Теория функциональных систем описывает организацию процессов жизнедеятельности в целостном организме, взаимодействующем со средой.
Эта теория была разработана при изучении механизмов компенсации нарушенных функций организма. Как было показано П.К.Анохиным, компенсация мобилизует значительное число различных физиологических компонентов – центральных и периферических образований, функционально объединенных между собой для получения полезного, приспособительного эффекта, необходимого живому организму в данный конкретный момент времени. Такое широкое функциональное объединение различно локализованных структур и процессов для получения конечного приспособительного результата было названо “функциональной системой”.
Функциональная система (ФС) – единица интегративной деятельности целого организма, включающая элементы различной анатомической принадлежности, активно взаимодействующие между собой и с внешней средой в направлении достижения полезного, приспособительного результата.
Нейрокомпьютер 'Эмбрион' разработан под руководством член-корреспондента МАИ, В.Д. Цыганкова.
Виртуальный нейрокомпьютер 'Эмбрион' - модель мозга человека [6], возбуждение квазинейронов в нём создаёт виртуальное квантовое когерентное волновое поле, которое имеет прямое отношение к проблеме создания Квантового нейрокомпьютера (КНК). Нейрокомпьютер 'Эмбрион' представляет собой некоторую разновидность квантовой МАКРОсистемы или квантово-механической системы, то есть квантовый когерентный нейрокомпьютер, и требует для своего воплощения совершенно другой, по сравнению с обычным ПК, функциональной элементной базы или 'мозговой массы'.
Отличительные особенности парадигмы «ЭМБРИОН»:
В основе принципа работы, структуры и функций нейрокомпьютера использованы общебиологические законы и нейрофизиологические экспериментальные данные.
Неравновесность как условие возникновения собственного «Я», цели, внутренней и внешней активности.
Вероятностный, квантовый, дискретный, не цифровой принцип работы и обработки информации, обеспечивающий надежность, помехоустойчивость и живучесть.
Отсутствие цифрового процессора и программирования, замена их обучением в реальном времени обеспечивает универсальность системы и пригодность ее для решения любых нечетко поставленных задач при высоком быстродействии.
Виртуальный принцип генерации сложных нейронных сетей и небольшой расход аппаратуры обеспечивают высокую технологичность, низкую себестоимость изготовления, наладки и эксплуатации нейрокомпьютерной системы.
Нейрокомпьютер «ЭМБРИОН» как квантовый вычислитель. Пять требований к квантовому компьютеру:
Система должна состоять из точно известного числа частиц.
Должна быть возможность привести систему в точно известное начальное состояние.
Степень изоляции от внешней среды за время действия оператора должна быть очень высока.
Надо уметь менять состояния системы согласно заданной последовательности унитарных преобразований ее фазового пространства.
Необходимо иметь возможность выполнять “сильные квантовые измерения” состояния системы, которые переводят ее в одно из чистых состояний.
38. Квазинейронные сети в парадигме «Эмбрион».
Рис. 5.9. Процесс генерации нейронной сети в нейрокомпьютере Эмбрион
На рис. 5.9 представлена структурная схема процесса генерации нейронной сети в нейрокомпьютере Эмбрион. Сигналы из внешней среды (S) проецируются на сенсорную матрицу. Под воздействием активирующего потока импульсов из Блока выдвижения гипотез информация из сенсорной матрицы переносится в регистр внутренней памяти, а его меняющиеся во времени коды-состояния формируют виртуальную квазинейронную сеть и ее выходную реакцию.
39. Нейронная сеть как стохастический автомат Маркова.
Если предположить, что в стохастических автоматах случайно также и начальное состояние 
, а выходная величина 
отождествляется с состоянием 
, то подобный автомат соответствует марковской цепи. Цепи Маркова обычно характеризуются в вероятностных терминах и связаны с понятием испытания, для которого вероятность исхода зависит от исхода, непосредственно предшествующего этому испытанию. Эти вероятности определяются элементами матрицы переходных вероятностей (10.84). Сама же эта матрица характеризует марковскую цепь.
Для нейронных сетей, которые можно применить для моделирования игр с неполной информацией, математики используют автоматные отображения или описания, когда выходные слова или принимаемые решения носят вероятностный характер. Работа такого ВЕРОЯТНОСТНОГО АВТОМАТА С ПАМЯТЬЮ определяется двумя матрицами А и В.
Первая матрица А определяет вероятности появления тех или иных выходных слов при подаче на вход входного слова при наличии определенного внутреннего состояния.
Вторая матрица В для тех же исходных условий определяет вероятности перехода автомата в новое внутреннее состояние. Такая матрица для НК "ЭМБРИОН" показана на Рис.5.1.
Здесь совмещены или совпадают буквы слова внутреннего состояния Pj и выходного слова Yj.
При этом, конечно, все вероятности Wij - суть положительные числа меньшие или равные единице, т.е.
Кроме того, выполняются условие: сумма вероятностей в строке равна единице
Автоматы такого типа называются КОНЕЧНЫМИ АВТОМАТАМИ МАРКОВА или просто марковскими автоматами. Сети, описываемые на таком языке, называются ЦЕПЯМИ МАРКОВА.