?
On a Type of Artificial Neural Network Based on Neurons with Temporal Summation of Signals
Большая часть современных нейросетевых парадигм манипулирует нейроподобными элементами с пространственной суммацией сигналов. В настоящее время искусственные нейронные сети усложнились введением в модель нейрона свойств накопления значения потенциала в синапсе, задержек при проведении сигнала по аксону – импульсные сети [1]. Интересные свойства искусственная нейронная сеть приобретает в случае использования нейроподобных элементов с временной суммацией сигналов – включением в модель нейрона задержек в дендрите – на входе в нейрон. Влияние электронекомпактности нейрона на процессы взаимодействия постсинаптических потенциалов приводит к формированию принципиально иного, чем в большинстве существующих искусственных нейронных сетей, подхода к обработке информации такими нейронами. Возникающая в результате упомянутой электронекомпактности зависимость реакции нейрона на временную структуру последовательности входных сигналов дает возможность избирательно адресовать один конкретный нейрон из множества подобных. Такая избирательная адресация приводит к принципиально иному пониманию структуры обработки информации в нейроне. Различные распределения возбуждающих и тормозных синапсов на этой модели дендрита как адреса конкретных нейронов моделируются вершинами n-мерного единичного гиперкуба в многомерном пространстве Rn. Тогда любая входная последовательность может быть представлена как последовательность сработавших нейронов – траектория в многомерном сигнальном пространстве, при условии, что этих адресов (нейронов с соответствующими распределениями возбуждающих и тормозных синапсов) будет полное множество. В бинарном случае – 2n, где n – длина регистра сдвига.