Биологический нейрон формальная модель Нейрона У. Маккалока и У. Питтса презентация

3 П
Красков Андрей
Кирсанов Михаил

ОБЛАСТНОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ СРЕДНЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ БОРОВИЧСКИЙ ПЕДАГОГИЧЕСКИЙ КОЛЛЕДЖ

единица нервной системы. Эта клетка имеет сложное строение, высокоспециализирована и по структуре содержит ядро, тело клетки и отростки. В организме человека насчитывается более ста миллиардов нейронов

мембраной из двойного слоя липидов. Липиды состоят из гидрофильных головок и гидрофобных хвостов, расположены гидрофобными хвостами друг к другу, образуя гидрофобный слой, который пропускает только жирорастворимые вещества.

глобул), на которых можно наблюдать наросты полисахаридов (гликокаликс), благодаря которым клетка воспринимает внешнее раздражение, и интегральные белки, пронизывающие мембрану насквозь, в которых находятся ионные каналы.

ядро (с большим количеством ядерных пор) и органеллы (в том числе сильно развитый шероховатый ЭПР с активными рибосомами, аппарат Гольджи), а также из отростков. Выделяют два вида отростков: дендриты и аксон. Нейрон имеет развитый и сложный цитоскелет, проникающий в его отростки. Цитоскелет поддерживает форму клетки, его нити служат «рельсами» для транспорта органелл и упакованных в мембранные пузырьки веществ (например, нейромедиаторов).

Биологический прототип: Тело клетки

нм) — состоят из белка тубулина и тянутся от нейрона по аксону, вплоть до нервных окончаний. Нейрофиламенты (Д = 10 нм) — вместе с микротрубочками обеспечивают внутриклеточный транспорт веществ. Микрофиламенты (Д = 5 нм) — состоят из белков актина и миозина, особенно выражены в растущих нервных отростках и в нейроглии. В теле нейрона выявляется развитый синтетический аппарат, гранулярная ЭПС нейрона окрашивается базофильно и известна под названием «тигроид».

Биологический прототип: Тело клетки

от начала аксона, что служит гистологическим признаком аксона. Нейроны различаются по форме, числу отростков и функциям. В зависимости от функции выделяют чувствительные, эффекторные(двигательные, секреторные) и вставочные. Чувствительные нейроны воспринимают раздражения, преобразуют их в нервные импульсы и передают в мозг. Эффекторные (от лат. эффектус — действие) — вырабатывают и посылают команды к рабочим органам. Вставочные — осуществляют связь между чувствительными и двигательными нейронами, участвуют в обработке информации и выработке команд.

Биологический прототип: Тело клетки

от тела нейрона или от нейрона к исполнительному органу. Дендриты — как правило, короткие и сильно разветвлённые отростки, служащие главным местом образования влияющих на нейрон возбуждающих и тормозных синапсов (разные нейроны имеют различное соотношение длины аксона и дендритов), и которые передают возбуждение к телу нейрона. Нейрон может иметь несколько дендритов и обычно только один аксон. Один нейрон может иметь связи со многими (до 20-и тысяч) другими нейронами.
 
Дендриты делятся дихотомически, аксоны же дают коллатерали. В узлах ветвления обычно сосредоточены митохондрии.
Дендриты не имеют миелиновой оболочки, аксоны же могут её иметь. Местом генерации возбуждения у большинства нейронов является аксонный холмик — образование в месте отхождения аксона от тела. У всех нейронов эта зона называется триггерной.
.

Биологический прототип: Дендриты и аксон

сосредоточены митохондрии.
Дендриты не имеют миелиновой оболочки, аксоны же могут её иметь. Местом генерации возбуждения у большинства нейронов является аксонный холмик — образование в месте отхождения аксона от тела. У всех нейронов эта зона называется триггерной.

Биологический прототип: Дендриты и аксон

от тела нейрона или от нейрона к исполнительному органу. Дендриты — как правило, короткие и сильно разветвлённые отростки, служащие главным местом образования влияющих на нейрон возбуждающих и тормозных синапсов (разные нейроны имеют различное соотношение длины аксона и дендритов), и которые передают возбуждение к телу нейрона. Нейрон может иметь несколько дендритов и обычно только один аксон. Один нейрон может иметь связи со многими (до 20-и тысяч) другими нейронами.
 

Биологический прототип: Дендриты и аксон

место контакта между двумя нейронами или между нейроном и получающей сигнал эффекторной клеткой. Служит для передачи нервного импульса между двумя клетками, причём в ходе синаптической передачи амплитуда и частота сигнала могут регулироваться. Одни синапсы вызывают деполяризацию нейрона, другие — гиперполяризацию; первые являются возбуждающими, вторые — тормозными. Обычно для возбуждения нейрона необходимо раздражение от нескольких возбуждающих синапсов.

Биологический прототип: Синапс

искусственной нейронной сети, являющийся упрощённой моделью естественного нейрона. Математически, искусственный нейрон обычно представляют как некоторую нелинейную функцию от единственного аргумента — линейной комбинации всех входных сигналов. Данную функцию называют функцией активации или функцией срабатывания, передаточной функцией. Полученный результат посылается на единственный выход. Такие искусственные нейроны объединяют в сети — соединяют выходы одних нейронов с входами других. Искусственные нейроны и сети являются основными элементами идеального нейрокомпьютера

Искусственный нейрон

вместе с моделью сети, состоящей из этих нейронов. Авторы показали, что сеть на таких элементах может выполнять числовые и логические операции. Практически сеть была реализована Фрэнком Розенблаттом в 1958 году как компьютерная программа, а впоследствии как электронное устройство — перцептрон. Первоначально нейрон мог оперировать только с сигналами логического нуля и логической единицы, поскольку был построен на основе биологического прототипа, который может пребывать только в двух состояниях — возбужденном или невозбужденном. Развитие нейронных сетей показало, что для расширения области их применения необходимо, чтобы нейрон мог работать не только с бинарными, но и с непрерывными (аналоговыми) сигналами. Такое обобщение модели нейрона было сделано Уидроу и Хоффом, которые предложили в качестве функции срабатывания нейрона использовать логистическую кривую.

История развития

вместе с моделью сети, состоящей из этих нейронов. Авторы показали, что сеть на таких элементах может выполнять числовые и логические операции. Практически сеть была реализована Фрэнком Розенблаттом в 1958 году как компьютерная программа, а впоследствии как электронное устройство — перцептрон. Первоначально нейрон мог оперировать только с сигналами логического нуля и логической единицы, поскольку был построен на основе биологического прототипа, который может пребывать только в двух состояниях — возбужденном или невозбужденном. Развитие нейронных сетей показало, что для расширения области их применения необходимо, чтобы нейрон мог работать не только с бинарными, но и с непрерывными (аналоговыми) сигналами. Такое обобщение модели нейрона было сделано Уидроу и Хоффом, которые предложили в качестве функции срабатывания нейрона использовать логистическую кривую.

История развития

и развитая Клини. Впервые было установлено, что НС могут выполнять любые логические операции и вообще любые преобразования, реализуемые дискретными устройствами с конечной памятью. Эта модель легла в основу теории логических сетей и конечных автоматов и активно использовалась психологами и нейрофизиологами при моделировании некоторых локальных процессов нервной деятельности. В силу своей дискретности она вполне согласуется с компьютерной парадигмой и, более того, служит её «нейронным фундаментом».

Значения этих признаков будем трактовать как величины импульсов, поступающих на вход нейрона через входных синапсов. Будем считать, что, попадая в нейрон, импульсы складываются с весами ω1,…,ωn.
Если вес положительный, то соответствующий синапс возбуждающий, если отрицательный, то тормозящий. Если суммарный импульс превышает заданный порог активации ω0, то нейрон возбуждается и выдаёт на выходе 1, иначе выдаётся 0.
Таким образом, нейрон вычисляет n-арную булеву функцию
где - ступенчатая функция Хевисайда.
В теории нейронных сетей функцию φ, преобразующую значение суммарного импульса в выходное значение нейрона, принято называть функцией активации. Таким образом, модель МакКаллока-Питтса эквивалентна пороговому линейному классификатору.

в 1943 году У. МакКалок и его ученик У. Питтс сформулировали основные положения теории деятельности головного мозга.
 Ими были получены следующие результаты:
разработана модель нейрона как простейшего процессорного элемента, выполняющего вычисление переходной функции от скалярного произведения вектора входных сигналов и вектора весовых коэффициентов;
предложена конструкция сети таких элементов для выполнения логических и арифметических операций;
сделано основополагающее предположение о том, что такая сеть способна обучаться, распознавать образы, обобщать полученную информацию.

функции. В формализме У. Маккалока-Питтса нейроны имеют состояния 0, 1 и пороговую логику перехода из состояния в состояние. Каждый нейрон в сети определяет взвешенную сумму состояний всех других нейронов и сравнивает ее с порогом, чтобы определить свое собственное состояние.
Пороговый вид функции не предоставляет нейронной сети достаточную гибкость при обучении и настройке на заданную задачу. Если значение вычисленного скалярного произведения, даже незначительно, не достигает до заданного порога, то выходной сигнал не формируется вовсе и нейрон «не срабатывает». Это значит, что теряется интенсивность выходного сигнала (аксона) данного нейрона и, следовательно, формируется невысокое значение уровня на взвешенных входах в следующем слое нейронов.
К тому же модель не учитывает многих особенностей работы реальных нейронов (импульсного характера активности, нелинейности суммирования входной информации, рефрактерности).

многие утверждения МакКалока остаются актуальными и поныне. В частности, при большом разнообразии моделей нейронов принцип их действия, заложенный МакКалоком и Питтсом, остается неизменным.