Компьютерное моделирование биологического нейрона

Дипломная работа - Компьютеры, программирование

Другие дипломы по предмету Компьютеры, программирование

p;

.(37)

 

Изложенный процесс работы характерной функции принадлежности для данной системы представлен на рисунке 17. Здесь L1, L2, L3, уровни сигналов ввода, а Н1, Н2, Н3, соответствующие выходы нейродов, и их частотные параметры.

 

Рисунок 17 - Иллюстрация алгоритма вывода

 

Заключение

 

Анализ современных представлений о работе и поведении биологических нейронов и их математических моделей позволяет сделать вывод о том, что в настоящее время модели нейрона не отражают процессы преобразования сигналов, происходящие на мембране биологических нейронов.

Математическое описание блоков электронных аналогов нейронов, более точно воспроизводящих поведение биологического нейрона и процессы, протекающие внутри него, не позволяет алгоритмизировать весь процесс преобразования вход-выход из-за нелинейности преобразования в каждом блоке.

Основные результаты дипломной работы состоят в следующем:

. Определены основные механизмы работы синапса биологического нейрона и реализованы пороговые принципы ограничения потенциала нейрона в процессах торможения и возбуждения с их временными зависимостями.

. Предложены системы дифференциальных уравнений и разработан алгоритм работы модели биологического нейрона, описывающие процессы преобразования сигналов в естественном нейроне. Фундаментальным отличием этой модели от существующих, реализованных средствами программирования, является учет свойств пластичности в виде зависимости весов входов модели от текущего числа активных входов.

Основным преимуществом разработанной модели биологического нейрона является возможность моделировать нейрон как преобразователь импульсного (информационного) потока, с произвольной структурой дендритного аппарата.

Последовательное соединение участков мембраны моделирует длинный дендрит с функциями задержки и пространственного суммирования возбуждающих и тормозных сигналов, автоматически расставляя приоритеты синапсов в возбуждении нейрона - чем ближе участок мембраны в цепочке к низкопороговой зоне, тем эффективнее его синапсы возбуждают нейрон.

. Разработана компьютерная модель биологического нейрона. Которая описывает основные процессы его работы: пороговые принципы ограничения потенциала, принципы торможения и возбуждения и их временные зависимости, механизмы генерации последовательностей импульсов и их ограничения по потенциалу и порогу, механизм задержки поступления импульсации между нейронами и его зависимость от веса.

. Написан и скомпилирован код, реализующий работу биологического нейрона для микроконтроллера ATMega16.

. Проведены испытания работы компьютерной модели нейрона с различной структурой мембраны и расположением синапсов на ней. Установлено, что изменяя число ионных механизмов, каждую пару которых можно рассматривать как дендрит клетки, можно моделировать нейроны различных размеров, не меняя значения параметров мембраны.

. Проведен ряд численных экспериментов, показавших адекватность предложенных математических моделей естественным прототипам.

Таким образом, можно полагать, что лежащая в основе математическая модель структурно-функциональных отношений между элементами нейрона - синапс, мембрана, генератор импульсов - достаточно полно отражает работу механизмов, обеспечивающих преобразование сигналов в биологическом нейроне.

 

Список использованных источников

 

1. Романов С.П. Структурное обоснование функции нервной системы как автоматического регулятора. - Нейрокомпьютеры: разработка, применение. 2006, № 7, с. 54-63.

. Романов С.П. Нейросистемы и современные вычислительные среды. - Нейрокомпьютеры: разработка, применение. 2007, № 6, с. 96-104.

. Бахшиев А.В. Компьютерное моделирование естественных нейронных сетей. - Материалы XIV научно-технической конференции Экстремальная робототехника СПб.: Астерион, 2004.

. Бахшиев А.В. Компьютерное моделирование естественных нейронных сетей. - Материалы XIV научно-технической конференции Экстремальная робототехника СПб.: Астерион, 2004.

. Романов С.П., Бахшиев А.В. Математическая модель биологического нейрона. - Моделирование неравновесных систем - 2000: Материалы III Всероссийского семинара, Красноярск, 20-22 октября 2000 г. - Красноярск: ИПЦ КГТУ, 2000. 307 с.

. Прикладные нечеткие системы: Пер с япон./ К. Асаи, Д. Ватада, С. Иваи; под редакцией Т. Терано, К. Асаи, М. Сугэно. - М.; Мир, 1993. - 368 с ил.

. В.В. Круглов Искусственные нейронные сети. Теория и практика. - М.: Горячая линия - Телеком, 2001. 382 с.

. Беркинблит М.Б. Нейронные сети: Учебное пособие. - М.: МИРОС и ВЗМШ РАО, 1993. - 96 с.: ил.

. Робототехника, прогноз, программирование (Будущее прикладной математики. Избранные лекции) / Под ред. Г.Г. Малинецкого. - М.: ЛКИ, 2008. - 208 с.

. Методы робастного, нейро-нечеткого и адаптивного управления: Учебник / Под ред. Н.Д. Егупова; издание 2-ое, стереотипное. - М.: Изд-во им. Н.Э. Баумана, 2002. - 744 с.

. Антонов В.М. Обучаемые системы управления / В.М. Антонов - Липецк: ЛГТУ, 1998. - 415 с.

. Создаем робота-андроида своими руками / Под ред. Д. Ловина. - М.: Издательский дом ДМК-пресс, 2007 - 312 с.

. Кавыгин В.В. Алгоритм естественного обучения / В.В. Кавыгин, В.П. Морозова / Прогрессивные технологии и оборудование в машиностроении и металлургии: Сборник материалов Всероссийской научно-технической конф. Липецк: ЛГТУ, 2002, 184 с.

. Романов С.П. Модель нейрона. - Некоторые проблемы биологической кибернетики. - Л.: Наука, 1972, с. 276-282.

. Романов С.П. Моделир