RU2744361C1 - Нейроподобный элемент - Google Patents

Нейроподобный элемент Download PDF

Info

Publication number
RU2744361C1
RU2744361C1 RU2020120021A RU2020120021A RU2744361C1 RU 2744361 C1 RU2744361 C1 RU 2744361C1 RU 2020120021 A RU2020120021 A RU 2020120021A RU 2020120021 A RU2020120021 A RU 2020120021A RU 2744361 C1 RU2744361 C1 RU 2744361C1
Authority
RU
Russia
Prior art keywords
neural
input
state
signal
unit
Prior art date
Application number
RU2020120021A
Other languages
English (en)
Inventor
Евгений Николаевич Захаров
Original Assignee
Евгений Николаевич Захаров
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Евгений Николаевич Захаров filed Critical Евгений Николаевич Захаров
Priority to RU2020120021A priority Critical patent/RU2744361C1/ru
Application granted granted Critical
Publication of RU2744361C1 publication Critical patent/RU2744361C1/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Изобретение относится к кибернетике и может быть использовано в качестве ячейки нейроподобных сетей. Техническим результатом является создание НПЭ, позволяющего реализовать на его основе нейроподобные сети для решения класса задач оценки функционирования открытых сложных систем (ОСС) и оценки степени оптимальности, обеспечить заданную точность самонастройки нейроподобной сети, обеспечить как положительную, так и отрицательную взаимосвязь с другими нейроподобными элементами сети, учесть подверженность НПЭ воздействию внешних относительно построенной сети сигналов, а также обеспечить возможность получения отрицательной оценки функционирования исследуемой ОСС при значении состояния некоторых НПЭ ниже заданного, критического для определенных ОСС, уровня. Устройство содержит блока входа, включающий установщик знаков сигналов входа и многоканальный генератор случайных чисел, блок установки и нормировки весовых коэффициентов, содержащий многоканальный генератор случайных чисел, блок расчета параметров входных сигналов, сумматор параметров входных сигналов, блок суммирования сигналов внешних факторов, установщик знаков и уровня влияния сигналов внешних факторов, два сумматора состояния, блок установки исходного состояния НПЭ, одноканальный генератор случайных чисел, ключ, блок памяти, анализатор изменения состояния НПЭ, блок установки точности самонастройки нейроподобной сети, генератор тактовых импульсов, блок установки критического уровня состояния НПЭ, блок анализа уровня состояния НПЭ и выхода, блок управления. 1 ил.

Description

Область применения
Изобретение относится к кибернетике и может быть использовано в качестве ячейки нейроподобных сетей при создании устройств оценки функционирования различных систем, в том числе, открытых сложных систем, оценки степени оптимальности различных решений, в адаптивных информационно-управляющих системах.
Предшествующий уровень техники
Известна модель нейроэлемента (НЭ), содержащая блок для суммирования входных сигналов, блок установки входным сигналам весовых коэффициентов, сумматор входных сигналов, блок преобразования входных сигналов, выход (С. Осовский. Нейронные сети для обработки информации. - М: Финансы и статистика, 2002) [1]. Указанное устройство позволяет создавать нейронные сети (НС) для решения тех или иных задач, связанных с обобщением полученной информации на основе обучения НС определению связей между известными входными значениями и неизвестными выходами. Для этого пользователь должен подготовить набор обучающих данных, представляющих собой примеры входных воздействий и соответствующих им выходов. Как известно (Нейронные сети. STATISTICA Neutral Networks: пер с англ. - М.: Горячая линия - Телеком. 2001) [2], число наблюдений для включения в процесс обучения должно быть на порядок больше числа связей в сети, которое примерно пропорционально квадрату числа составляющих систему элементов (компонентов, подсистем), при этом с ростом количества входных сигналов количество требуемых наблюдений растет нелинейно.
Недостатком такого НЭ является то, что для класса задач оценки функционирования открытых сложных систем (ОСС), оценки степени оптимальности различных решений, когда выделенные в результате формализации ОСС элементы системы требуют (при классическом подходе) отдельного моделирования, в том числе, и с помощью НС, и когда число связей между элементами велико, а вариантов для классического обучения НС нет, нейросети на основе существующих схем нейронов непригодны.
Известен также нейроподобный элемент (НТО) (патент № RU 2295769) [3], позволяющий реализовать на его основе нейроподобные сети (НПС) для решения класса задач оценки функционирования открытых сложных систем (ОСС) и оценки степени оптимальности различных решений путем обеспечения возможности построения модели исследуемой системы, как иерархической, так и рекуррентной, с учетом различного исходного и рабочего состояния ее элементов и вариантов их функционирования, учитывая при моделировании нейроподобными элементами отдельных элементов системы как уровень их самодостаточности, так и подверженность воздействию внешних сигналов. При этом предлагаемый НПЭ позволяет учесть погрешности задания его параметров и параметров входных сигналов, а также обеспечить заданную точность самонастройки нейроподобной сети.
Недостатком такого НПЭ является то, что блок входа не обеспечивает связь с другими НПЭ, синаптически не связанными с данным НПЭ, блок расчета входной части НПЭ не обеспечивает оценки влияния групп внешних, вне данной нейроподобной сети, факторов влияния от других, связанных прямо или косвенно с данной нейроподобной сетью, ОСС, блок расчета внутренней части состояния НПЭ включает учет коэффициента ограничителя доли, определить который при задании конкретного НПЭ затруднительно и нецелесообразно в силу прямого задания состояния каждого НПЭ на исследуемый момент времени.
Также не учтена возможность получения отрицательной оценки функционирования исследуемой ОСС при значении состояния некоторых НПЭ ниже заданного, критического для определенных ОСС, уровня.
Раскрытие изобретения
Техническим результатом изобретения является возможность создания НПЭ, позволяющего не только реализовать на его основе нейроподобные сети для решения класса задач оценки функционирования открытых сложных систем (ОСС) и оценки степени оптимальности различных решений путем обеспечения возможности построения модели исследуемой системы, как иерархической, так и рекуррентной, с учетом различного исходного и рабочего состояния ее элементов и вариантов их функционирования, учитывая при моделировании нейроподобными элементами отдельных элементов системы как уровень их самодостаточности, позволяющего учесть погрешности задания его параметров и параметров входных сигналов, а также обеспечить заданную точность самонастройки нейроподобной сети, но и обеспечить как положительную, так и отрицательную взаимосвязь с другими нейроподобными элементами сети, учесть подверженность НПЭ воздействию внешних относительно построенной сети сигналов, а также обеспечить возможность получения отрицательной оценки функционирования исследуемой ОСС при значении состояния некоторых НПЭ ниже заданного, критического для определенных ОСС, уровня.
Поставленная задача достигается тем, что нейроподобный элемент содержит блок входа (1), включающий установщик знаков сигналов входа (2), многоканальный генератор случайных чисел -1 (3), число выходов которого равно числу входов блока входа (1), а сигнал с каждого выхода первого генератора случайных чисел (3) определяет изменение величины соответствующего входного сигнала по закону и в пределах, определяемых видом и погрешностью его задания, блок установки и нормирования весовых коэффициентов (4), число элементов веса которого равно числу входов блока входа, установка веса в элементах веса осуществляется посредством многоканального генератора случайных чисел - 2 (5) по закону и в пределах, определяемых видом и погрешностью его задания, нормирование каждого весового коэффициента осуществляют путем деления каждого веса на сумму всех весов элементов веса, а каждый нормированный весовой коэффициент задает соответствующую синаптическую связь выходов блока входа и входов блока расчета параметров входных сигналов (б), выходы которого соединены с входами сумматора параметров входных сигналов (7), выход которого соединен с первым входом сумматора состояния - 1 НПЭ (10), второй вход которого соединен с выходом блока учета внешних факторов (8) через установщик знаков и уровня влияния сигналов внешних факторов (9), блок установки исходного состояния НПЭ (11), связанного со одноканальным генератором случайных чисел - 3 (12), определяющим величину сигнала блока установки исходного состояния НПЭ по закону и в пределах, определяемых видом и погрешностью его задания, сумматор состояния - 2 НПЭ (13), осуществляющий сложение поступающего на него сигнала с выхода блока установки исходного состояния НПЭ (11) и сигнала с выхода блока учета внешних факторов (8) через установщик знаков сигналов внешних факторов (9), ключ (14), на первый вход которого поступает сигнал с выхода сумматора состояния - 1 НПЭ (10), а на второй вход поступает сигнал с выхода сумматора состояния - 2 НПЭ (13), и который, по установке блока управления (21), пропускает далее только один из этих сигналов на первый вход анализатора изменения состояния НПЭ (16), осуществляющего сравнение сигнала о величине точности самонастройки нейроподобной сети с блока установки точности самонастройки сети (17), поступающего на третий вход анализатора изменения состояния НПЭ (16), с величиной, равной разности между предыдущим и текущим значением расчета состояния НПЭ, и, в случае выполнения заданного условия, подающего сигнал на завершение процесса самонастройки нейроподобной сети на блок управления (21), который осуществляет управление генераторами случайных чисел и прохождением в нейроподобной сети тактовых импульсов, генерируемых генератором тактовых импульсов (18), на вход блока памяти (15), хранящего информацию о предыдущем значении расчета состояния НПЭ, сигнал с которого поступает на второй вход анализатора изменения состояния НПЭ (16), и на первый вход блока анализа уровня состояния НПЭ и выхода (20), который сравнивает уровень сигнала о состоянии НПЭ с сигналом от блока установки критического уровня состояния НПЭ (19), управляемого с блока управления (21), и формирует выходные сигналы.
Краткое описание чертежей
На фиг. 1 изображена блок-схема нейроподобного элемента.
Лучший вариант осуществления изобретения
НПЭ состоит из блока входа (1) включающего установщик знаков сигналов входа (2) и многоканальный генератор случайных чисел -1 (3), работающие по команде блока управления (21), блок установки и нормировки весовых коэффициентов (4), содержащего также многоканальный генератор случайных чисел -2 (5), работающий по команде блока управления (21), блок расчета параметров входных сигналов (6), сумматор параметров входных сигналов (7), блок суммирования сигналов внешних факторов (8), установщик знаков и уровня влияния сигналов внешних факторов (9), работающий по команде блока управления (21), сумматор состояния -1 НПЭ (10), блок установки исходного состояния НПЭ (11), одноканальный генератор случайных чисел - 3 (12), работающий по команде блока управления (21), сумматор состояния -2 НПЭ (13), ключ (14), работающий по команде блока управления (21), блок памяти (15), анализатор изменения состояния НПЭ (16), блок установки точности самонастройки нейроподобной сети (17), работающий по команде блока управления (21), блок установки критического уровня состояния НПЭ (19), работающий по команде блока управления (21), блок анализа уровня состояния НПЭ и выхода (20), и генератора тактовых импульсов (18), работающий по команде блока управления (21).
Сущность изобретения заключается в том, что нейроподобный элемент содержит блок входа, включающий установщик знаков сигналов входа, многоканальный генератор случайных чисел -1, число выходов которого равно числу входов блока входа, а сигнал с каждого выхода первого генератора случайных чисел определяет изменение величины соответствующего входного сигнала по закону и в пределах, определяемых видом и погрешностью его задания, блок установки и нормирования весовых коэффициентов, число элементов веса которого равно числу входов блока входа, установка веса в элементах веса осуществляется посредством многоканального генератора случайных чисел - 2 по закону и в пределах, определяемых видом и погрешностью его задания, нормирование каждого весового коэффициента осуществляют путем деления каждого веса на сумму всех весов элементов веса, а каждый нормированный весовой коэффициент задает соответствующую синаптическую связь выходов блока входа и входов блока расчета параметров входных сигналов, выходы которого соединены с входами сумматора параметров входных сигналов, выход которого соединен с первым входом сумматора состояния - 1 НПЭ, второй вход которого соединен с выходом блока учета внешних факторов через установщик знаков и уровня влияния сигналов внешних факторов, блок установки исходного состояния НПЭ, связанного со одноканальным генератором случайных чисел - 3, определяющим величину сигнала блока установки исходного состояния НПЭ по закону и в пределах, определяемых видом и погрешностью его задания, сумматор состояния - 2 НПЭ, осуществляющий сложение псютупающего на него сигнала с выхода блока установки исходного состояния НПЭ и сигнала с выхода блока учета внешних факторов через установщик знаков сигналов внешних факторов, ключ, на первый вход которого поступает сигнал с выхода сумматора состояния - 1 НПЭ, а на второй вход поступает сигнал с выхода сумматора состояния - 2 НПЭ, и который, по установке блока управления, пропускает далее только один из этих сигналов на первый вход анализатора изменения состояния НПЭ, осуществляющего сравнение сигнала о величине точности самонастройки нейроподобной сети с блока установки точности самонастройки сети, поступающего на третий вход анализатора изменения состояния НПЭ, с величиной, равной разности между предыдущим и текущим значением расчета состояния НПЭ, и, в случае выполнения заданного условия, подающего сигнал на завершение процесса самонастройки нейроподобной сети на блок управления, который осуществляет управление генераторами случайных чисел и прохождением в нейроподобной сети тактовых импульсов, генерируемых генератором тактовых импульсов, на вход блока памяти, хранящего информацию о предыдущем значении расчета состояния НПЭ, сигнал с которого поступает на второй вход анализатора изменения состояния НПЭ, и на первый вход блока анализа уровня состояния НПЭ и выхода, который сравнивает уровень сигнала о состоянии НПЭ с сигналом от блока установки критического уровня состояния НПЭ, управляемого с блока управления (21), и формирует выходные сигналы.
Генератор случайных чисел -I (ГСЧ1) 3, работающий по команде блока управления (БУ) 21 и выдающий величины Кгсч1i, перемножение на которые значений амплитуд входных сигналов xi блока входа (БВ) позволяет варьировать их амплитудами по заданному закону (например, нормальному, равномерному и др.) в заданных границах в интервале [0,1]. Установщик знаков и уровня влияния сигналов внешних факторов 9 определяет вид связи с каждым входным внешним фактором либо как положительную (+), соответственно, возможное изменение сигнала внешнего фактора находится в диапазоне [0,1], либо как отрицательную (-), соответственно, возможное изменение сигнала внешнего фактора находится в диапазоне [0,-1].
Закон распределения и границы изменения амплитуд, задаваемые генераторами случайных чисел (ограничения ГСЧ), определяются видом и погрешностями задания величин. Например, задан закон изменения значения и/или веса какого-либо входного сигнала, т.е. определен вид задания сигнала и/или его веса. Или, например, при получении числовой детерминированной или расчетной оценки тех или иных величин (входных сигналов, их весов), эти ограничения определяются погрешностью измерения, расчета и т.п., а диапазон может быть определен возможными минимальным и максимальным значениями этих величин. При получении числовой экспертной оценки закон распределения может определяться, например, законом распределения мнений экспертов и др., а амплитуда - минимальной и максимальной оценками, полученными при экспертизе.
Генератор случайных чисел -2 (ГСЧ2) 5 также работает по команде БУ 21 и выдает величины Кгсч2i, перемножение на которые значений весов входных сигналов позволяет варьировать их амплитудой по заданному закону и в заданных границах. Расчет для каждого нормированного веса, B*i, осуществляется путем деления веса данного сигнала Bi на сумму весов всех сигналов ΣBi:
Figure 00000001
Блок расчета параметров входных сигналов 6 (БРП ВС) осуществляет расчет параметра каждого входного сигнала Пвxi путем перемножения каждого сигнала с выхода блока входа 1 на соответствующий этому сигналу нормированный вес
Figure 00000002
Figure 00000003
После БРП ВС 6 сигналы поступают на сумматор параметров входных сигналов (СП ВС) 7, где рассчитывается суммарный параметр входных сигналов:
Figure 00000004
Сумматор состояния-1 НПЭ (СС-1) 10 осуществляет сложение суммарного параметра входных сигналов с величиной суммарного сигнала изменений состояний от внешних факторов за счет учета изменения состояния от каждого внешнего фактора,
Figure 00000005
Figure 00000006
Сумматор состояния-2 НПЭ (СС-2) 13 осуществляет сложение суммарного сигнала изменений состояния от внешних факторов,
Figure 00000007
с установленной исходной величиной состояния данного НПЭ, С0, заданной в блоке установки исходного состояния (БУС) 11:
Figure 00000008
Поступающим на вход установщика знаков и уровня влияния сигналов внешних факторов (УЗВФ) 9 сигналам внешних факторов по команде блока управления 21 устанавливаются соответствующие знаки положительной (+) или отрицательной (-) связи каждого внешнего фактора с данным НПЭ и уровни их влияния. В блоке суммирования сигналов внешних факторов 8 сигналы внешних факторов суммируются и передаются на оба сумматора состояния (СС-1, СС-2) 10, 13.
Ключ 14 по команде БУ 21 пропускает для дальнейших действий сигналы только с одного из сумматоров состояния 10 или 13.
Блок установки точности самонастройки нейроподобной сети (БУТ) 17 осуществляет задание величины точности самонастройки НПС ε, позволяющей после начала хотя бы в одном из НПЭ нейроподобной сети переходных процессов, вызванных собственным состоянием НПЭ или изменениями параметров входных сигналов и (или) сигналов внешних факторов, завершить на определенном, заданном е этапе, прохождение в НПС тактовых импульсов, тем самым завершить в микроцикле процесс самонастройки НПС и зафиксировать на выходе текущее значение состояний всех НПЭ.
Анализатор изменения состояния НПЭ (АИ) 16, на который подается сигнал с блока памяти 15 о предыдущем, на шаге (k-1), значении состояния НПЭ, Снпэ(k-1), и сигнал с БРС 14 о текущем (k) состоянии НПЭ, анализирует абсолютное значение разницы между этими сигналами
Figure 00000009
и сравнивает ее со значением точности самообучения нейроподобной сети ε, поступающим на АС 16 с БУТ 17:
Figure 00000010
Подключение хотя бы одного ГСЧ производится по команде от БУ. При этом включенные ГСЧ выдают и фиксируют по одному случайному сигналу (в соответствии с установленным порядком работы). В нефункционирующем, т.е. отключенном состоянии, на выход ГСЧ выдается сигнал, равный 1. Далее входные сигналы поступают на блок входа, сигналы (сигнал) проходят по блокам НПЭ и, в соответствии с установленным алгоритмом (вариантом) работы НПЭ, производится их преобразование с выдачей, в конечном счете, на выход выходного сигнала Y, являющегося либо входным сигналом для других НПЭ, либо окончательным сигналом НПС.
При выполнении этого условия подается сигнал на БУ 21 о прекращении работы генератора тактовых импульсов (ГТИ) 18, тем самым завершая в микроцикле процесс самонастройки НПС. На выходах НПЭ фиксируются текущие значения состояний всех НПЭ нейроподобной сети.
НПЭ предполагает работу в рамках соответствующих нейроподобных сетей (НПС).
Блок-схема типовой структуры в варианте иерархической структуры со слабыми связями, которую можно моделировать с помощью НПС на основе нейроподобных элементов, представлена в [4] («Системный анализ и принятие решений»: Словарь-справочник: Учеб. пособие для вузов / Под ред. В.Н. Волковой, В.Н. Козлова. - М.: Высш. шк., 2004. - 616 с, илл. СД14) и в [5] («Построение интеллектуальных систем на основе метода экспресс-анализа функционирования открытых сложных систем с использованием нейроподобных сетей». «Нейрокомпьютеры. Разработка. Применение». №7, 2008. -М.: «Радиотехника». С.28-36).
Принимаем, что в нейроподобной сети нейроподобные элементы, не имеющие синаптических связей с другими НПЭ по входу, являются входными НПЭ, имеющие синаптические связи с другими НПЭ как по входу, так и по выходу, являются промежуточными НПЭ, а НПЭ, имеющий синаптические связи с другими НПЭ только по входу, является выходным НПЭ.
В исходном состоянии задают числовую детерминированную, расчетную или экспертную оценку (все оценки привязываются к интервалу [0,1] посредством перевода через качественную (балльную) в количественную безразмерную непосредственную интервальную оценку в интервале [0,1]):
- исходного состояния НПЭ (C0)i (величина в интервале [0,1]);
- весов входных сигналов Bi (величины в интервале [0,1]);
- значение точности самонастройки НПС, ε (значение, обычно, 10-1…10-5);
- порядок работы НПЭ (закон распределения, диапазон изменения выдаваемых чисел) необходимых для работы НПЭ генераторов случайных чисел.
Подключение хотя бы одного ГСЧ производится по команде от БУ. При этом включенные ГСЧ выдают и фиксируют по одному случайному сигналу (в соответствии с установленным порядком работы). В нефункционирующем, т.е. отключенном состоянии, на выход ГСЧ выдается сигнал, равный 1. Далее входные сигналы поступают на блок входа, сигналы (сигнал) проходят по блокам НПЭ и, в соответствии с установленным алгоритмом (вариантом) работы НПЭ, производится их преобразование с выдачей, в конечном счете, на выход выходного сигнала У, являющегося либо входным сигналом для других НПЭ, либо окончательным сигналом НПС.
Принято, что в нейроподобной сети НПЭ, не имеющие синаптических связей с другими НПЭ по входу, являются входными НПЭ, имеющие синаптические связи с другими НПЭ как по входу, так и по выходу, являются промежуточными НПЭ, а НПЭ, имеющий синаптические связи с другими НПЭ только по входу, является выходным НПЭ.
Работа НПЭ возможна по десяти основным вариантам.
1) Первый вариант работы НПЭ предполагает задание значения исходного собственного состояния НПЭ, Ci, при отсутствии любых входных сигналов, которое поступает на блок выхода (20).
Состояние задается в виде числовой детерминированной, расчетной или экспертной оценки - все оценки переводятся через вербальную и качественную (балльную) оценку в количественную безразмерную непосредственную интервальную оценку в интервале [0,1].
В этом варианте НПЭ выступает в роли входного НПЭ нейроподобной сети при самом простом, детерминированном варианте задания НПЭ, и сигнал на выходе Y:
Y=С0.
2) Второй вариант работы НПЭ, в отличие от первого варианта работы» предполагает учет внешних факторов:
Figure 00000011
В этом варианте НПЭ выступает в роли входного НПЭ в НПС с учетом влияния на него внешних факторов.
3) Третий вариант работы НПЭ, в отличие от первого варианта, предполагает работу НПЭ в режиме установки знаков (2), взвешивания и нормировки (4), расчета параметров (6) и суммирования (7) входных сигналов (воздействий) - без задействования ГСЧ1, ГСЧ2.
В этом варианте работы состояние НПЭ определяется как сумма параметров входных сигналов (воздействий1), а соответствующий состоянию НПЭ сигнал Y подается на блок выхода (20):
Figure 00000012
В этом варианте НПЭ выступает в роли входного НПЭ в НПС с учетом влияния на него других, синаптически не связанных по входу, НПЭ.
4) Четвертый вариант работы НПЭ объединяет второй и третий варианты работы НПЭ:
Figure 00000013
Вариант соответствует работе НПЭ в качестве входного НПЭ в НПС с учетом влияния на него внешних факторов и других, синаптически не связанных по входу, НПЭ.
5) Пятый вариант работы НПЭ отличается от первого функционированием одноканального ГСЧ3 (12) и предполагает установку исходного состояния НПЭ, С0, по заданному закону распределения и в пределах, определяемых видом и погрешностью его задания:
Figure 00000014
В этом варианте НПЭ также выступает в роли входного НПЭ.
6) Шестой вариант работы НПЭ отличается от пятого варианта работы учетом внешних факторов:
Figure 00000015
В этом варианте НПЭ также выступает в роли входного НПЭ.
7) Седьмой вариант работы НПЭ соответствует его работе в режиме установки знаков (2) входных сигналов xi, взвешивания и нормировки (4), расчета параметров (6) и суммирования (7) входных сигналов (воздействий) - без задействования ГСЧ1, ГСЧ2.
В этом варианте работы состояние НПЭ определяется как сумма параметров входных сигналов (воздействий! а соответствующий состоянию НПЭ сигнал Y подается на блок выхода (20):
Figure 00000016
Вариант соответствует работе НПЭ в качестве промежуточного или выходного НПЭ в НПС, в структуре которой он состоит.
8) Восьмой вариант работы отличается от седьмого учетом внешних факторов:
Figure 00000017
В этом варианте НПЭ также выступает в роли промежуточного или выходного НПЭ в НПС, в структуре которой он состоит.
9) Девятый вариант работы НПЭ отличается от седьмого варианта работы задействованием многоканальных генераторов случайных чисел ГСЧ1 и (или) ГСЧ2, устанавливающих изменения входных сигналов и (или) их весов по заданным законам распределения и в пределах, определяемых видом и погрешностью их задания:
Figure 00000018
Вариант соответствует работе НПЭ в качестве промежуточного или выходного НПЭ в НПС, в структуре которой он состоит.
10) Десятый вариант работы НПЭ отличается от девятого учетом внешних факторов:
Figure 00000019
В этом варианте НПЭ также выступает в роли промежуточного или выходного НПЭ в НПС, в структуре которой он состоит.
Содержащийся в НПЭ анализатор величины изменения состояния НПЭ (АИ) (16) функционирует при всех вариантах работы НПЭ, связанных с работой генераторов случайных чисел, сравнивая абсолютную величину разницы величин текущего, Снпэk, и предшествующего, Снпэ(k-1), состояний НПЭ с установленной в БУТ (17) точностью самонастройки НПС, ε. При выполнении условия
Figure 00000020
с АИ подается сигнал на БУ 21 для прекращения тактовых импульсов генератором тактовых импульсов (21) и на фиксацию на блоке анализа уровня состояния НПЭ и выхода (20) последнего значения состояния НПЭ, Снпэ.
Работа (выдача случайных чисел) любого ГСЧ или любого канала ГСЧ НПЭ, если их работа предусмотрена, происходит только при первом тактовом импульсе из посылки тактовых импульсов. Во время прохождения остальных тактовых импульсов посылки импульсов на выходах ГСЧ фиксируется установленное значение.
Промышленная применимость
Настоящее изобретение может быть использовано для создания НПЭ, позволяющего реализовать на его основе нейроподобные сети для решения класса задач оценки функционирования открытых сложных систем (ОСС) и оценки степени оптимальности различных решений путем обеспечения возможности построения модели исследуемой системы, как иерархической, так и рекуррентной, с учетом различного исходного и рабочего состояния ее элементов и вариантов их функционирования, учитывая при моделировании нейроподобными элементами отдельных элементов системы как уровень их самодостаточности, так и подверженность воздействию внешних сигналов. При этом предлагаемый НПЭ позволяет учесть погрешности задания его параметров и параметров входных сигналов, а также обеспечить заданную точность самоонастройки нейроподобной сети.
Литература
1. С. Осовский. Нейронные сети для обработки информации. - М: Финансы и статистика, 2002.
2. Нейронные сети. STATISTICA Neutral Networks: пер с англ. - М.: Горячая линия - Телеком. 2001.
3. Нейроподобный элемент. Патент № RU 2295769.
4. «Системный анализ и принятие решений»: Словарь-справочник: Учеб. пособие для вузов / Под ред. В.Н. Волковой, В.Н. Козлова, - М.: Высш. шк., 2004. - 616 с, илл., с. 114.
5. «Построение интеллектуальных систем на основе метода экспресс-анализа функционирования открытых сложных систем с использованием нейроподобных сетей». «Нейрокомпьютеры. Разработка. Применение». №7, 2008. - М.: «Радиотехника», с. 28-36.

Claims (1)

  1. Нейроподобный элемент, содержащий блок входа, включающий установщик знаков сигналов входа, многоканальный первый генератор случайных чисел, число выходов которого равно числу входов блока входа, а сигнал с каждого выхода первого генератора случайных чисел определяет изменение величины соответствующего входного сигнала по закону и в пределах, определяемых видом и погрешностью его задания, блок установки и нормирования весовых коэффициентов, число элементов веса которого равно числу входов блока входа, установка веса в элементах веса осуществляется посредством многоканального второго генератора случайных чисел по закону и в пределах, определяемых видом и погрешностью его задания, нормирование каждого весового коэффициента осуществляют путем деления каждого веса на сумму всех весов элементов веса, а каждый нормированный весовой коэффициент задает соответствующую синаптическую связь выходов блока входа и входов блока расчета параметров входных сигналов, выходы которого соединены с входами сумматора параметров входных сигналов, выход которого соединен с первым входом первого сумматора состояния нейроподобного элемента, второй вход которого соединен с выходом блока суммирования сигналов внешних факторов от установщика знаков и уровня влияния сигналов внешних факторов, блок установки исходного состояния нейроподобного элемента, связанного с одноканальным третьим генератором случайных чисел, определяющим величину сигнала блока установки исходного состояния нейроподобного элемента по закону и в пределах, определяемых видом и погрешностью его задания, второй сумматор состояния нейроподобного элемента, осуществляющий сложение поступающего на него сигнала с выхода блока установки исходного состояния нейроподобного элемента и сигнала с выхода блока суммирования сигналов внешних факторов через установщик знаков и уровня влияния сигналов внешних факторов, ключ, на первый вход которого поступает сигнал с выхода первого сумматора состояния нейроподобного элемента, а на второй вход поступает сигнал с выхода второго сумматора состояния нейроподобного элемента, и который, по установке блока управления, пропускает далее только один из этих сигналов на первый вход анализатора изменения состояния нейроподобного элемента, осуществляющего сравнение сигнала о величине точности самонастройки нейроподобной сети, в состав которой входит нейроподобный элемент, с блока установки точности самонастройки нейроподобной сети, поступающего на третий вход анализатора изменения состояния нейроподобного элемента, с величиной, равной разности между предыдущим и текущим значением расчета состояния нейроподобного элемента, и в случае выполнения заданного условия, подающего сигнал на завершение процесса самонастройки нейроподобной сети на блок управления, который осуществляет управление генераторами случайных чисел и прохождением в нейроподобной сети тактовых импульсов, генерируемых генератором тактовых импульсов, на вход блока памяти, хранящего информацию о предыдущем значении расчета состояния нейроподобного элемента, сигнал с которого поступает на второй вход анализатора изменения состояния нейроподобного элемента, и на первый вход блока анализа уровня состояния нейроподобного элемента и выхода, который сравнивает уровень сигнала о состоянии нейроподобного элемента с сигналом от блока установки критического уровня состояния нейроподобного элемента, управляемого с блока управления, и формирует выходной сигнал.
RU2020120021A 2020-04-10 2020-04-10 Нейроподобный элемент RU2744361C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2020120021A RU2744361C1 (ru) 2020-04-10 2020-04-10 Нейроподобный элемент

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2020120021A RU2744361C1 (ru) 2020-04-10 2020-04-10 Нейроподобный элемент

Publications (1)

Publication Number Publication Date
RU2744361C1 true RU2744361C1 (ru) 2021-03-05

Family

ID=74857794

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2020120021A RU2744361C1 (ru) 2020-04-10 2020-04-10 Нейроподобный элемент

Country Status (1)

Country Link
RU (1) RU2744361C1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2805774C1 (ru) * 2023-03-10 2023-10-24 Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" Параллельный сумматор-вычитатель на нейроподобных элементах

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5327522A (en) * 1989-12-29 1994-07-05 Ricoh Company, Ltd. Neuron unit
JPH06266868A (ja) * 1992-12-24 1994-09-22 Olympus Optical Co Ltd ニューロン素子
RU2295769C1 (ru) * 2005-08-18 2007-03-20 Евгений Николаевич Захаров Нейроподобный элемент
RU2475843C1 (ru) * 2011-12-15 2013-02-20 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Национальный исследовательский Томский государственный университет" (ТГУ) Адаптивное управляющее устройство, нейроподобный базовый элемент и способ организации работы такого устройства

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5327522A (en) * 1989-12-29 1994-07-05 Ricoh Company, Ltd. Neuron unit
JPH06266868A (ja) * 1992-12-24 1994-09-22 Olympus Optical Co Ltd ニューロン素子
RU2295769C1 (ru) * 2005-08-18 2007-03-20 Евгений Николаевич Захаров Нейроподобный элемент
RU2475843C1 (ru) * 2011-12-15 2013-02-20 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Национальный исследовательский Томский государственный университет" (ТГУ) Адаптивное управляющее устройство, нейроподобный базовый элемент и способ организации работы такого устройства

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2805774C1 (ru) * 2023-03-10 2023-10-24 Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" Параллельный сумматор-вычитатель на нейроподобных элементах

Similar Documents

Publication Publication Date Title
Aly An intelligent hybrid model of neuro Wavelet, time series and Recurrent Kalman Filter for wind speed forecasting
Fernando et al. Runoff forecasting using RBF networks with OLS algorithm
Mishra et al. On theoretical and empirical aspects of marginal distribution choice models
US20180053090A1 (en) Methods And Systems For Implementing Dynamic Neural Networks
KR20090078501A (ko) 인공 신경망에 의한 하수처리장의 유입 유량 및 유입 성분농도의 예측 방법 및 장치
Lotfi et al. Wind power forecasting using emotional neural networks
CN110046706A (zh) 模型生成方法、装置及服务器
Iatrou et al. Modeling of nonlinear nonstationary dynamic systems with a novel class of artificial neural networks
Nagamani et al. Non-fragile extended dissipative state estimation for delayed discrete-time neural networks: application to quadruple tank process model
RU2744361C1 (ru) Нейроподобный элемент
Gorelova et al. Strategy of complex systems development based on the synthesis of foresight and cognitive modelling methodologies
Ismeal et al. DC motor identification based on Recurrent Neural Networks
Ruhm Sensor fusion and data fusion–Mapping and reconstruction
CN107044893B (zh) 一种基于时域编解码的高精度动态信号传感和传输方法
JPH02136034A (ja) ニューラルネットワークによる最適電力負荷配分システム
Kyzym et al. Simulating Development of Science in a Country with the Use of the Cognitive Approach
RU2295769C1 (ru) Нейроподобный элемент
Nemchenko et al. Neuro-Fuzzy Model of Development Forecasting and Effective Agrarian Sector Transformations of Ukraine.
WO2008072994A1 (fr) Élément neuronal
Bowden Forecasting water resources variables using artificial neural networks
RU2345492C2 (ru) Способ диагностирования средств связи телекоммуникационных систем
Berezin et al. Application of Recurrent Graph Convolutional Networks to the Neural State Estimation Problem
JP2722906B2 (ja) 未知数量推定方法およびその装置
Makarov The neural network to identify an object by a sequential training mode
Jain Hybrid connectionist systems in research and teaching