Тема форума: «Саморегуляция синапса»

Саморегуляция синапса выражается в том, что при правильном ходе обучения в нём наращиваются белковые молекулы (и увеличивается проводимость синапса), а при неправильном - они разрушаются (и проводимость его уменьшается).

Интенсивность наращивания или разрушения белков определяется двумя факторами: количеством выдавленной в синапс управляющей жидкости (возбуждением соответствующего рецептора) и потоком эмоветора, поступающего на синапс извне.

Эмоветоры бывают одобрительные (вырабатываемые эмоционными железами при правильном ходе обучения) и огорчительные (при неправильном ходе). Эмоветоры омывают все синапсы в равной степени.

Все неверно, учите матчасть. Садитесь, два.

Прежде чем заявлять о саморегуляции синапса, мы долгое время изучали перцептрон Розенблатта, нейронные сети и теорию распознавания образов, пока не пришли к выводу, что все эти направления никак не связаны с устройством и работой живого мозга.

Перцептроны и нейронные сети отвергли сами американцы Пайперт и Минский, доказавшие, что хаос подобных структур не способен сам собой упорядочиться.

Теория распознавания образов предполагает, что работа мозга состоит из двух этапов: на первом этапе происходит распознавание ситуации, а на втором - принимается соответствующее решение.

Мы пришли к выводу, что живой мозг сразу же принимает решения (без какого-либо распознавания), и саморегуляция синапса - тому подтверждение. Каждый синапс пропускает через себя свою порцию управляющего сигнала конкретной мышцы; эта порция формируется возбуждением соответствующего рецептора, и этому формированию не предшествует никакая иная процедура.

Такому мозгу совсем не требуется анализ с целью выявления доминантного стимулятора (распознавателя).

usr писал:

"Я был бы вам благодарен, если бы вы привели пример математической модели подобного мозга с приведением расчётов как идёт обучение сети, как она работает для тестовых исходных данных."

У нас - не нейронная сеть, а матрица со строками (сенсонейронами, связанными с рецепторами очувствления) и столбцами (мотонейронами, подающими сигналы на исполнительные мышцы). На пересечении строк и столбцов - саморегулируемые синапсы.

Математическая модель мозга с выводом его алгоритма обучения представлена в учебнике по адресу

http://technic.itizdat.ru/docs/antonov_v_m/FIL14502671980N305156001/

То же самое с примерами обучения можно найти в другом учебнике

http://technic.itizdat.ru/docs/antonov_v_m/FIL13649007870N750999001/

Если пожелаете, можно рассмотреть простейший пример обучения прямо здесь. Для этого необходимо задать две ситуации с простейшим набором чисел и желаемыми сигналами управления (тоже - чисел) в них. 

Кошкин:

"Что касается вашей модели, то вполне возможно, что в ней есть разумное, я просто не берусь её оценивать."

И на том спасибо!

Подробное обоснование матричного мозга приведено в учебнике "Мозг. Русская теория", 2015 г.

Ещё раз обращаю Ваше внимание на то, что у нас - не нейронная сеть, а матрица со строками и столбцами.

Сигнал управления каждой отдельной мышцей e определяется как сумма произведений возбуждений рецепторов b_i на проводимости соответствующих синапсов c_i :

e = сумма (b_i c_i)

Как только подготовлю пример расчёта, выложу его здесь.

(У меня к Вам "техническая" просьба: научите меня "Цитировать" и "Копировать", только с подробностями - какие кнопки нажимать. Спасибо!)

Как математику Вам виднее.

Вполне возможно, что называть структуру живого мозга - матричной тоже не очень правильно, но пока - так. Главное, что все строки выходят на каждый столбец отдельно, и столбцы между собой не связаны. И уж, конечно, нет никаких косых связей. Впрочем, из самой схемы мозга (как она представлена в учебнике "Обучаемые системы управления") видны связи рецепторов с мотонейронами.

(За техническую подсказку - спасибо!)

Обращаю внимание посетителей на то, что проводимости синапсов изменяются не избирательно (по модальности очувствления), а всех и по простому правилу: чем сильнее возбуждение соответствующего рецептора, тем больше изменяется проводимость его синапса. Очувствление - обезличено.

Алгоритм обучения и работы мозга очень похож на алгоритм Качмажа для решения системы линейных алгебраических уравнений.

Алгоритм мозга приведён в работе "Матричная модель мозга", а его вывод - в работе "Мозг. Русская теория".