Способ интеллектуальной обработки информации в нейронной сети



Способ интеллектуальной обработки информации в нейронной сети
Способ интеллектуальной обработки информации в нейронной сети
Способ интеллектуальной обработки информации в нейронной сети
Способ интеллектуальной обработки информации в нейронной сети
Способ интеллектуальной обработки информации в нейронной сети

 


Владельцы патента RU 2483356:

Осипов Василий Юрьевич (RU)

Изобретение относится к бионике, моделированию функциональных аспектов человека и может найти применение в вычислительной технике при построении интеллектуальных машин и систем. Техническим результатом является повышение интеллектуальности и устойчивости обработки информации. Сущность способа заключается в том, что при обработке сигнала в многослойной рекуррентной сети с обратными связями, замыкающими контура с временем задержки единичных образов меньше времени невосприимчивости нейронов сети после их возбуждения, со сдвигами совокупностей единичных образов вдоль слоев, при передаче совокупностей единичных образов от слоя к слою их частично отражают от принимающего слоя к передающему слою и частично стирают с элементов сети этими частично отраженными совокупностями единичных образов запомненные результаты распознавания. 4 ил.

 

Изобретение относится к бионике, моделированию функциональных аспектов человека и может найти применение в вычислительной технике при построении интеллектуальных машин и систем.

Известны многие способы интеллектуальной обработки информации в нейронной сети, применяемые для аппроксимации, классификации, распознавания образов, обработки речи, прогнозирования, идентификации, оценивания производственных процессов, ассоциативного управления и для решения других творческих задач (Хайкин С. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. - М.: Издательский дом «Вильяме», 2006. - 1104 с.; Галушкин А.И. Теория нейронных сетей. Кн. 1: Учебное пособие для вузов / Общая ред. А.И.Галушкина. - М.: ИПРЖР, 2000. - 416 с.).

Однако всем им характерны узкие возможности по запоминанию структурно-сложных изменяющихся во времени сигналов, их распознаванию, ассоциированию с другими сигналами, извлечению из памяти сети и воспроизведению в исходной форме. Эти известные способы не позволяют при обработке информации решать широкий спектр задач одной и той же нейронной сетью. Они также обладают низкой устойчивостью.

Наиболее близким аналогом изобретения является способ интеллектуальной обработки информации в многослойной рекуррентной нейронной сети с обратными связями, замыкающими контура с временем задержки единичных образов меньше времени невосприимчивости нейронов сети после их возбуждения. Согласно ему сигнал подают в сеть после разложения на составляющие в базисе, согласованном с входным слоем сети. При этом каждую составляющую перед подачей в сеть преобразуют в последовательность единичных образов с частотой повторения как предварительно заданной функцией от амплитуды составляющей. Сигнал представляют в сети в виде последовательных совокупностей единичных образов в соответствии с предварительно заданными правилами его распознавания с учетом обратных результатов распознавания. При передаче совокупностей единичных образов от слоя к слою их сдвигают вдоль слоев с учетом текущих состояний последних. Результаты распознавания запоминают на элементах сети. В качестве результатов обработки используют последовательные совокупности единичных образов на выходном слое сети после обратного преобразования в соответствующие им исходные сигналы (Осипов В.Ю. Ассоциативная интеллектуальная машина / Информационные технологии и вычислительные системы. №2, 2010, с.59-67).

Недостаток этого способа - это не высокая устойчивость обработки непрерывного потока сигналов, возможность перегрузки сети информацией с потерей всех запомненных результатов распознавания. Это ограничивает функциональные возможности способа по интеллектуальной обработке информации.

Задачей изобретения является расширение функциональных возможностей по интеллектуальной обработке информации в нейронной сети.

Технический результат от использования изобретения заключается в повышении интеллектуальности и устойчивости обработки информации в нейронной сети.

Поставленная задача решается тем, что в известном способе интеллектуальной обработки информации в нейронной сети, заключающемся в подаче в многослойную рекуррентную сеть с обратными связями, замыкающими контура с временем задержки единичных образов меньше времени невосприимчивости нейронов сети после их возбуждения, сигнала, разложенного на составляющие в базисе, согласованном с входным слоем сети, с каждой составляющей, преобразованной в последовательность единичных образов с частотой повторения как предварительно заданной функцией от амплитуды составляющей, представлении сигнала в виде последовательных совокупностей единичных образов в соответствии с предварительно заданными правилами его распознавания с учетом обратных результатов распознавания, сдвигах совокупностей единичных образов вдоль слоев с учетом текущих состояний слоев, запоминании результатов распознавания на элементах сети, использовании в качестве результатов обработки последовательных совокупностей единичных образов на выходном слое сети после обратного преобразования в соответствующие им исходные сигналы, согласно изобретению при передаче совокупностей единичных образов от слоя к слою их частично отражают от принимающего слоя к передающему слою и частично стирают с элементов сети этими частично отраженными совокупностями единичных образов запомненные результаты распознавания.

Для расширения функциональных возможностей по интеллектуальной обработке информации в нейронной сети автор изобретения предлагает при передаче совокупностей единичных образов от слоя к слою их частично отражать от принимающего слоя к передающему слою и частично стирать с элементов сети этими частично отраженными совокупностями единичных образов запомненные результаты распознавания, что является новым существенным признаком изобретения.

Сущность изобретения поясняется фиг.1÷4.

На фиг.1 приведена структурная схема двухслойной рекуррентной нейронной сети, реализующей предложенный способ, где 1, 5 - первый, второй слои нейронов; 2, 6 - первый, второй блоки единичных задержек; 3, 4 - первый, второй блоки динамических синапсов; 7 - блок управления синапсами.

На фиг.2 приведен рисунок, раскрывающий структурные особенности блоков нейронной сети (фиг.1), где 3.1÷3.m - динамические синапсы первого блока 3 динамических синапсов.

На фиг.3 приведена логическая структура первого слоя сети (разбитого на 50 логических полей по 25 в каждой строке) при обработке информации предлагаемым способом. Стрелками показаны направления продвижения совокупностей единичных образов вдоль слоя.

На фиг.4а для случая отсутствия частичного стирания запомненных результатов распознавания с элементов сети показаны зависимости суммарного веса WΣ(t) синапсов от текущего времени t при условии, что через каждые четыре такта в сеть вводится очередная совокупность единичных образов из заданной последовательности, где 1 - для t=300÷600; 2 - для t=0÷300.

На фиг.46 показаны зависимости суммарного веса WΣ(t) синапсов сети при таком же входном потоке, как и в предыдущем случае, но при частичном стирании с элементов сети запомненных результатов распознавания, где 1 - для t=300÷600; 2 - для t=0÷300.

Способ осуществляется следующим образом. Рассмотрим его на примере нейронной сети, структурная схема которой представлена на фиг.1.

Входной сигнал, разложенный на составляющие в базисе, согласованном с первым слоем 1 сети, при этом каждая его составляющая преобразована в последовательность единичных образов с частотой повторения, как предварительно заданной функцией от амплитуды составляющей, подают на этот слой.

После подачи на первый вход первого слоя нейронов такого сигнала на его выходе имеют место последовательные совокупности единичных образов, несущие всю информацию о входном сигнале.

После задержки в первом блоке единичных задержек 2 последовательные совокупности единичных образов поступают на первый блок динамических синапсов 3.

Каждый единичный образ из текущей совокупности подается одновременно в первом блоке динамических синапсов 3 на совокупность своих динамических синапсов, обеспечивающих связь каждого нейрона, породившего единичный образ, в общем случае со всеми нейронами второго слоя нейронов 5. При прохождении единичных образов через эти синапсы в прямом направлении они снимают с них информацию о предыдущих воздействиях и оставляют информацию о своем появлении через увеличение весов синапсов.

С выходов синапсов единичные образы подаются на входы нейронов второго слоя. Структурные особенности блоков нейронной сети (фиг.1) показаны на фиг.2.

Поступившие совокупности единичных образов на входы нейронов второго слоя 5 согласно изобретению частично отражаются от них. Это происходит за счет заряда и разряда конденсаторов С5.1÷С5.n (фиг.2). Эти частично отраженные совокупности поступают встречно на синапсы первого блока динамических синапсов и согласно изобретению частично стирают с них запомненные результаты распознавания, что проявляется в уменьшении весов синапсов. Не отраженные части совокупностей единичных образов непосредственно воздействуют на нейроны второго слоя и возбуждают их, если выполняются условия возбуждения.

Допустим, что количество заряда Q, переносимого от каждого элемента единичной задержки 2.1÷2.n (фиг.2), на которые поступают единичные образы (импульсы), к первому блоку динамических синапсов 3 постоянно, не зависит от того, как изменяются веса (проводимости) синапсов.

Тогда можно оперировать некоторой средней амплитудой тока , переносящего заряд Q за некоторый средний промежуток времени ,

С учетом этого амплитуду импульсного тока, проходящего в прямом направлении через каждый синапс первого блока динамических синапсов 3 относительно момента времени t, можно определить как

где wij(t) - прямые веса (проводимости) синапсов, связывающих i-е нейроны первого слоя с j-ми нейронами второго слоя; δi(t) - функция принимающая значение 1, когда i-й нейрон возбужден, и 0 - в других случаях; n - число нейронов в каждом слое.

На вход каждого j-го нейрона второго слоя нейронов 5 от возбужденных нейронов первого слоя 1 поступает суммарный импульсный ток

Поступающие на входы j-x нейронов единичные образы (импульсы) частично воспринимаются этими нейронами, имеющими входную проводимость wвх, и частично отражаются к передающему слою с коэффициентом отражения

где - суммарный ток отражения единичных образов от j-го нейрона; z - комплексное входное сопротивление нейрона. В частном случае оно может быть равно активному сопротивлению Rвх; zjc(t) - волновое сопротивление цепи, связывающей входное сопротивление j-го нейрона с нейронами передающего слоя. В общем виде оно равно

где R(t) - суммарное сопротивление синапсов цепи, связывающей входное сопротивление Rвх j-го нейрона с нейронами передающего слоя, - обратные веса (проводимости) синапсов; G - суммарная проводимость, характерная этой цепи, как длинной линии; L, C - емкость и индуктивность этой цепи, как длинной линии; f - частота колебаний.

В частном случае при G=0 и L=0,

τu - длительность единичного образа (импульса).

С учетом этого коэффициент отражения по току может быть равен

где

Из (5) видно, что изменение Kj(t) времени зависит только от изменения

Зная Kj(t) и I(t), можно найти суммарный ток отражения единичных образов от j-го нейрона, Соответственно ток, протекающий через входное сопротивление j-го нейрона, равен

Токи, протекающие встречно через отдельные синапсы, можно определить как

При протекании тока через синапсы в обратном направлении частично стираются запомненные на них результаты распознавания. Назовем током стирания.

Особенность динамических синапсов сети в следующем. Веса (с электрической точки зрения проводимости) wij(t) синапсов определяются через произведение их весовых коэффициентов kij(t) и функций ослабления β(rij(t)). При этом различаются прямые

и обратные веса

синапсов.

Каждая из связей (синапсов) имеет свое значение функции ослабления βij(rij) единичных образов, зависящее от rij - удаленности связываемых через синапсы нейронов (расстояний между ними на плоскости одного из слоев. Полагается, что расстояние между взаимодействующими слоями нейронной сети стремится к нулю.

Функция β(rij) может определяться как:

где h - степень корня, чем она выше, тем шире ассоциативное пространственное взаимодействие в сети; α - положительный коэффициент; N- число нейронов в каждом слое сети.

Входящую в (9) величину rij в единицах нейронов с учетом возможных пространственных сдвигов совокупностей единичных образов вдоль слоев сети можно выразить в виде:

nij=±0, 1, …, L-1; mij=±0, 1, …, M/-1;

Δxij, Δyij - проекции связи j-го нейрона с i-м на оси X, Y без учета пространственных сдвигов; d, q - величины единичных сдвигов, соответственно, по координатам X, Y; L, M - число, соответственно, столбцов и строк, на которые разбивается каждый слой нейронной сети за счет сдвигов.

Изменяя Δxij, Δyij на соответствующие значения nij·d и mij·q можно менять rij и направление потока совокупностей единичных образов вдоль слоев сети, осуществлять пространственные сдвиги этих совокупностей вдоль слоев.

Такие сдвиги совокупностей единичных образов вдоль слоев реализуются через управление динамическими синапсами с блока управления синапсами 7 с учетом текущих состояний слоев. Нейроны слоев могут находиться в состояниях ожидания, возбуждения и невосприимчивости после возбуждения. При передаче совокупностей единичных образов от передающего слоя к принимающему слою их пространственные сдвиги осуществляют тогда, когда возникает конфликт между имеющими одни и те же порядковые номера нейронами взаимодействующих слоев. Конфликт возникает, когда единичные образы от возбужденных нейронов подаются на входы нейронов, находящихся в состоянии невосприимчивости после возбуждения.

Весовые коэффициенты kij(t) и в (7) и (8) изменяются в зависимости от воздействий на синапсы единичных образов и выступают в качестве элементов долговременной памяти сети. Для прямого веса (прямой проводимости) wij(t) каждого синапса весовой коэффициент можно определить как

а для обратного веса (обратной проводимости) , для случая gij(t)≥g0, в виде:

где у - постоянный коэффициент, a g0=const.

В других случаях при gij(t)<g0 обратный вес (проводимость)

Величину gij(t) в (11) и (12) можно трактовать, как число запомненных на синапсе единичных образов на момент времени t, а (gij(t)-g0) - как число запомненных единичных образов, которые могут быть стерты с синапса.

С учетом (11) и (12) прямые и обратные веса (проводимости) синапсов могут быть определены по формулам:

Эти веса однозначно связаны друг с другом:

По значению wij(t)можно определить и, наоборот, по найти wij(t).

При протекании тока от возбужденных нейронов через одни синапсы в прямом направлении на них запоминаются текущие результаты распознавания. Такому запоминанию соответствует увеличение прямой и обратной проводимости этих синапсов. В этом случае величину gij(t), входящую в (13), (14), можно рассчитать как

где Iij(t) - ток, протекающий через синапс в прямом направлении, определяемый согласно (1).

При прохождении тока встречно через другие синапсы уменьшаются их прямые и обратные веса (обратные и прямые проводимости). Величину gij(t), входящую в (13), (14), в зависимости от этого тока стирания (6), при условии, что , можно рассчитать как

иначе gij(t)=gij(t-Δt).

В частном случае B(Iij(t)) и можно определять как B(Iij(t))=A·Iij(t) и , где A, D - константы, причем D должно быть больше A.

Чем больше ток от возбужденных нейронов через одни синапсы в прямом направлении, тем выше уровень частичного стирания ранее запомненных результатов распознавания с других синапсов частично отраженными токами, протекающими через них в обратном направлении. Уровень частичного стирания результатов распознавания зависит также от входной проводимости wвх=1/Rвх возбуждаемых нейронов.

В случаях, когда ток Ij вх(t), протекающий через входное сопротивление j-го нейрона второго слоя 5, больше порогового значения Iпор, то нейрон возбуждается. На его выходе формируется единичный образ (импульс) и нейрон переходит в состояние невосприимчивости. В состоянии невосприимчивости каждый нейрон находится одинаковое время, которое больше, чем время задержки единичных образов в двухслойных контурах сети, структурная схема которой приведена на фиг.1.

Все эти положения справедливы и для передачи совокупностей единичных образов от второго слоя к первому. Последовательные совокупности единичных образов с выхода второго слоя 5, после задержки в блоке 6, поступают на второй блок динамических синапсов 4. В блоке 4 они аналогичным образом, как и в блоке 3, обрабатываются и, сдвинутые вдоль первого слоя в зависимости от состояний первого и второго слоев, поступают на второй вход первого слоя нейронов 1. Они, как и в случае со вторым слоем, частично отражаются от первого слоя. Эти частично отраженные совокупности частично стирают с синапсов второго блока динамических синапсов 4 запомненные на них результаты распознавания.

С учетом этого поступающие на первый слой нейронов 1 прямые и обратные совокупности единичных образов в нем корректно связываются, распознаются и порождают на его выходе новые совокупности единичных образов, несущие в себе информацию, как о текущих, так и ранее запомненных сетью сигналах, связанных с первыми. При этом за счет соответствующих сдвигов совокупностей единичных образов вдоль слоев исключается наложение обратных результатов распознавания на прямые совокупности и совокупности продвигаются вдоль слоев в предварительно заданном направлении.

Заметим, что при обработке сигналов в сети постоянно осуществляется смена одних возбужденных нейронов на другие и соответственно происходит смена запоминания на частичное стирание с синапсов сети результатов распознавания.

При непрерывной обработке информации в нейронной сети предлагаемым способом начиная с некоторого момента, число запоминаемых текущих единичных образов становится равным числу стираемых ранее запомненных единичных образов. После запоминания текущей информации на одних элементах сети частично стирают запомненные результаты распознавания с других синапсов, освобождая память для запоминания последующей информации. За счет этого достигается устойчивое непрерывное функционирование сети. Причем за счет предлагаемого частичного стирания ранее запомненных результатов распознавания полностью стираются в первую очередь более отдаленные результаты. Кроме этого предлагаемое частичное стирание ранее запомненных результатов стимулируют поиск недостающей информации, чтобы сбалансировать уровень запоминания с уровнем ее стирания. Это, наряду с повышением устойчивости, повышает уровень интеллектуальности обработки информации в нейронной сети.

За счет приоритетности коротких связей в нейронной сети между входом и выходом сети легко устанавливается однозначное соответствие между составляющими входных и выходных сигналов.

С учетом этого соответствия по номерам нейронов, формируемых последовательности единичных образов на выходе устройства, определяют частотные и пространственные характеристики составляющих исходного сигнала. По частотам следования и относительным задержкам единичных образов, соответственно, устанавливают амплитуды и фазы составляющих исходного сигнала. Затем воспроизводят составляющие исходных сигналов и путем их сложения восстанавливают исходные, например речевые, зрительные и другие сигналы. Для определения амплитуд составляющих исходного сигнала определяют текущее число единичных образов, попадающих в предварительно заданный интервал времени. Для воспроизведения составляющих исходных сигналов применим, например, их цифровой синтез по известным параметрам.

Для доказательства преимущества предлагаемого способа по сравнению с известными решениями была разработана программная модель нейронной сети, реализующей этот способ. Для разработки этой модели использовалась среда MatLab. Каждый слой нейронной сети состоял из 2100 нейронов. За счет пространственных сдвигов передаваемых совокупностей единичных образов от слоя к слою, каждый слой разбивался на 50 логических полей по 42 нейрона в каждом. Последовательные совокупности единичных образов вводились в сеть через первое логическое поле, а снимались с последнего поля (фиг.3). Последовательность этих совокупностей содержала строчки из романа А.С.Пушкина «Евгений Онегин»: «Мой дядя самых честных правил, когда не в шутку занемог, он уважать себя заставил и лучше выдумать не мог…». Всего в сеть последовательно вводилось 150 совокупностей единичных образов, включая пустые совокупности, соответствующие пробелам между словами. Ввод в сеть совокупностей осуществлялся с периодом четыре такта. На каждом временном такте оценивался суммарный вес WΣ(t) синапсов сети, как

где wkij(t)- прямой вес ij-го синапса в k-блоке динамических синапсов сети (фиг.1); n - число нейронов в каждом слое сети.

Результаты оценки приведены на фиг.4а, б. Из анализа фиг.4а видно, что при отсутствии частичного стирания с синапсов запомненных результатов распознавания частично отраженными от принимающих слоев совокупностями единичных образов суммарный вес синапсов непрерывно растет. Он стремится к предельному суммарному весу WΣ пред,

при котором все весовые коэффициенты kkij(t)→1, где βkij - функция ослабления для ij-го синапса в k-блоке динамических синапсов сети. В этом предельном случае не возможно запоминание и извлечение информации из сети. Сеть перегружена.

Согласно предлагаемому способу, предусматривающему частичное стирание запомненных результатов распознавания частично отраженными от принимающих слоев совокупностями единичных образов, суммарный вес WΣ(f) синапсов с течением времени стабилизируется на уровне, обеспечивающем непрерывную устойчивую интеллектуальную обработку информации в нейронной сети. Из фиг.4б видно, что прирост суммарного веса WΣ(t) синапсов с течением времени замедляется, в отличие от предыдущего случая (фиг.4а). Целесообразно этот вес выводить на уровень WΣ пред/2, обеспечивающий наибольшую емкость памяти на синапсах. Это осуществимо, например, предварительным заданием соответствующего значения входной проводимости нейронов.

Анализ смены состояний слоев сети, реализующей предлагаемый способ, также подтвердил повышение устойчивости и интеллектуальности обработки информации, более широкие функциональные возможности предлагаемого способа по сравнению с известными решениями.

Способ интеллектуальной обработки информации в нейронной сети может быть реализован с использованием известной элементной базы. В качестве нейронов слоев и элементов задержек в блоках задержек применимы ждущие мультивибраторы. При этом ждущие мультивибраторы в блоках единичных задержек следует запускать не по переднему, а заднему фронту входного импульса. Блоки динамических синапсов могут быть реализованы с применением мемристоров и управляемых аттенюаторов. Для обеспечения частичного отражения совокупностей единичных образов от принимающих слоев сети, цепочки, включающие элементы задержек, синапсы и входные цепи нейронов, должны обладать свойствами длинных линий. Блок управления можно реализовать специализированным процессором, программируемыми интегральными схемами, функционирующими в соответствии с рассмотренными выше правилами.

Способ можно реализовать также путем эмулирования двухслойной рекуррентной нейронной сети с управляемыми синапсами на современных вычислительных машинах.

Способ интеллектуальной обработки информации в нейронной сети, заключающийся в подаче в многослойную рекуррентную сеть с обратными связями, замыкающими контура с временем задержки единичных образов меньше времени невосприимчивости нейронов сети после их возбуждения, сигнала, разложенного на составляющие в базисе, согласованном с входным слоем сети, с каждой составляющей, преобразованной в последовательность единичных образов с частотой повторения как предварительно заданной функцией от амплитуды составляющей, представлении сигнала в виде последовательных совокупностей единичных образов в соответствии с предварительно заданными правилами его распознавания с учетом обратных результатов распознавания, сдвигах совокупностей единичных образов вдоль слоев с учетом текущих состояний слоев, запоминании результатов распознавания на элементах сети, использовании в качестве результатов обработки последовательных совокупностей единичных образов на выходном слое сети после обратного преобразования в соответствующие им исходные сигналы, отличающийся тем, что при передаче совокупностей единичных образов от слоя к слою их частично отражают от принимающего слоя к передающему слою и частично стирают с элементов сети этими частично отраженными совокупностями единичных образов запомненные результаты распознавания.



 

Похожие патенты:

Изобретение относится к области гидрометеорологии и может быть использовано для прогнозирования паводков и других гидрометеорологических явлений. .

Изобретение относится к области компьютерных сетей. .

Изобретение относится к области компьютерных сетей. .

Изобретение относится к технике связи и может быть использовано в системах радиомониторинга для автоматизированной классификации радиосигналов по структурно-временным параметрам.

Изобретение относится к вычислительной технике. .

Изобретение относится к области компьютерных сетей. .

Изобретение относится к бионике, моделированию функциональных аспектов человека. .

Изобретение относится к вычислительным модулярным нейрокомпьютерным системам и предназначено для выполнения основной операции деления модулярных чисел. .

Изобретение относится к вычислительной технике и может быть использовано при построении систем обработки дискретной информации. .

Изобретение относится к бионике, моделированию функциональных аспектов человека и может найти применение в вычислительной технике при построении интеллектуальных машин и систем. Техническим результатом является повышение интеллектуальности обработки информации, улучшение избирательности по запоминанию, распознаванию сигналов и извлечению их из памяти сети. Сущность способа в том, что при интеллектуальной обработке информации в двухслойной рекуррентной нейронной сети с управляемыми синапсами при передаче совокупностей единичных образов от слоя к слою единичные образы поворачивают вокруг направлений их передачи с учетом текущих состояний слоев. 5 ил.

Группа изобретений относится к области обработки и распознавания радиосигналов, в частности к распознаванию вида и параметров манипуляции радиосигналов, и может быть использована в радиотехнических устройствах для распознавания манипуляции радиосигналов. Техническим результатом является автоматическое распознавание типов манипуляции радиосигналов в условиях отсутствия высокоточной синхронизации по несущей частоте для более широкого класса типов манипуляции (амплитудной, амплитудно-фазовой, фазовой и частотной). Устройство содержит антенну, аналого-цифровой преобразователь, блок формирования синфазной и квадратурной составляющих сигнала, блок расчета кумулянтов, блок нейронной сети. 2 н.п. ф-лы, 3 ил.

Изобретение относится к бионике, моделированию функциональных аспектов человека и может найти применение в вычислительной технике при построении интеллектуальных машин и систем. Техническим результатом является повышение глубины и интеллектуальности обработки информации. Сущность способа в том, что в многослойную рекуррентную нейронную сеть с управляемыми синапсами в качестве сигнала, предварительно разложенного на составляющие, с каждой составляющей, преобразованной в последовательность единичных образов с частотой повторения как предварительно заданной функцией от амплитуды составляющей, подают групповой сигнал, состоящий из полезного сигнала, просуммированного с первой частью предварительно сформированного маломощного шума, и из второй такой же части этого шума. Представляют групповой сигнал в виде последовательных групповых совокупностей единичных образов. При передаче от слоя к слою групповых совокупностей единичных образов копируют из сигнально-шумовых групп единичные образы, относящиеся к полезному сигналу, в соответствующие этим группам шумовые группы. Формируют из шумовых групп копии сигнально-шумовых групп единичных образов и обрабатывают эти копии с учетом изменения форм поперечных сечений расходящихся единичных образов и поворотов этих образов вокруг направлений их передачи с учетом текущих состояний слоев. 7 ил.

Изобретение относится к области управления компьютерными сетями с использованием алгоритмов искусственного интеллекта. Техническим результатом является снижение времени простоя рабочих объектов компьютерной сети за счет увеличения точности прогноза изменений основных показателей. Способ заключается в том, что формируют прогнозные нейронные сети на основании получаемых в результате опроса рабочих объектов компьютерной сети, значений показателей, определяющих их состояние; формируют прогноз изменений значений через некоторый фиксированный интервал времени. Формируют запоминающие нейронные сети, которые выполняют функции индикатора необходимости переобучения для соответствующей прогнозной нейронной сети, если полученные в результате мониторинга значения существенно отличаются от значений, использованных в обучающей выборке. После переобучения прогнозные нейронные сети способны сформировать прогноз изменений показателей с заданным уровнем точности, на основании которого выполняются управляющие воздействия на объекты вычислительной сети. 8 з.п. ф-лы, 7 ил.
Изобретение относится к средствам биометрической защиты анонимности свидетелей при судебном делопроизводстве. Техническим результатом является повышение надежности защиты анонимности свидетеля. Способ биометрической защиты анонимности свидетелей при судебном делопроизводстве заключается в том, что создают множество электронных одноразовых удостоверений личности свидетеля без указания его имени, получаемых генерированием случайного кода - К, используемого далее при обучении нейронной сети преобразовывать параметры примеров биометрического образа свидетеля в код - К, параметры обученной нейронной сети защищают самошифрованием на фрагментах кода - К, вычисляют хэш-функцию кода - К, одноразовое электронное удостоверение личности свидетеля формируют путем размещения в нем уникального номера удостоверения, шифротекста защищенных параметров обученной нейронной сети и значения хеш-функции кода - К, эти данные орган анонимной регистрации охватывает своей цифровой подписью, далее все примеры биометрических образов свидетеля и случайные коды - К уничтожают, далее при каждом К-том вызове анонимного свидетеля пересылают ему его К-тое электронное удостоверение, пользуясь которым, свидетель предъявляет свой биометрический образ и тем самым анонимно подтверждает свою личность, также, предъявив свой биометрический образ, свидетель получает выходной код - К, проверку которого осуществляют вычислением его хеш-функции и сравнением ее с эталоном, размещенным ранее в одноразовом удостоверении личности. 2 з.п. ф-лы.
Изобретение относится к информационным технологиям и нейрофизиологии. Техническим результатом изобретения является повышение скорости работы технологий нейрокомпьютерного интерфейса. В заявленном способе управления внешними устройствами с использованием технологии нейрокомпьютерного интерфейса регистрируются данные активности различных отделов головного мозга с использованием, как по отдельности, так и в совокупности, любой из методик электроэнцефалографической, магнитно-резонансной томографии, транскраниальной оксиметрии, а полученный сигнал обрабатывается по известным для каждого типа нейрокомпьютерных интерфейсов формулам, причем предварительно происходит обучение классификатора применительно к решаемым пользователем задачам, так что каждой возможной реакции пользователя присваиваются определенные апостериорные вероятности, отражающие индивидуальный характер предпочтений пользователя и которые могут пересматриваться в процессе работы устройства; при этом веса классификатора команд изменяются таким образом, что для более часто встречающихся случаев требуется меньше итерация процесса для получения команды и, наоборот, для более редко встречающихся - больше.

Изобретение относится к моделированию функциональных аспектов человека и может найти применение в вычислительной технике при построении интеллектуальных машин и систем. Техническим результатом является повышение интеллектуальности обработки информации, улучшение запоминания, распознавания и извлечения сигналов из сети. Сущность способа состоит в том, что при интеллектуальной обработке информации в двухслойной рекуррентной нейронной сети с управляемыми синапсами сигнал представляют в виде последовательных совокупностей единичных образов, разделенных на пары частных совокупностей этих образов. Частные совокупности единичных образов из каждой такой пары продвигают вдоль слоев сети по двойной спирали с изменяемым диаметром. 7 ил.

Изобретение относится к области радиотехники и может быть использовано для интеллектуального анализа оценки устойчивости инфокоммуникационной системы. Техническим результатом является повышение устойчивости функционирования системы связи при воздействии деструктивных электромагнитных излучений на ее структурные элементы за счет оперативной реконфигурации и обработки характера деструктивных воздействий. Систему связи приводят в рабочее состояние, фиксируют деструктивные воздействия на ее структурные элементы, формируют имитационную модель системы связи, моделируют на ней деструктивные воздействия, по результатам моделирования реконфигурируют имитационную модель системы связи и представляют математическую модель функционирования системы, определяют параметры электромагнитных полей, воздействующих на подсистемы инфрокоммуникационной системы, и осуществляют оценку воздействия этих электромагнитных полей на работоспособность отдельных элементов и узлов системы, а также системы в целом, формируют сценарии электромагнитных воздействий на узлы инфокоммуникационной системы, учитывая модели электромагнитных излучений во всем диапазоне частот, проводят анализ информационного потока, обрабатываемого инфокоммуникационными узлами, и выявляют закономерности появления искаженных пакетов информации, периодичность и кратность частоты появления которых определяют на частоте формирования импульсов известными источниками электромагнитного излучения, при обнаружении факта воздействия известных источников электромагнитных излучений блокируют искаженную информацию и реконфигурируют систему, проводят сравнительный анализ соответствия данных требованиям используемого телекоммуникационного протокола, дополнительно проводят анализ сценариев поведения инфокоммуникационной системы при действии на ее элементы и узлы электромагнитных воздействий, с учетом моделей электромагнитного излучения на всем диапазоне частот, осуществляют расчет целевых показателей, характеризующих устойчивость системы в целом и его отдельных подсистем к воздействию электромагнитных излучений. 1 ил.

Изобретение относится к измерительным системам и устройствам и может быть использовано для идентификации компонентов бензина и определения его состава. Техническим результатом является обеспечение идентификации в режиме реального времени с оперативным внесением поправок в технологический процесс. Способ заключается в том, что идентификацию компонентов производят по минимуму целевой функции и активному состоянию нейронов искусственной нейронной сети идентификации, изменяя при этом коэффициенты синаптических связей, расчет значений активации нейронов определяют в соответствии с функцией активации, при этом концентрацию компонентов бензина производят по минимуму целевой функции и активному состоянию нейрона искусственной нейронной сети состава, изменяя коэффициенты синаптических связей, а расчет значения активации нейрона состава производят в соответствии с функцией активации, и при активном состоянии нейрона состава принимают значения концентрации компонентов в смеси численно равным значениям коэффициентов синаптических связей. 5 табл., 5 ил.

Изобретение относится к судостроению, а именно к способам прогнозирования качки судна, позволяющим обеспечить надежную посадку летательных аппаратов на суда и плавучие технические средства освоения Мирового океана, в том числе научно-исследовательские суда, буровые платформы и др. Технический результат - повышение достоверности прогноза «окна безопасной посадки» при значительных ветроволновых воздействиях. Сущность изобретения заключается в следующем: на базе данных измерений с использованием принципа конкуренции выбирают предпочтительную вычислительную технологию с использованием стандартной модели, реализующей фильтр Калмана, и адаптивной нейронечеткой модели, построенной с помощью нейронной сети прямого распространения. На основе функции выбора для выделенной вычислительной технологии осуществляют моделирование динамики взаимодействия судна с внешней средой, результаты которого используют при проведении контроля взлетно-посадочных операций в заданных погодных условиях. 6 ил., 2 табл.
Наверх