Файл: Шахнович, А. Р. Математические методы в исследовании биологических систем регулирования.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 19.10.2024

Просмотров: 102

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

свойством обладают поэтому также и Sm+n

S2,

и Sm+nS3.

Сети рис.

3,Ь, 3,с

и 3,d

реализуют

соответственно

S (рх (Zj)) V р2 (z^),

S(pM)-pt

(«О) и 5 ( Л

 

со ( А

(z2)) в у.с. Значит,

(^і V

V S2),

Sm+n+1

(S^SJ и

Sm+n+1

(Sx

оо S2)

реализуемы

в у . с , а

следовательно,

Sx V S2,

S^S^, Si со S2

реализуемы,

если реали­

зуемы Sx

и S2. Полная индукция приводит к заключению, что вся­

кое в.п.в. реализуемо. Таким образом, можно считать, что каждая

NiW.s.Nxlt-i).

N3(t).=.N,(t-i) VN2{t-l)

Л/3 («) =.УѴ,(*-1).Л/2 (<-1).

W3(i).=.Wi(<-l)yW2U-l).

Рис. 3. Примеры нейронных структур (а, Ь, с, d)

сеть строится из основных элементов в точности так же, как соот­ ветствующее в.п.в. порождается операциями предшествования дизъюнкции, конъюнкции и конъюнктивированного отрицания.

В частности, для всякого описания состояния, т. е. распределе­ ния значений истинности и ложности действий всех нейронов не­ которой сети, за исключением случая ложности действий всех ней­ ронов, можно построить некоторый нейрон, возбуждение которого необходимо и достаточно для справедливости этого описания. Кро­ ме того, всегда существует бесконечно много топологически раз­

личных сетей,

реализующих

произвольное в.п.в.

Т е о р е м а

3. Пусть дано некоторое сложное высказывание

Su построенное

каким-нибудь

образом из элементарных высказы­

ваний вида р (zx — zz) (где zz-произвольное число) посредством от­ рицания, дизъюнкции, конъюнкции, импликации и эквивалент­ ности. Тогда S± есть в.п.в., которое ложно только в случае, если

41


все его конституэнты р (zx zz) ложны, т. е. заменены ложными высказываниями, или если в последней линии таблицы истин­ ности для Si содержится F, или же в гильбертовой дизъюнктив­ ной нормальной форме для Si нет членов, состоящих из одних от­ рицаемых элементов.

Метод последней теоремы обеспечивает удобную и практичную процедуру для построения требуемой нервной сети в тех случаях, когда в предписанные условия не входят события из неограничен­ но далекого прошлого. В качестве примера можно рассмотреть ощущение тепла, вызываемое кратковременным охлаждением.

Если на мгновение приложить к коже холодный предмет, а затем убрать его, то возникнет ощущение тепла. Если же его про­ держать более долгое время, то будет ощущение только холода без предшествующего ощущения тепла, хотя бы непродолжитель­ ного. Известно, что одни кожные рецепторы возбуждаются теп­ лом, а другие — холодом. Если Т Ѵ і и 7Ѵ2 — действия соответствую­

щих рецепторов, а Лг 3 и — действия нейронов, возбужденность которых влечет ощущения тепла или холода, то требования могут быть записаны так:

N^ty.^-.N^t

- i).\/.N,(t

- 3).cotfs (* - 2),

Л Г 4 ( 0 - = Л г

2 ( г - 2 ) . У Ѵ 2 ( * - 1 ) ,

где предполагается для простоты, что продолжительность, требу­ емая для ощущения холода, равна двум сииаптическим задерж­ кам, а для ощущения тепла — одной. Эти условия подходят, оче­ видно, под теорему 3. Можно поэтому построить реализующую их сеть с помощью метода теоремы 2. Сначала запишем их способом, выявляющим их построение из конституэнт посредством опера­ ций в виде

3 (t)=.S{N,

(t) V S [{SNt (t)).oo.N2(t)}},

Nt (t).=.S

{[SN2(t)].N*(t)}.

Построим, во-первых, сеть для функции, заключенной в наибольшее'число скобок, и будем двигаться наружу; в этом случае мы соединим сетью 0 нейрон с2 с некоторым нейроном, скажем са, так что

Na(t).=.SN2(t).

Введем затем две сети, соединяющие са и с2 соответственно с Сп и сь. Тогда

N,{t)=.S[Na{t).N2{t)].^.S [SN2(t)].N2(t)h Nb(t)~.S [Na(t).ooN2(t)].=.S[(SNt(t)).ooNt(t)].

Наконец, проведем сеть от d и cb к с 3 и получим

3 (t).=.S [N,(t)\/Nb(t)]~.S{TVx(t)\/S

[(SN2(t))].coN2 (t)}.

Это — желаемые выражения для N3 (t) и Л'4 (i).

42


Теперь рассмотрим некоторые теоремы эквивалентности, т. е. теоремы, устанавливающие тождественность (если не считать вре­ мени) различных законов нервного возбуждения. Разберем сна­ чала случай относительного торможения. Под этим мы понимаем предположение о том, что возбуждение тормозящего синапса не исключает абсолютно возбуждения нейрона, но лишь увеличи­ вает его порог, так что для возбуждения нейрона требуется од­ новременное возбуждение большего числа возбуждающих синап­ сов, чем было бы нужно в противном случае. Без ограничения общности можно принять, что порог увеличивается на единицу

при возбуждении

каждого

тормозящего

синапса.

 

 

 

Т е о р е м а

4.

Относительное и

абсолютное

торможения

эквиваленты

в

широком

смысле.

 

 

 

 

 

Используя предположение об относителЁном торможении,

мож­

но записать

закон

нервного возбуждения аналогично

формуле

(1-4-1). Рассмотрение полученного выражения показывает

тогда,

что оно является в.п.в.

Пример

замены

относительного торможе­

ния абсолютным дан в (1-4-2).

 

 

 

 

 

 

Обратная замена еще проще; снабдим каждый тормозящий ак­

сон, подходящий к Cj, достаточным числом тормозящих

синапсов.

У Ѵ 4 (ty.-.ooN,

(t - i).N2

(t -

 

i)\JN3

(t -

1).V-Wi (t - 1).

 

 

 

 

 

 

 

 

 

 

 

.N2(t-i).N3(t-l),

 

(1-4-2)

7V4 (*):=: ooNj.it-

 

2).N2(t

-

2)\/N3(t-2).

 

V - ^ i ( < - 2 ) .

 

 

 

 

 

 

 

 

 

 

.N2(t-2).N3(t-2).

 

 

 

Рассмотрим

затем

случай утомления.

Его можно

записать в

виде изменения

порога Ѳ4

после

возбуждения нейрона

с4 .

Изме­

нение порога с точностью до ближайшего целого числа и только с такой точностью имеет значение при естественных типах возбуж­ дения, что может быть записано как последовательность Э4 -f- bj

для / синаптических задержек после возбуждения, где bj =

О при

достаточно больших

/ (/^>,Ж).

 

 

 

Т е о р е м а

5.

Утомление

эквивалентно абсолютному

тормо­

жению.

 

 

 

 

 

 

 

Ибо, предположив на время, что имеет место

относительное

торможение, мы должны

лишь

провести от нейрона q назад к

нему M циклов

т,

хм,

содержащих

соответственно 1, 2,

нейронов (так что возбуждение

каждого

звена в цикле достаточно

для возбуждения следующего),

где конец цикла

т4 имеет

точно

bj тормозящих синапсов на с\. Очевидно, что это обеспечивает же­ лаемый результат. Обратная замена может быть выполнена с помощью

N3 (t).=.N2 (t - 2).со7Ѵг (t - 3).

(1-4-3)

Теорема следует из транзитивно сти замены.

Т е о р е м а 6. Облегчение и временная суммация могут быть заменены пространственной суммацией.

43


Это очевидно; достаточно лишь ввести подходящую последова­ тельность цепочек задержки (с возрастающим числом синапсов) между возбуждающей клеткой и нейроном, на котором хотят иметь временную суммацшо. Предположение пространственной суммации даст тогда требуемый результат. Эта процедура показывает, что наблюдаемая в больших сетях временная суммация не обяза­ тельно предполагает подобный механизм взаимодействия индиви­

дуальных нейронов.

 

Т е о р е м а 7. Изменяемые синапсы могут быть

заменены

петлями. Это выполняется с помощью

 

Na(t):=:Ni(t-l).\/.N1(t-i).(Ëx)t-i.Nl(x).Ni(x).

(1-4-4)

Следует также отметить, что нейрон, который становится и ос­ тается активным самопроизвольно, может быть аналогичным об­ разом заменен петлей, приводимой в активность посредством од­ ного рецептора в начале активности и тормозимой другим при ее прекращении.

Таковы основные теоремы теории для сетей без петель. Теория нервных сетей в нейрофизиологии указывает на раз­

личие между сетями, необходимыми или'достаточными для заданной активности. Это помогает выяснить соотношение между нару­ шенной структурой и нарушенным функционированием. Приме­ нительно к математическим исследованиям эта теория представ­ ляет способ строгой символической трактовки сетей и метод конструирования гипотетических моделей сетей с заданными свойствами.

Работы Мак-Каллока и Питтса послужили основой для боль­ шого количества исследований, развивающих теорию автоматов — моделей нервной системы и поведения.

В 1958 г. Мак-Каллок1 предложил новую модель формального нейрона, в которой ошибка считается органическим свойством нейрона. Подобный подход увеличивает адекватность модели реальности.

Однако для моделирования физиологических процессов в го­ ловном мозге, по-видимому, недостаточно подобного логического подхода.

В исследовании нейронных сетей сделан качественный ска­ чок в связи с работами Ф. Розенблатта (1962). Основная его идея сводится к попытке замены при исследовании физиологических систем логического подхода к решению статистическим.

Системы, действующие на основе статистических принципов, автор называет «персептронами». Каждый персептрон состоит из некоторого множества элементов, связанных в единую сеть, и ге­ нерирующих сигналы. При получении входного сигнала каждый

такой элемент

генерирует выходной сигнал, поступающий в за-

1 M c C u ' . l l o c h

,W. S. Mal. Phys. Lab. Symposium,

No 10, HMSO, London,

1959. Г у т ч и п

И. В., К у з п ч е в А. С. Бионика

п надежность. М., Из-во

«Наука», 1967.

 

 

44


данное множество принимающих элементов. Персептрон имеет сенсорный вход (множество элементов, реагирующих на сигналы из внешней среды) и один или несколько выходных элементов.

Логические свойства персептрона определены его топологиче­ ской структурой (связями между элементами, генерирующими сигналы); набором функций распространения сигналов (алгорит­ мов, управляющих генерацией и передачей сигналов); набором функций памяти (алгоритмов преобразования свойств сети). Исследования с помощью персептрона проводятся в системе, со­ стоящей кроме него из окружающей среды и «экспериментато­ ра» (человека или машины), формулирующего алгоритмы преобра­ зования или вырабатывающего подкрепление состояний памяти персептрона. В подобных исследованиях определяются свойства класса персептронов, топологическая структура которых опреде­ лена некоторым статистическим распределением. Поведение пер­ септрона определяется не заданными заранее логическими алго­ ритмами, а некоторым смещением характеристик.

В теории персептронов используются следующие основные оп­ ределения.

Сигнал — любая измеримая переменная величина, характе­ ризуемая амплитудой, временем и местоположением.

Генератор сигнала — любой физический элемент или устрой­

ство, способные производить сигнал.

Выходной сигнал

элемента

щ есть щ. Производящая функция

сигнала — любая

функция,

определяющая закон изменения амплитуды сигнала, производи­ мого генератором сигнала.

Связь (сц) — любой канал, с помощью которого сигнал, вы­ рабатываемый одним генератором (начальный элемент, вход),

может

быть передан

другому (конечному элементу, выходу).

Связь

характеризуется

начальными и конечными элементами

и Uj) и передающей функцией /. Эта функция определяет ампли­ туду сигнала, поступившего на выход, как функцию амплитуды и момента появления сигнала, генерируемого входом. Сигнал на выходе обозначается s0 - (t). Передающая сеть — система соеди­ ненных в сеть генераторов сигнала. Персептрон можно предста­ вить как передающую сеть, состоящую из генераторов сигнала трех типов: сенсорных элементов S, ассоциативных элементов А и реагирующих элементов R. Сенсорный элемент — любой чув­ ствительный элемент, вырабатывающий сигнал, который явля­ ется некоторой функцией входной энергии. Входной сигнал Si,

поступивший из внешней среды W в момент t,

есть sw. (і). Сигнал,

вырабатываемый элементом st

в момент t, есть s\ (t).

Простой сенсорный элемент действует по принципу:

+1,

если

s'w.yQi,

О,

если

s'w. <

Qi,

где Qi — порог.

 

 

 

45