?
Программная реализация нейросетевого арифметического сумматора
Постановка проблемы. Построение интегрированных субсимволических систем является важным научным направлением. Клю- чевую роль в создании этих систем играет реализация символических правил в виде нейросетевых архитектур. При этом существует актуальная задача создания нейронных сетей для решения значимых интеллектуальных проблем без предварительного обучения для моделирования вычислительных процессов в перспективных массово-параллельных вычислительных средах. Каждая компонен- та такой среды играет роль единого нейрона или небольшой подсети. Эти распределённые вычислительные среды должны быть также устойчивы к отказу определенных элементов, улучшаться во времени и работать без центрального контроля. Первым шагом на пути решения этой задачи может выступать создание искусственной нейронной сети, способной к созданию точного решения для особо выбранной мотивирующей проблемы, которая сочетает различные интеллектуальные операции на сложных символиче- ских структурах. Задача многокритериального лингвистического принятия решений может быть выбрана как пример подходящий мотивирующий проблемы. Агрегация лингвистических оценок является ключевым элементом нечётких моделей принятия решений и включает три этапа: 1) перевод оценок, выраженных в форме экземпляров 2-tuple, в численные представления; 2) применение операторов агрегации; 3) обратный перевод результатов в вид 2-tuple. Для выражения агрегации лингвистических оценок на нейросетевом уровне предлагается использовать арифметику, построенную на основе тензорных представлений.
Цель. Создать архитектуру искусственной нейронной сети (ИНС), способную к получению арифметической суммы двух чисел, зако- дированных в виде тензорных представлений (ТЗП), без тренировки.
Результаты. Нейросетевой арифметический сумматор был реализован и исследован с помощью библиотеки Keras. Показано, что архитектура нейросетевого примитива, принимающего в качестве входа распределённое представление символических структур, подтверждает гипотезу о возможности реализации в виде нейросетевых архитектур различных символических правил, таких как аг- регация лингвистических оценок в процессе принятия решений.
Практическая значимость. Предлагаемый примитив основывается на анализе произвольных символических структур и может быть использован как нейросетевой сумматор. Такую сеть легко расширять и поддерживать, а также появляется потенциал для по- вторного использования этой сети для решения других символических операций на субсимволическом уровне, а используемый под- ход по генерации нейронных сетей, способных кодировать и манипулировать структурами на тензорном уровне, может быть ис- пользован в широком спектре когнитивных систем.