"Тогда как задать возбуждение рецепторов, если инспектор точно установил, что скорость автомобиля при наезде на пешехода была равна 114 км/час? Вопрос по расчёту скорости и сумме достоверности: этот математический (приведенный выше в виде контекста из материала лекции 1, страницы 3) метод справедлив к скоростным показателям выходящим за рамки диапазона 100-120. |
Перспективные нейросетевые технологии
Компьютерный человечек КОМПИ
Представим себе отрока, поздним утром вставшего в солнечный день весенних каникул и, слегка протерев заспанные глаза, уже включающего компьютер.
В "окне" появляется милая, упитанная мордашка (рис.14.4). Тут же, в углу экрана, "мышкой" или "джойстиком" наш "хорошист" с английским уклоном не очень твёрдо, но вполне узнаваемо, рисует ананас. Мордашка, в которой мы узнаём КОМПИ — популярного (пока неизвестного) героя компьютерного монитора, приходит в неописуемый восторг и радость. Все мышцы его лица, ведающие мимикой и жестами соответствующего морально-психологического состояния, приходят в движение.
Тогда наш юный джентльмен стирает рисунок. КОМПИ постепенно успокаивается, приходя в состояние недоумённого ожидания. И вот, после некоторых размышлений, художник изображает … велосипед.
"Что это такое?" — вопрошает КОМПИ.
"Это — велосипед, на нём катаются", — следует ответ.
Дальнейшая пауза свидетельствует о том, что происходит обучение нейросети. Ситуация, которая введёна на нейроны входного слоя, образующие экран для рисования, связывается с нейроном выходного слоя. Этот нейрон будет теперь соответствовать эталону — велосипеду. Этот же нейрон, в свою очередь, должен определить возбуждение нейрона, ведающего действием "то, на чём катаются". Запускаются программы, имитирующие действия КОМПИ, и он неуклюже, конечно же, неправильно и смешно, — как его учили, например, обращаться с осликом, - подминает под себя копию введённого изображения — велосипед.
Возникает потребность расширения возможности игры, введя специальные программы имитации красивого велосипеда (распознанного по корявому эталону) и всех действий КОМПИ по езде на нём.
Диагностика
Представляется, что диагностика – самое прямое назначение рассматриваемых логических нейросетей. Действительно, именно в этой области непосредственно проявляется принцип логического мышления на основе причинно-следственных связей вида "если - то".
Это относится как к техническим, так и к медицинским системам. Более того, практически всегда отсутствующая полнота информации, зачастую её противоречивость, нечёткость проявлений, "зашумлённость", приводят к актуальности принципа ассоциативного мышления, основанного на опыте коллектива экспертов (в медицине – консилиума).
В > "Медицинские информационно-справочные системы на логических нейронных сетях" достаточно полно рассмотрена медицинская информационно-справочная система. Однако некоторые дополнения с точки зрения обобщения и развития следует произвести.
Рассмотрим фрагмент проекта системы диагностики (рис.14.5).
Рецепторный слой отображает жалобы больного, симптомы и результаты анализов. Нейроны выходного слоя связаны с высказываниями (текстами), определяющими диагноз или рекомендации дальнейших действий по его уточнению.
Рассмотрим жалобу {болит голова, болит живот, болит левый указательный пальчик}.
По-видимому, этой информации недостаточно для вынесения приговора. Должны быть рекомендованы дальнейшие действия медицинского персонала по уточнению диагноза. Такие действия связаны с максимальным возбуждением нейронов выходного слоя из области рекомендаций. При выполнении этих рекомендаций, т.е. при возбуждении рецепторов, их отображающих (например, рецепторов, соответствующих результатам анализа мочи), использованное возбуждение нейронов выходного слоя, выдавших рекомендации, снижается с помощью связей с отрицательными весами. Таким образом, реализуется стратегия поиска диагноза. Окончательный диагноз определяется тогда, когда максимально возбудится нейрон выходного слоя из соответствующей области.
Данный пример свидетельствует о той грандиозной и только коллективной, технически оснащённой глубине познаний человечества, воплощённой в столь несложной обученной нейронной сети.