Конструктор нейросхем: Распознаватель 3 диапазонов из 2 рецепторов

Схема показывает работу распознавателя 3 диапазонов параметра и состоит из двух рецепторов. Особенность ее в том, что она возникла путем последовательного усложнения за счет добавления второго слоя. При этом согласно базовому принципу наследования при формировании адаптационных схем, введение второго слоя не отменило прежнюю схему работы первого, но дополнило ее. Другая особенность - оба рецептора имеют большой диапазон реагирования в 55 единиц, что означает аналогичный разброс и малую точностью. Однако введение второго слоя позволило, несмотря на это, детектировать намного более точный третий диапазон в 10 единиц. Его можно даже сделать с точностью до 1 единицы. Принцип построения таких схем универсален и легко алгоритмизируем. Теоретически можно добиться  сверх-острой точности реагирования среднего диапазона до единицы, если свести перекрытие рецепторов до минимума. Рассмотрим теперь алгоритм построения схемы.

На первом шаге схема формируется начиная от самого простого случая: один рецептор R1 с диапазоном реагирования от 0 до 55 единиц и один нейрон N1 на слое №1. На момент обучения нейрон находится в состоянии пейсмейкерной активности и готов к образованию связей. Так как в его рецептивном поле находится только один рецептор R1 с ним и образуется связь в максимальном ее значении за период обучения. Обучение подразумевает периодическую стимуляцию рецептора в его диапазоне реагирования, он активируется и происходит формирование связи. После определенного свойствами нейрона количеством циклов его активации обучение завершается и больше он не образует связей от рецепторов.

На втором шаге возникает второй рецептор с таким же диапазоном 55 единиц, но сдвинутый по шкале параметра до конечного значения 100. В результате он регистрирует изменения величины параметра от 45 до 100. Для его детектирования созревает нейрон N2 и запускается прежний процесс обучения, но уже с активацией нового рецептора. Как и в первом случае, нейрон устанавливает максимальную по весу связь с новым рецептором R2. Прежде обученный нейрон N1 как уже говорилось, не реагирует на рецептор. На этом заканчивается формирование первого слоя.

На третьем шаге возникает второй слой и на нем нейрон N3. На этот раз обучение происходит плавным изменением значения параметра по синусоиде по всему диапазону. При этом нейрон образует связи с двумя рецепторами, равномерно распределяя по ним веса. Формирование слоев начиная со второго имеет отличие от первоначального обучения: если в процессе обучения нейронов слоя активируются нейроны предыдущего слоя – к ним протягиваются тормозные связи. В природной нейросети это делается при помощи вставочных тормозных нейронов, расположенных между слоями. В программной реализации это просто тормозной тип связи. Так же как и активирующие, тормозные связи равномерно распределяют веса, так как суммарное время активации нейронов первого слоя одинаково.

В результате формируется схема, позволяющая детектировать диапазоны величины параметра: 0-45, 45-55, 55-100. При этом можно добиться точности в 1 единицу для нейрона N3, если сделать диапазоны рецепторов 0-49,5 и 50,5-100. В природной нейросети параметры рецепторов часто довольно сильно «плавают», но за счет перекрытия рецептивных полей детектирующих их нейронов удается получить высокую точность детектирования величин – по аналогии с вышеприведенной схемой.

Эта схема не конечна. По тому же принципу можно добавить еще рецептор, сдвинув его по шкале и третий слой с нейроном, получив дополнительное деление на шкале детектирования. И так продолжать до тех пор, пока не получится необходимая точность. Рецепторы могут быть одинаковыми или разными по диапазону. Главное для повышения точности, чтобы они перекрывали друг друга. Схема перекрытия возможно задается геномом, так как изменение свойств рецептора позволяет это сделать, а свойства как раз и кодируется генами. Можно ввести в модель искусственной нейросети виртуальный геном, задающий последовательность возникновения рецепторов, их диапазон и сдвиг по шкале параметров. Таким образом можно задавать дисперсию распределения точности реагирования, что означает предрасположенность нейросети к определенным раздражителям.