Модель обучаемого нейрона

 

д„ц„и Е

ИЗОБРЕТЕН ИЯ

Союз Советских

Социалистических

Республик (11! 59 1877

К АВТОРСКОМУ СВИДЕТЕЛЬСТВУ (61) Дополнительное к авт. свид-ву (22) Заявлено 30,04.75 (21)2131185/18-24 с присоединением заявки № (23) Приоритет (51) М. Кл,2

Я 06 Я 7/60

Государственный комитет

Совета Министров СССР оа делам изобретений и открытий (43) Опубликовано05.02.78. Бюллетень № 5 (53) УДК 681.335 (088. 8) (45) Дата опубликования описанияЪ7. 03. 73. (T2) Автор изобретения

10. Б. Савин (71) Заявитель (54) МО11ЕЛЬ ОБУЧАЕМОГО НЕЙРОНА

Изобретение относится к области вычислительной техники и может быть использовано при моделировании деятельности нервной системы.

Известна модель обучаемого нейрона, содержащая элементы памяти и пороговые элементы (1) . Однако эта модель допускает моделировани<. образования только положительного рефлекса.

Наиболее близким техническим решением к изобретению является модель обучаемого нейрона, которая, как и данная модель, содержит два входных элемента И, первые входы которых подключены через первый формирователь ко входу возбуждения модели, а вторые входы входных элементов И через второй и третий формирователи подключены соответственно ко входам положительного и отрицательного подкрепления модели, и блок памяти, два выхода которого соединены с первыми входами двух в;:::одных элемента И (2). Однако эта модель содержит двухпозиционную память, что снижает точности моделирования.

Целью изобретения является расширение возможностей моделирования нервных сетей за счет обеспечения накопления сигналов подкрепления.

Эта цель достигается тем, что модель обучаемого нейрона содержит два одновпбратора, входы которых подкгпочены к выходам соответствующих входных элементов И, а выходы подсоединены к соответствующим входам блока памяти. Вторые входы выходных элементов

И соединены с выходом первого формирователя, а их выходы являются соответственно возбуждающим и тормозящим выходами модели. Блок памяти содержит балансный усилитель и торои-! о дальный магнитный сердечник с датчиком Холла в зазоре и двумя обмотками, которые соединены со входами блока памяти. Входы балансного усилителя подключены к датчику Холла, а его выходы являются выходами блока памяти.

j r3

Функциональная схема модели обучаемого нейрона представлена на чертеже.

Модель содержит входные элементы И 1 и 2. формирователи 3 — 5, одновибраторы 6 и 7, блок памяти 8. выходные элементы И 9 и !О, вход

20 11 возбуждения, вход 12 положительного подкрепления, вход 13 отрицательного подкрепления, возбуждающий выход 14 и тормозящий выход 15.

Блок памяти 8 содержит тороидальный маг25 нитный сердечник 16, на котором размещены

591877 обмотки 17 и 18, датчик Холла 19 и баланс, ый ус ил и тел ь 20.

Модель работает следуюшим образом.

На каждом входе модели располо?кены формирователи 3 — 5. Как только сигнал на входе того или другого формирователя достигнет определенного значения, на его выход выдается логическая единица. При одновременном появлении входного воздействия на входе 11 возбуждения модели и сигнала на входе 12 положительного подкрепления модели срабатывают формирователи 3 и 4. Единичные сигналы с выходов этих формирователей поступают на входы элемента И i, который регистрирует одновременное появление входного воздействия и положительного подкрепляющего сигнала и подает единичный уровень напрян<ения на вход одновибратора 6. Одновибратор 6 срабатывает, и обмотка 17 подмагничивает сердечник 16 блока памяти 8 на шаг в положительную сторону.

Длительность импульса одновибраторов 6 и

7 выбрана так, что сердечник 16 перемагничивается лишь частично. Каждое следующее совпадение входного воздействия и положительно-о подкрепляюшего сигнала приводит к дальнейшему подмагничиванию сердечника 16 в положительную сторону.

Таким образом, происходит закрепление положительного условного рефлекса и подавление отрицательного условного рефлекса, если он был до этого образован.

При одновременном появлении взводного воздействия на входе 11 возбуждения модели и сигнала на входе 13 отрицательного подкрепления модели срабатывают формирователи 3 и 5, подавая единичные уровни напряжения на входы элемента И 2. Логическая единица с выхода элемента И 2 возбуждает одновибратор 7. При этом обмотка 18 подмагничивает сердечник

16 блока памяти 8 на шаг в отрицательную сторону.

Таким образом, многократное совпадение входного воздействия и отрицательного подкрепляюшего сигнала приводит к угасанию lloложительного условного рефлекса, если он был до этого образован, и закреплению отрицательного условного рефлекса.

Для регистрации величины и знака намагниченности тороидального сердечника 16 использован датчик Холла 19, который помегцен в зазор сердечника 6.

Си г и а л, с н и м а е м ы и c x O.ii.i! o ii o i i ?. Ko H T B KT o B датчика 19, поступает на вход балансного усилителя 20. выходы которого связаны со входами элементов И 9 v. 10.

При появлении сигнала на входе 11 возбуждсHHH модели формирователь 3 подает разрепаюший сигнал на входы элементов И 9 и 10.

В зависимости от знака содержимого блока памяти 8 срабатывает элемент И 9 или элемент

И 1О, соответственно выходной сигнал появляется на выходе 14 или 15. При этом величина и знак сигнала на выходах модели зависят только от величины и знака содержимого блока памяти

8 и не зависят от величины входного воздействия.

Модель обучаемого нейрона позволяет моделировать процесс образования условного рефлекса с получением на выходе возбуждаюLiIHx сигналов и тормозящих сигналов необходимой величины, что расширяет логические возможности и увеличивает точность и гибкость моделирования.

Формула изобретения

1. Модель обучаемого нейрона, содержагцая два входных элемента И, первые входы которых подключены через первый формирователь ко входу возбу?кдения модели, а вторые входы входных элементов И через второй и третий

25 формирователи подключены соответственно ко входам положительного и отрицательного подкрепления модели, и блок памяти, два выхода которого соединены с первыми входами двух выходных элементов И, отличающаяся тем, что, ЗО с целью расширения возможностей моделирования нервных се ей за счет обеспечения накопления сигналов подкрепления, она содержит два одновибратора, входы которых подключены к выходам соответствующих входных элементов

И, а выходы подсоединены к соответствуюшим з входам блока памяти; вторые входы выходных элементов И соединены с выходом первого формирователя, а их выходы являются соответственно возбуждавшим и тормозяшим выходами модели.

2. Модель по п. 1, отличающаяся тем, что блок памяти содержит балансный усилитель и тороидальный магнитный сердечник с датчиком

Холла в зазоре и двумя обмотками, которые соединены со входами блока памяти; входы балансного усилителя подключены к датчику

45 Холла, а его выходы являются выходами блока памяти.

Источники информации, принятые во внимание при экспертизе:

1. Крайзмер Л. П., Сочивко В. П. «Бионика»

М., 1968, с. 77.

2.-Авторское свидетельство СССP М 222028, кл. G 06 G 7/60, 1966.

591S77

Сост а витель Г. Соро нин

Техред О. Луговая Корректор Д. Мельниченко

Тираж Qg5 Подпис ное

Редактор Л. Утехина

Заказ 594/43

11НИИПИ Государственного комитета Совета Министров СССР по делам изобретений н открытий

113035, Москва, )К-35, Раугвская наб. д. 4/5

Филиал ППП «Патент», г. Ужгород, ул. Проектная, 4

Модель обучаемого нейрона Модель обучаемого нейрона Модель обучаемого нейрона 

 

Похожие патенты:

Изобретение относится к области бионики и вычислительной техники и может быть использовано при построении систем распознавания образов

Изобретение относится к области автоматики и может быть использовано для управления роботами, станками и др

Изобретение относится к оптоэлектронным нейроподобным модулям для нейросетевых вычислительных структур и предназначено для применения в качестве операционных элементов у нейрокомпьютерах

Изобретение относится к вычислительной технике и может быть использовано для воспроизведения искусственного интеллекта

Изобретение относится к области элементов автоматики и вычислительной техники, в частности к магнитным тонкопленочным элементам

Изобретение относится к программным вычислительным системам, основанным на коробах

Изобретение относится к нейроподобным вычислительным структурам и может быть использовано в качестве процессора вычислительных систем с высоким быстродействием

Изобретение относится к области моделирования функциональных аспектов человека

Изобретение относится к бионике и вычислительной технике и может быть использовано в качестве элемента нейроноподобных сетей для моделирования биологических процессов, а также для построения параллельных нейрокомпьютерных и вычислительных систем для решения задач распознавания образов, обработки изображений, систем алгебраических уравнений, матричных и векторных операций
Наверх