Введение
1. Актуальные проблемы искусственного интеллекта и возможные пути их решения. Обзор литературы . 20
1.1. Парадигмы искусственного интеллекта. Краткое введение 20
1.2. Нейросетевая парадигма 24
1.2.1. Векторно-матричный формализм описания состояния
1.2.2. Схема голографии Фурье как нейронная сеть 25
1.2.3. Нейросетевые модели ассоциативной памяти 27
1.2.4. Развитие нейросетевой парадигмы 30
1.3. Теория нечетких множеств 32
1.4. Нейро-нечеткие системы 43
1.5. Парадигма когнитивной системы 45
1.5.1. Модель линейного предсказателя случайных процессов 49
1.5.2. Творческое мышление, правдоподобные и немонотонные рассуждения, психологические феномены восприятия информации 51
1.7. Представление и обработка знаний 56
1.8. Выводы по гл.1. Актуальные проблемы искусственного интеллекта и возможные пути их решения в контексте голографической парадигмы 58
2. Оптические и голографические информационные технологии для систем искусственного интеллекта. Обзор литературы 61
2.1. Голографическая ассоциативная память 61
2.2. Оптические реализации нечетких систем 69
2.3. Реализация квантовых вычислений методом голографии 73
2.4. Анализ структуры связей, используемых при реализации ассоциативной памяти по схеме голографии Фурье 76
2.5. Выводы по обзору и постановка задач работы 78
3. Алгебраические основания голографии Фурье 80
3.1. Основные определения и подход 80
3.2. Оптическая реализация модели 82
3.3. Приближение геометрической оптики 84
3.3.1. Операция отрицания 84
3.3.2. Определяющие операции 86
3.3.3. Ограничения на модель аппроксимации при выборе рабочего участка динамического диапазон 90
3.3.3.2. Неинволютивное отрицание 92
3.4. Приближение Фурье оптики. Алгебра Фурье-дуальных операций 96
3.4.1. Определяющие операции 96
3.4.3. Построение последовательности элементов модели.
3.4.4. Выбор метрики и метода дефаззификации 107
3.4.5. Ограничения на модель 109
3.4.5.1. Обратный элемент 110
3.4.5.2. Противоположный элемент 111
3.4.5.3. Ограничения на модель, обусловленные нелинейностью динамического диапазона голографической регистрирующей
3.4.5.3.1. Аддитивно обратный элемент 117
3.4.5.3.2.Противоположный элемент 121
3.4.5.4. Параметризация 122
3.4.5.5.Влияние шумов и помех 137
4. Реализация нечетко-значимых логик методом голографии Фурье .
4.1. Подход к интеграции логического и образного мышления 145
4.2. Реализация логико-лингвистического моделирования 147
4.2.1. Выбор оператора импликации 147
4.2.2. Выбор метода обучения - градуировки шкал 147
4.2.3. Формирование интегральной оценки по набору входных лингвистических переменных и настройка логики 150
4.2.4. Экспериментальная иллюстрация 152
4.2.4.1. Экспериментальная установка 152
4.2.4.2. Выбор типа изображения и формирование ПВР 153
4.3. Немонотонная логика 161
4.3.1. Введение: два типа немонотонной логики 161
4.3.2. Одновременное предъявление ЛП основного правила и 4.3.2.1. Подход 162
4.3.3. Ассоциативное формирование исключения 165
4.3.3.1. Подход и выбор оператора исключения 165
4.3.3.2. Обучение сети основному правилу и исключению 167
4.3.3.3. Работа обученной сети. Формирование паттернов
4.3.3.4. Работа обученной сети. Модификация первоначального заключения основного правила исключением 172
4.3.3.5. Выбор условий обучения исключению 173
4.3.3.6. Параметризация логики выбором условий обучения 175
4.3.3.7. Численное моделирование 177
4.3.4. Моделирование когнитивных механизмов (механизмов восприятия новой информации) 185
4.3.4.1. Динамика системы 185
4.3.4.2. Анализ диссипативного члена 191
4.3.4.4. Рассмотрение в терминах когнитивных механизмов 208
5. Реализация правдоподобных рассуждений. Введение 215
5.1.1. Постановка задачи и выбор метода представления
5.1.2. Выбор метода представления информации на примере
5.1.2.1. Связь паттерна индивидуальных признаков с паттерном понятия как общего признака. Шкала общности свойств 217
5.1.2.2. Характеристики паттерна индуцированного понятия 220
5.2. Реализация индуктивного вывода 221
5.2.1. Индукция как расширение спектра индуцируемого образа 221
5.2.2. Обсуждение биологических и когнитивных аналогий 223
5.2.3. Абдуктивный вывод 224
5.3.0 физической обусловленности характеристик понятия 228
5.3.1. Формулировка вопросов 228
5.3.2. Механизм формирования связей 230
5.3.2.1. Формирование матрицы весов связей 230
5.3.2.2. Запись (запоминание) матрицы весов связей 233
5.3.3. Механизмы согласования спектров амплитуд индуцируемого
5.3.3.1. Смещение на каждой итерации частоты равенства локальных амплитуд спектров в область низких частот 235
5.3.3.2. Согласование спектров понятия и исходного образа 236
5.3.3.2.2. К вопросу оценки адекватности гипотезы 239
5.3.3.2.3. Итерирующее отображение в слое индуцируемого
5.3.3.2.4. Дифракция на голограмме - отображение на матрице
5.3.3.2.5. Численное моделирование динамики 244
5.4. Заключение по разделу 5 251
6. Реализация модели линейного предсказателя случайных процессов и когнитивных эффектов, основанных на механизме предсказания .
6.1. Модель линейной оценки 255
6.1.1. Модель линейной оценки и её реализация методом
6.1.2. Анализ факторов, влияющих на корректность реализации модели методом голографии Фурье 259
6.1.2.1. Ограниченность реализации 259
6.1.2.1.1. Ограниченность реализации и структура связей 259
6.1.2.1.2. Отличия ИКФ от ТКФ 260
6.1.2.2. Ограниченность динамического диапазона голографических регистрирующих сред 262
6.2. Экспериментальная иллюстрация 278
6.2.1. Экспериментальная установка 278
6.2.2. Экспериментальные результаты 280
6.3. Метод применения нейросети со связями по схеме голографии
6.3.2. Биологически мотивированный подход к решению задач 285
6.3.2.1. Классификация задач
6.3.2.2. Самостоятельная настройка сети на тип динамики, необходимый для решения встреченной задачи .
6.3.2.3. Моделирование сценария Фейгенбаума на основе экспериментальных данных .
6.3.2.4. Об адекватности гипотез, порождаемых в хаотическом
6.3. Реализация феномена познавательного дрейфа
А.1. Постановка задачи и подход 322
А.2. Подход к выбору модели аппроксимации 324
А.3. Экспериментальные установки и методика экспериментов 327
А.4. Экспериментальные результаты 331
А.5. Применение модели аппроксимации при моделировании нечетко-значимых логик. Сравнение экспериментальных и
