Лекция
Привет, мой друг, тебе интересно узнать все про спайковые нейронные сети, тогда с вдохновением прочти до конца. Для того чтобы лучше понимать что такое спайковые нейронные сети , настоятельно рекомендую прочитать все из категории Машинное обучение.
Импульсная нейронная сеть (ИмНС, англ. Pulsed neural networks, PNN) или Спайковая нейронная сеть (СНН, англ. Spiking neural network, SNN) — третье поколение искусственных нейронных сетей (ИНС) , которое отличается от бинарных (первое поколение) и частотных/скоростных (второе поколение) ИНС тем, что в нем нейроны обмениваются короткими (у биологических нейронов — около 1—2 мс) импульсами одинаковой амплитуды (у биологических нейронов — около 100 мВ). Является самой реалистичной, с точки зрения физиологии, моделью ИНС .
Главной целью исследования является изучение возможностей применения спайковых нейронных сетей в задачах управления роботами и самообучения.
Создание полностью автономных систем, способных обучаться и действовать в человеческой инфраструктуре - главная область исследований современной робототехники. Способность биологических организмов обучаться и действовать в сложной среде направляет пристальный взгляд ученых на изучение механизмов обучения и обработки информации в мозге. На основе данных исследований в области нейробиологии появилось и постоянно уточняется новый тип искусственных нейронных сетей — спайковые нейронные сети .
Спайковые нейронные сети представляют собой третье поколение нейронных сетей. В отличие от предыдущих, для обмена сообщениями, нейроны в данных сетях используют импульсы, или спайки - кратковременное изменение напряжения. Время задержки между импульсами и частота их прихода представляет собой иной способ кодирования информации, отличающийся от сетей второго и первого поколений. Отвечая на входные стимулы, спайковые нейроны, с помощью механизмов синаптической пластичности, способны группироваться в ансамбли — таким образом потенциально увеличивается информационная емкость сети, так как информация хранятся распределенно, и одни и те же нейроны могут участвовать в различных ансамблях одновременно.
Применение спайковых нейронных сетей для задач управления и обработки потока данных сенсоров обусловлено их временнóй природой обработки данных. Также способность биологических систем обучаться позволяет предположить, что и построенные по их подобию сети смогут проявлять схожие свойства. Однако данная область исследований является очень молодой и требуется уточнение самих моделей и механизмов взаимодействия нейронов. Эта область находится под пристальным вниманием со стороны мировой научной общественности, и в последнее время получила новый импульс к исследованиям, вызванный ростом производительности вычислительной техники, что позволяет моделировать спайковые нейронные сети со значительным количеством нейронов.
Основные направление исследований :
Импульсная нейронная сеть с одним скрытым слоем
Сеть получает на входы серию импульсов и выдает импульсы на выходе. В каждое мгновение каждый нейрон имеет некоторое значение (аналог электрического потенциала у биологических нейронов) и, если это значение превышает пороговое, то нейрон посылает одиночный импульс, после чего его собственное значение падает до уровня ниже среднего значения (аналог процесса реабилитации у биологических нейронов, так называемый рефрактерный период) на 2-30 мс. При выведении из состояния равновесия потенциал нейрона начинает плавно стремиться к среднему значению. Существует всего два параметра весовых связей импульсного нейрона — время задержки и величина веса[
Способы моделирования нейронов ИмНС можно разделить на две группы
Способ представления информации в импульсных нейросетях: фазовый.
Способ представления информации в импульсных нейросетях: синхронный.
Способ представления информации в ИмНС: время до появления первого импульса.
Способ представления информации в ИмНС: порядковый.
Способ представления информации в ИмНС: интервальный.
В частотных ИНС используется сигнал, который принимает значение, зависящее от частоты порождения импульсов определенной группой нейронов (веса нейронов, собственно, и являются формой представления этой частоты) . Об этом говорит сайт https://intellect.icu . Тем не менее, средняя частота импульсов в последовательности является довольно плохим вариантом представления информации, так как различные виды стимуляции могут приводить к одинаковой средней частоте импульсов .
Для избавления от этого недостатка в импульсных ИНС используются следующие виды представления информации
Помимо этого, существуют виды представления информации, являющиеся смешанной формой нескольких простых видов представления информации, например:
Архитектуры ИмНС можно разделить на следующие группы :
Методы обучения ИмНС делятся на три группы
Импульсные ИНС имеют ряд преимуществ над нейросетями предыдущих поколений :
Зрительные и слуховые нейропротезы, использующие последовательности импульсов для подачи сигналов в зрительную кору, и возвращающие больным возможность ориентироваться в пространстве, существуют уже сейчас, а работа над механическими двигательными протезами активно ведется. Также, импульсные последовательности могут подаваться в мозг через вживленные в него электроды и, тем самым, устранять симптомы болезни Паркинсона, дистонии, хронических болей, МДП и шизофрении
Brain Corporation из Сан-Диего разрабатывает роботов, использующих ИмНС, а SyNAPSE создает нейроморфические системы и процессоры
Существуют перспективы применения ИмНС в компьютерном зрении (автоматическом анализе видеоинформации). Цифровой нейрочип IBM TrueNorth включает в себя миллион программируемых нейронов и 256 миллионов программируемых синапсов, что позволяет симулировать работу нейронов зрительной коры. Данный нейрочип состоит из 4096 ядер, содержит 5.4 миллиарда транзисторов, но при этом обладает серьезной энергоэффективностью — всего лишь 70 милливатт
Qualcomm занимается исследованием возможности применения ИмНС в телекоммуникационных устройствах
Тебе нравиться спайковые нейронные сети? или у тебя есть полезные советы и дополнения? Напиши другим читателям ниже. Надеюсь, что теперь ты понял что такое спайковые нейронные сети и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Машинное обучение
Комментарии
Оставить комментарий
Машинное обучение
Термины: Машинное обучение