системы, способные управлять оружием и оценивать ситуацию, складывающуюся на поле боя.

Главным в развитии нейроинформационных технологий является интеллектуализация вычислительных систем, придание им свойств человеческого мышления и восприятия. Потенциальными сферами применения нейротехнологий являются все плохо формализуемые предметные области, в которых классические математические модели и алгоритмы оказываются малоэффективными по сравнению с человеком, демонстрирующим успешное решение задач.

К областям использования нейротехнологий относятся обработка изображений, реализация ассоциативной памяти, системы управления реального времени, распознавание образов и речи, системы безопасности, выявление профилей интересов пользователей Интернета, системы анализа финансового рынка и т.д. Актуальность исследований искусственных нейронных сетей подтверждается многообразием их возможных применений.

 

Системы ощущений

 

Компьютерное зрение

Ощущение – психическое отражение свойств и состояний внешней среды, возникающее при непосредственном воздействии на органы чувств, дифференцированное восприятие субъектом внутренних или внешних стимулов и раздражителей при участии нервной системы. В психологии ощущения считаются первой стадией ряда биохимических и неврологических процессов, которая начинается с воздействия внешней (окружающей) среды на рецепторы сенсорного органа (т.е. органа ощущения) и затем ведет к перцепции, или восприятию (распознаванию).

Компьютерное (машинное) зрение – это теория и технология создания машин, которые могут видеть. Как научная дисциплина, компьютерное зрение относится к теории и технологии создания искусственных систем, которые получают информацию из изображений. Видеоданные могут быть представлены множеством форм, таких как видеопоследовательность, изображения с различных камер или трехмерные данные с медицинского сканера.

Компьютерное зрение также может быть описано как дополнение (но необязательно противоположность) к биологическому зрению. В биологии изучается зрительное восприятие человека и различных животных, в результате чего создаются модели работы таких систем в терминах физиологических процессов. Компьютерное зрение, с другой стороны, изучает и описывает системы компьютерного зрения, которые выполнены аппаратно или программно. Междисциплинарный обмен между биологическим и компьютерным зрением оказался весьма продуктивным для обеих научных областей (рис. 9.9).

 

 

Подразделы компьютерного зрения включают воспроизведение действий, обнаружение событий, слежение, распознавание образов, восстановление изображений.

Компьютерное зрение – это совокупность программно-технических средств, обеспечивающих считывание в цифровой форме видеоизображений, их обработку и выдачу результата в форме, пригодной для его практического использования в реальном масштабе времени.

Различают монокулярное и бинокулярное машинное зрение, предназначенные соответственно для построения и обработки плоских и объемных изображений.

Как технологическая дисциплина компьютерное зрение стремится применить теории и модели компьютерного зрения к созданию сметем компьютерного зрения.

Примерами таких систем могут быть:

– системы управления процессами (промышленные роботы, автономные транспортные средства);

– системы видео наблюдения (рис. 9.10);

– системы организации информации (например, для индексации баз данных изображений);

– системы моделирования объектов или окружающей среды (анализ медицинских изображений, топографическое моделирование);

– системы взаимодействия (например, устройства ввода для системы человеко-машинного взаимодействия).

 

 

Электронное ухо. Электронное ухо можно использовать для лиц с ослабленным слухом или зрением (рис. 9.11). В последнем случае последовательно с телефонным капсюлем включают второй, вспомогательный капсюль, который совместно с микрофоном располагают в трости, коробочке или другом приспособлении. Как микрофон, так и капсюль должны иметь остро направленную диаграмму приема (излучения) за счет введения звукоизолирующих прокладок и кожухов. При приближении к препятствию в устройстве возникает акустическая положительная обратная связь, генерируется звуковой сигнал, высота которого определяется расстоянием от устройства до препятствия. При определенном навыке работы с подобной электронной тростью можно уверенно определять расстояние до препятствия, его примерные размеры и характер препятствия.

 

 

Типичные задачи компьютерного зрения.Каждая из областей применения компьютерного зрения, описанных выше, связана с рядом задач; более или менее хорошо определенные проблемы измерения или обработки могут быть решены с помощью множества методов.

Классическая задача в компьютерном зрении, обработке изображений и машинном зрении – это определение, содержат ли видеоданные некоторый характерный объект, особенность или активность. Эта задача может быть достоверно и легко решена человеком, но до сих пор не решена удовлетворительно в компьютерном зрении в общем случае: для случайных объектов в случайных ситуациях.

Ниже представлены некоторые примеры типичных задач компьютерного зрения:

распознавание: один или несколько предварительно заданных или изученных объектов либо классов объектов могут быть распознаны, обычно вместе с их двумерным положением на изображении или трехмерным положением в сцене;

идентификация: распознается индивидуальный экземпляр объекта. Примеры: идентификация человеческого лица или отпечатка пальцев либо автомобиля;

обнаружение: видеоданные проверяются на наличие определенного условия. Например, обнаружение возможных неправильных клеток или тканей в медицинских изображениях. Обнаружение, основанное на относительно простых и быстрых вычислениях, иногда используется для нахождения небольших участков в анализируемом изображении, которые затем анализируются с помощью приемов, более требовательных к ресурсам, для получения правильной интерпретации.

 

Система синтеза запаха

 

Новая технология, основанная на использовании сменного картриджа, который содержит более 100 различных ароматических веществ. Под управлением ПК производится смешивание исходных составляющих синтезируемого запаха, подобно синтезу сложной цветовой гаммы в струйном принтере. Ведущую роль среди разработчиков технологии и устройств синтеза запахов занимает американская фирма DigiScents, основанная в 1990 г. Д. Смитом и Д. Беллерсоном, ранее занимавшимися разработкой фармацевтического программного обеспечения. К сферам применения устройств синтеза запахов относятся подарки и цветы, продукты питания, ароматизаторы, косметика, компьютерные игры (рис. 9.12).

 

 

Первым устройством синтеза запахов стало iSmell, выпущенное на рынок в апреле 2000 г.

 

...





Читайте также:
Какие слова найти родителям, чтобы благословить молодоженов?: Одной из таких традиций является обязательная...
Перечень актов освидетельствования скрытых работ и ответственных конструкций по видам работ: При освидетельствовании подготовительных работ оформляются следующие акты...
Что такое филология и зачем ею занимаются?: Слово «филология» состоит из двух греческих корней...
Этапы развития человечества: В последние годы определенную известность приобрели попытки...

Поиск по сайту

©2015-2022 poisk-ru.ru
Все права принадлежать их авторам. Данный сайт не претендует на авторства, а предоставляет бесплатное использование.
Дата создания страницы: 2017-04-03 Нарушение авторских прав и Нарушение персональных данных


Поиск по сайту:


Мы поможем в написании ваших работ!
Обратная связь
0.013 с.