НЕЙРОННЫЕ СЕТИ
— схемы соединений однородных элементов — нейронов. Н. с. называют также матем. и физ. модели биол. прототипов. Физиологические Н. с. состоят из нейронов — осн. структурных элементов. Нейроны в сетях связываются между собой возбуждающими и тормозящими синапсами (контактами). Веса (влияние) синапсов в процессе работы сети могут изменяться в широких пределах. Нейроны, работающие в различных отделах нервной системы, могут иметь различное число синапсов: от 20 до 10 000, т. е. число элементов и число связей между ними является существенно переменной величиной.
Схемы соединения нейронов в Н. с. весьма разнообразны, но все они представляют многослойные пространственные структуры. В однолинейных сетях каждый нейрон верхнего (входного) слоя влияет на один нейрон нижележащего слоя. Примером такой сети является безусловно-рефлекторная дуга, состоящая из последовательно включенных трех нейронов (чувствительного, промежуточного и мотонейрона). Пирамидальная схема соединений Н. с. предполагает влияние нейрона вышележащего слоя обязательно на несколько нейронов последующего слоя и т. д. В такой многослойной структуре можно выделить часть сети, в которой нейрон верхнего (входного) слоя через нейроны нижележащих слоев связан со всеми нейронами нижнего (выходного) слоя. Воронкообразная схема предполагает соединение всех нейронов верхнего слоя с одним нейроном нижнего слоя. Древовидные схемы представляют собой неупорядоченные структуры, сочетающие свойства пирамидальной и воронкообразной схем. Схемы Н. с. могут иметь положительные и отрицательные обратные связи, а также образовывать кольцевые структуры. Реальные Н. с. представляют собой сложные сочетания схемы соединений нейронов нескольких или всех типов.
Функциональные задачи физиологических Н. с. отличаются большим разнообразием. Преобразование входных сигналов различной модальности в частотно-импульсный код, оценка амплитуды, длительности и частоты входных сигналов может выполнить одиночный нейрон, в частности чувствительная (рецепторная) клетка, стоящая на входе Н. с. Обычно такие нейроны обладают свойствами отображать неизменные свойства входного сигнала некоторой постоянной частотой на выходе. Пространственную суммацию сигналов также может выполнять одиночный нейрон. Это свойство нейрона можно отождествить с выполнением вычисл. операции интегрирования по времени и пространству. Более сложной и, по-видимому, соответствующей схеме соединений нескольких нейронов, является реакция, когда выходной нейрон отвечает на постоянный входной сигнал сигналами понижающейся частоты. Эта простейшая адаптивная реакция является основой для выполнения операций дифференцирования во времени и используется в моделях Н. с. для вычисления скорости изменения входного сигнала (или входвой
частоты). Вырожденный случай реакции такого типа представляет собой реакция сети на включение, выключение и включение — выключение входного сигнала. Н. с. со взаимно перекрещивающимися тормозящими связями (латеральное, или боковое торможение), организованные по однолинейной, пирамидальной или воронкообразной схеме, приобретают свойства усиления контраста входного сигнала (образа) и выделения контура путем многослойной обработки пространственных и (или) временных совокупностей сигналов, соответствующих образу. Орг-цию движения организма в пространстве, требующую координации напряжения и расслабления большого к-ва групп мышц - антагонистов, также выполняют Н. с., использующие свойства латерального (бокового) торможения. Н. с. со сходной структурой могут решать и задачи выделения движущихся объектов, определять направление и величину скорости движения, классифицировать внешние образы по избранному признаку или системе признаков. Как считает ряд авторов Н. с., использующие положительные обратные связи, являются основой ячеек динамической (оперативной) памяти в нервной системе.
Моделирование Н. с. в основном связано с построением физ. моделей и решением задач на ЦВМ. Моделирование элемента сети — нейрона шло по пути расширения набора функциональных свойств и отражения этих свойств в матем. или физ. модели (см. Модель нервной клетки). Первичной моделью математической элемента сети был формальный нейрон, отображающий свойство наличия или отсутствия импульса на выходе. В сочетании со свойствами порога и синапсов такой формальный нейрон послужил основой для создания многочисленных вариантов вычисл. или логич. схем. Реализованная в виде триггера такая упрощенная функциональная модель нейрона стала основным элементом ЦВМ, использующих двоичную систему счисления. Работу сетей из пороговых элементов, в том числе и с использованием свойства абс. рефрактерности, моделировали на ЦВМ и в виде физ. устройств типа персептронов. По мере расширения функциональных свойств моделей нейронов растут и возможности моделей сетей. Так, на моделях с переменными порогами (адалин) и переменными порогами и весами связей между элементами (пластический или адаптивный нейрон) были построены алгоритмы и устройства (типа персептронов), позволяющие производить классификацию и распознавание внешних образов, обучение и моделирование некоторых форм эволюции и целенаправленного поведения. Динамич. частотные модели нейрона позволили перейти к построению непрерывных вычисл., управляющих и обучающихся сред с аналоговым типом обработки информации, параллельной обработкой информации и приблизить работу моделей сетей к работе физиологических Н. с. Такие физ. модели сетей преследуют две цели: 1) расщирить класс задач, решаемых современными тех. устройствами и упростить процедуру решения уже решаемых задач; 2) восполнить пробел в изучении физиологических Н. с., возникающий вследствие трудностей проведения эксперимента и обработки данных, путем моделирования конкретных актов адаптации и обучения биосистем. Задачи, решаемые матем. и физ. моделями сетей, могут быть разнообразными: логические задачи; вычисл. операции в однородных средах; стохастические задачи, позволяющие выполнить вычисл. операции путем исчисления вероятностей; задачи управления, реализуемые с помощью непрерывных однородных управляющих сред; задачи приспособления, классификации и обучения, моделирования окружающей среды и организации реакций с помощью однородных схем, пригодных к изменению функциональной и структурной органивации.
Лит.: Гутчин И. Б., Кузичев А. С., Бионика и надежность. М., 1966 [библиогр. с. 280—281]; Цетлин М. Л. Исследования по теории автоматов и моделированию биологических систем. М., 1969 [библиогр. с. 306—316]; Антомонов Ю. Г. Системы. Сложность. Динамика. К., 1969 [библиогр. с. 125—126]; Карпов Р. Г. Техника частотно-импульсного моделирования. Л., 1969 [библиогр. с. 243—245]. Ю. Г. Антомонов, Л. И. Тушенков.
