2. 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.

3. 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.

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

5. 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.

6. 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.

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

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

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

5. 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.

6. 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.

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

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

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

10. 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.

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

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

13. 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.

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

15. Романов С.П. Моделирование свойств ионного канала и исследование его роли в формировании импульсной активности нейрона. - Нейрофизиология, 1989, Т. 21, №3, с. 379-389.

16. Hodgkin A.L., Huxley A.F. A quantitative description of membrane current and its application to conduction and excitation in nerve. - J. Physiology. 1952, 117, pp. 500-544.

17. Экклс Дж. Физиология синапсов. Москва: Мир. 1966. 395 с.

18. Попко К.С. Практическая реализация искусственного интеллекта. - М.: журн. «За науку». 2011. №3, с. 7-8.

19. Попко К.С. Разработка контроллера имитирующего работу биологического нейрона. - Типография УлГТУ. Сборник статей достижений молодых ученых. 2012, с. 65-77.

20. Попко К.С. Практическая реализация искусственного интеллекта. - М.: «АФК-Система», Сборник статей научных достижений молодых ученых и изобретателей. 2012, с. 13-25.

Размещено на Allbest.ru