Определение нейрокомпьютера
Под термином нейрокомпьютер понимается вычислительная система (система, производящая обработку информации), моделирующая с той или иной степенью точности реальные биологические нейросети, и обладающая следующими основными свойствами:
§ Значащим уровнем анализа является не активность одного элемента, но паттерн активности многих элементов
§ Система состоит из простых элементов и сложных связей между ними
§ Элементы взаимодействуют посредством возбуждения и торможения
§ Эффективность обработки информации осуществляется не за счет высокого быстродействия отдельных элементов, а за счет одновременной работы многих элементов (массовый параллелизм).
§ Минимальный контроль извне: система сама определяет свое поведение, как правило, это стремление к устойчивому состоянию
§ Поведение системы не программируется заранее, а формируется за счет её обучения (модификации пластических элементов)
§ Правила модификации локальны (определяются текущим состоянием и активностью в окрестности точки локализации)*
§ Система устойчива к потере небольших объемов информации и флуктуациям состояния отдельных элементов**
* Это свойство необязательно, но оно позволяет существенно упростить аппаратную реализацию нейросетевых моделей, когда будет необходимо создавать множество связей между элементами.
** Это свойство является особенностью биологических нейросетей, в которых постоянно происходит потеря информации за счет гибели клеток и естественных физиологических процессов.
В таблице 1 приведены основные отличия нейрокомпьтера от классического компьютера - машины Фон Неймана:
Таблица 1
Отличие нейрокомпьютера от машины Фон Неймана
| Машина фон Неймана | Биологическая нейронная система | |
| Процессор | Сложный | Простой |
| Высокоскоростной | Низкоскоростной | |
| Один или несколько | Большое количество | |
| Память | Отделена от процессора | Интегрирована в процессор |
| Локализована | Распределенная | |
| Адресация не по содержанию | Адресация по содержанию | |
| Вычисления | Централизованные | Распределенные |
| Последовательные | Параллельные | |
| Хранимые программы | Самообучение | |
| Надежность | Высокая уязвимость | Живучесть |
Пример одного слоя простейшей нейросети изображен на рис.1. В основе большинства нейросетевых моделей лежит концепция распространения информации от одного слоя к другому по связям (матрица связей W). При этом сигналы представляются векторами (X,Y), и обработка сигнала в одном слое выглядит следующим образом:
X-вектор входа,
А-вектор нейронных входов,
Y – вектор выхода.
Пример одного слоя простой нейросети
Рис. 1
В разделе 5.2 подробно описывается выбранная для построения системы анализа речи модель нейросети. За более полной информацией по существующим нейросетевым алгоритмам обращайтесь к [1],[6],[7],[8].