Формирование самоорганизующихся отображений сенсорных сигналов на непрерывные нейросетевые аттракторы
Соловьева К.П.
Центр оптико-нейронных технологий, Научно-исследовательский институт системных исследований, Российская академия наук, Москва, 119333, Россия
Московский физико-технический институт (Государственный университет), Долгопрудный, Московская область, 141700, Россия
АНО “Мир 2045”, Москва, 119270, Россия
Аннотация: В работе описывается простая модельная нейронная система, в которой осуществляется самоорганизующееся отображение многомерных рецепторных сигналов R-мерного пространства (где R – количество рецепторов) на состояния сети из N взаимодействующих нейронов. Рекуррентная сеть из N взаимодействующих нейронов обладает одномерным непрерывным аттрактором («Bump attractor»). В отличие от нейрообразной конструкции Т. Кохонена, отображение входного сигнала осуществлялось на устойчивые состояния рекуррентной сети. В том случае, когда множество входных сигналов представляло собой одномерное циклическое многообразие в R-мерном пространстве, а нейронная сеть представляла полное кольцо нейронов с локальными возбуждающими связями, в результате процесса обучения формировалось топологически корректное отображение множества входных сигналов на устойчивые состояния нейронной сети. Продемонстрированы свойства системы, устойчивые к детализации модели нейрона.
Ключевые слова: самоорганизующееся отображение, непрерывный аттрактор, нейрон МакКаллока–Питтса, обучение, карты Кохонена.