Нейроинформатика

Самоадаптирующиеся нейронные сети (сети с поисковым поведением) - третье поколение нейронных сетей, сложные адаптивные системы, экспертные системы, нейропроцессоры и нейроконтроллеры и др.

Нейроинформатика сегодня уже не кажется чем-то необычным. За последние десятилетия это направление обработки и преобразования информации вышло за рамки науки и шагнуло в мир. И их применение постоянно расширяется. В этом нет ничего удивительного. Они являются тем самым пределом возможного к которому стремится вся вычислительная техника. Этот тезис убедительно обоснован в известной работе С.И.Барцева, С.Е.Гилева, В.А.Охонина в сборнике научных трудов: "Динамика химических и биологических систем.- Новосибирск: Наука. Сиб. отд-ние, 1989". Первое поколение нейронных сетей возникло в 40-х годах, но в 60-х его интерес к нейросетевым исследованием быстро упал после критических работ Минского и Пейперта. Второе поколение нейросетей ведет свою историю от начала 80-х. Интерес к нейроинформатике вновь возник благодаря работам Хопфилда, показавшего возможность преодолеть ограничения нейросетей первого поколения. В своих работах мы в ряде случаев используем ставший уже классикой Алгоритм двойственного функционирования и некоторые другие алгоритмы второго поколения. Однако они, в свою очередь, также имеют определенные ограничения, которые не позволяют решать ряд важных научных и практических задач. Для преодоления существующих ограничений автором этого сайта предложена концепция сетей с самостоятельной адаптацией (первая публикация появилась в 1997 году). Она позволяет конструировать алгоритмы обучения нейронных сетей с поисковым поведением, способные вести обучение сложных иерархических систем, работать на больших временных промежутках, поддерживать гомеостаз и т.д. Предложен ряд дополнений к классическим алгоритмам, позволяющих решать расширить их возможности. В соавторстве с Т.Ф.Баскановой разработан алгоритм самостоятельной адаптации в соответствии с требованиями концепции. Развитие этого перспективного направления и является основной темой нашей страницы.

1. Ланкин Ю.П. Реализация нейросетей с фиксированной структурой на аналоговой элементной базе / Автореферат диссертации на соискан. учен. степ. к.т.н.- Красноярск: Институт биофизики СО РАН, 1994.- 23с.

Разработаны принципы создания высокоэффективных систем автоматизированного проектирования простых, надежных, быстродействующих, экономичных, дешевых аналоговых нейропроцессоров, функционирующих в дискретном времени и предназначенных для решения фиксированного множества задач. На созданном программном обеспечении рассчитаны параметры нейропроцессора для выполнения демонстрационной задачи. По результатам программного моделирования сконструирован электронный аналоговый нейропроцессор успешно прошедший испытания.
Скопировать статью - 81.7 Kb, архив (zip) файла 'Microsoft Word 97'

2. Lankin J.P. Creation of Analog Neuronets with Fixed Structure // Modelling, Measurement & Control, A, AMSE Press, 1995, Vol.60, N3, p.55-64.

3. Ланкин Ю.П., Лалетин А.П. Моделирование изменений экологических объектов с помощью нейронных сетей // Сибирский экологический журнал.- Новосибирск: Издательство СО РАН, Т.6, № 4, 1999.- C.449-452.

Получена нейронная сеть с динамической адаптацией к теоретически неограниченному числу непрерывно и/или дискретно изменяющихся входных и выходных параметров. Выполнено исследование влияния доли стохастической компоненты во входных параметрах на качество прогноза состояния динамически-моделируемого нейросетью объекта. Показано, что качество прогноза монотонно падает с ростом "шумовой" компоненты, быстро восстанавливается после отдельных случайных выбросов, а также крайне слабая зависимость точности предсказания от случайных фазовых сдвигов в поступающих данных.
Скопировать статью - 31.7 Kb, архив (zip) файла 'Microsoft Word 97'
Скопировать демонстрационную программу - 276 Kb, архив (zip). Программа работает под Windows 95/NT, не требует инсталляции и проста в обращении.

4. Ланкин Ю.П. Самоадаптирующиеся нейронные сети / Препринт ТО N3.- Красноярск: Институт биофизики СО РАН, Теоротдел, 1997.- 21 стр.

Предложен и успешно опробирован ряд методов самостоятельной адаптации нейронных сетей, синтезированных с использованием классических нейросетевых алгоритмов и предназначенных для решения задач гомеостатирования и адаптивного управления. Эффективность методов продемонстрирована на программных моделях адаптивного управления механическим объектом. Показаны возможности решения поставленных задач с избыточной размерностью пространства управления и в условиях ограничений. Указано на перспективность разработки нейросетевых алгоритмов самоадаптации с учетом расширенных концептуальных требований для сетей этого класса.

5. Ланкин Ю.П. Адаптивные сети с самостоятельной адаптацией / Препринт ТО N4.- Красноярск: Институт биофизики СО РАН, Теоротдел, 1998.- 17 стр.

Предложена концепция создания сетей с самостоятельной адаптацией (поисковым поведением), предназначенная для реализации адаптивных сетей (и нейросетей) 3-го поколения. Концепция ориентирована на моделирования деятельности сознания, мозга, адаптивных экологических и биологических систем, построение сложных иерархических систем, гомеостатирование, адаптивное управление, а также решение традиционных задач нейроинформатики. Приведены преимущества новых сетей перед существующими нейросетевыми алгоритмами 2-го поколения. Описана идея одного из возможных алгоритмов с поисковым адаптивным поведением, разработанного для реализации требований концепции.

6. Басканова Т.Ф., Ланкин Ю.П. Алгоритмы самостоятельной адаптации для нейронных сетей / Препринт ТО N5.- Красноярск: Институт биофизики СО РАН, Теоротдел, 1998.- 14 стр.

Предложены алгоритмы самостоятельной адаптации с поисковым поведением. Алгоритмы позволяют строить сложные (в том числе иерархические) адаптивные системы, вести обучение сетей на больших промежутках времени, обучать рекуррентные сети, создавать экспертные системы, решать задачи гомеостатирования и адаптивного управления.

7. Басканова Т.Ф., Ланкин Ю.П. Нейросетевые алгоритмы самостоятельной адаптации // Научная сессия МИФИ-99. Всероссийская научно-техническая конференция "Нейроинформатика-99". Сборник научных трудов. В 3 частях. Ч.1.- М.: МИФИ, 1999.- С.17-24.

Описаны алгоритмы самостоятельной адаптации с прогнозируемым случайным поиском направления адаптации, предназначенные для решения сложных адаптивных задач по неполным данным и традиционных задач нейроинформатики.
Скопировать статью - 37.9 Kb, архив (zip) файла 'Microsoft Word 97'

8. Барцев С.И., Ланкин Ю.П. Проектирование аналоговых специализированных нейропроцессоров // Известия вузов. Радиоэлектроника, 2000.- Т.43, №9, С.72-77.

9. Басканова Т.Ф., Ланкин Ю.П. Алгоритм самостоятельной адаптации для нейронных сетей с поисковым поведением // Известия вузов. Физика, 2000.- Вып. 6, С.47-51.

10. Басканова Т.Ф., Ланкин Ю.П. Обучение нейронных сетей с поисковым поведением // Известия высших учебных заведений. Физика, 2002.- Вып.4.- С.58-62.

11. Lankin J.P., Baskanova T.F. Algorithms of self-adaptation for atmospheric model designing // SPIE, 2004. - Vol. 5397. - P. 260-270.

12. Lankin Yu.P., Lobova T.I., Popova L.Yu. Assessment of the Human Impact on the Aquatic Ecosystem of Lake Shira using Neural Network Methods // Optical Memory and Neural Networks.- Vol.15, No. 2, 2006.- P. 65-73.

13. Басканова Т.Ф., Ланкин Ю.П. Нейросети, функционирующие на больших интервалах времени // IX Всероссийская научно-техническая конференция "Нейроинформатика-2007". Научная сессия МИФИ-2007. В 3-х частях.Ч.3.- М.: МИФИ, 2007.- С. 175-182.

14. Ланкин Ю.П., Басканова Т.Ф. Методы для моделей адаптивной самоорганизации экосистем // Материалы второй Национальной конференции с международным участием "Математическое моделирование в экологии" ЭкоМатМод-2011.- Пущино: ИФХиБПП РАН, 2011.- С.147-149.
Скопировать статью (197 Kb):  LankinYP_BaskanovaTF_Metodi_adaptiv_samoorg.pdf