Введение
1 . Импульсные рекуррентные нейронные сети з задачах распознавания образов 14
1.1. Рекуррентные нейронные сети 14
1.1.1. Классификация РНС 15
1.1.2. Структура РНС 17
1.1.3. РНС как динамическая система 18
1.1.4. Анализ динамики РНС 26
1.1.5. Обучение РНС 27
1.1.6. Вычисления в РНС 28
1.2. Импульсные НС 32
1.2.1 Импульсные нейроны 32
1.2.2. Химические синапсы 36
1.2.3. Импульсные НС 36
1.2.4. Обучение импульсных НС 36
1.2.5. Импульсное кодирование 37
1.2.6. Вычисления в импульсных НС 37
1.2.7. Моделирование импульсных НС 39
1.3. Распознавание динамических образов 39
1.3.1. Распознавание образов 39
1.3.2. Распознавание динамических образов 40
1.3.3. РНС в распознавании динамических образов 43
1.4. Выводы 43
2. Анализ исследуемой модели и ее состав 46
2.1. Интерпретация МНС с точки зрения ее функционирования 46
2.2. Структура модели МНС 48
2.3. Импульсные нейроны 49
2.3.1. Модели типа Интегрирование-Возбуждение 49
2.2.2 Детальная модель Ходжкина-Хаксли 52
2.3.3. Модели сокращенной размерности з
2.2.2 Нейрон Ижикевича 56
2.3. Синапсы 58
2.3.1. Электрические синапсы 58
2.3.2. Химические синапсы 59
2.3.3. Динамические синапсы 61
2.3.4. Синапсы с пластичностью 62
2.3.5 Моделирование сигнала на входе импульсных нейронов 67
2.4. Импульсное кодирование 68
2.4.1. Кодирование да/нет 69
2.4.2. Фазовое кодирование 69
2.4.3. Частотное кодирование 69
2.4.4. Популяционное или пространственно-временное кодирование 70
2.4.5. Кодирование на основе синхронизации 70
2.5. Машина неустойчивых состояний 71
2.5.1. Математическая модель 71
2.5.2. Основные свойства системы распознавания на основе МНС 72
2.5.3. Резервуар МНС 73
2.5.4. Считыватели МНС 74
2.6. Итоговое аналитическое описание модели импульсной РНС 76
2.7. Метод исследования - кибернетическая физика 78
2.8. Выводы 79
3. Реализация среды моделирования импульсных РНС 81
3.1. Обоснование необходимости разработки среды моделирования 81
3.2. Требования к разрабатываемой среде моделирования 82
3.3. Функциональная декомпозиция 83
3.4. Пользовательский интерфейс 86
3.5. Алгоритмы моделирования 86
3.5.1. Особенность моделирования динамических синапсов 87
3.5.2. Особенность моделирования синаптической пластичности 87
3.5.3. Алгоритм моделирования импульсных РНС 88
3.6. Структура представления входных данных 95
3.7. Возможности разработанной среды моделирования 97
3.8. Выводы 98
4. Разработка методики синтеза импульсной РНС 100
4.1. Последовательность этапов разработки методики 100
4.2. Определение иерархии подсистем, составляющих модель 102
4.3. Исследование подсистем, составляющих импульсную РНС 103
4.3.1. Исследование способов представления входных данных 103
4.3.2. Исследование моделей нейронов 108
4.3.3. Исследование синапсов 128
4.3.4. Исследование структуры импульсных РНС 134
4.4. Определение иерархии параметров модели 142
4.4.1. Параметры входных данных 142
4.4.2. Параметры резервуара 142
4.4.3. Параметры считывателей 144
4.4.4. Обобщенная иерархия параметров 145
4.4.5. Анализ зависимости, выбор варьируемых и фиксированных параметров 147
4.4.6. Анализ влияния параметров и выбор диапазонов их изменения 148
4.5. Определение набора возможных задач и показателей качества 150
4.6. Исследование и анализ влияния параметров 151
4.7. Разработка обобщенной методики синтеза 171
4.8. Выводы 180
5. Применение методики 181
5.1. Применение на простых задачах 181
5.1.1. Описание задачи 181
5.1.2. Применение методики 181
5.2. Применение на реальных данных 190
5.2.1. Описание задачи 190
5.2.2. Применение методики 190
5.3. Выводы 195
Заключение 197
Список сокращений и условных обозначений 201
Список литературы
