Компьютерные системы, основанные на биологических моделях: ..материальная реализация, т.е. техническое выполнение нейтронных сетей, нейронов или частей нейронов – G06N 3/06

Изобретение относится к медицинской кибернетике, бионике, нейроинформатике, в частности к области разработки сетевых систем для моделирования нейрофизиологических процессов, а также к созданию информационно-управляющих устройств и биотехнических комплексов двигательной регуляции. Техническим результатом является повышение точности нейросетевого моделирования с учетом реальных свойств нейронов головного мозга человека и животных; лучшее понимание процессов, происходящих в нейроне-прототипе, а также использование воспроизведенных процессов обработки сигналов в нервных клетках для создания искусственных интеллектуальных систем. Устройство содержит совокупность нейроподобных элементов, каждый из которых содержит блоки изменения синаптических весов, сумматор, компаратор, преобразователь, генератор случайных чисел, умножитель, блок импульсного стробирования и блок пролонгации, управляющий компаратором, а также сумматор с контуром положительной обратной связи. 4 ил.

Изобретения относятся к нефтегазовой геологии и могут быть использованы для прогнозирования свойств подземной формации буровой площадки. Техническим результатом является повышение точности. Способ содержит этапы: получают сейсмические данные для области, представляющей интерес; получают исходный сейсмический куб с использованием указанных сейсмических данных, причем исходный сейсмический куб представляет собой трехмерное представление сейсмических данных; формируют множество сдвинутых сейсмических кубов в области, представляющей интерес, с использованием указанных сейсмических данных, и параметра сдвига, причем каждый из множества сдвинутых сейсмических кубов является сдвинутым от исходного сейсмического куба; и причем посредством параметра сдвига задают направление и предел, в котором исходный сейсмический куб должен быть сдвинут; формируют нейронную сеть с использованием исходного сейсмического куба, множества сдвинутых сейсмических кубов и данных каротажной диаграммы скважины; и применяют нейронную сеть к указанным сейсмическим данным для получения модели области, представляющей интерес, причем модель сконфигурирована для использования в корректировке операции буровой площадки. 3 н. и 17 з.п. ф-лы, 19 ил.

Изобретение относится к области компьютерных сетей. Технический результат - одновременное повышение точности определения и качества идентификации диагнозов, определения показаний к проведению операций, повышение избирательности при проведении операции, точности в определении последовательности операций, моделирования операций, точности в выборе анестезиологического пособия, точности обеспечения имплантатами и расходными материалами, обеспечение оптимизации потоков информации и потребностей при производстве витреоретинальных офтальмомикрохирургических операций. Технический результат достигается тем, что в локальной компьютерной офтальмомикрохирургической сети витреоретинальных операций форматирующие устройства выполнены в виде радиально-кольцевой структуры, состоящей из единой совокупности автоматизированных рабочих мест (АРМ), являющихся синхронно и асинхронно функционирующими, обрабатывающими, преобразующими, передающими, анализирующими, синтезирующими иерархическими структурами искусственной нейронной сети: АРМ диагностики (АРМД), АРМ офтальмомикрохирургии (АРМХ), АРМ последующих этапов операции (АРМПЭО), АРМ комплектующих (АРМК), АРМ хирургического оперблока (АРМХО), с встречными прямыми и обратными потоками распространения информации между ними, причем каждый АРМ содержит, по крайней мере, одну нейронную цепочку связанных между собой блоков идентификации (БИ), блоком интерполяции (БИН), блоком экстраполяции (БЭ), являющимися преобразующими и передающими элементами нейронной сети (ППЭНС), блоком принятия решения (БПР), являющимся элементом анализа и синтеза нейронной сети (АСНС). 1 ил.

Изобретение относится к нейрокибернетике и может быть использовано в искусственных нейронных сетях при решении различных задач обработки данных, таких как обработка изображений и распознавание образов, предсказание сигналов. Техническим результатом является обеспечение возможности реализации (аппроксимации) моделью нейрона любой заданной булевой логической функции из полного их набора от n переменных (обеспечение функциональной полноты модели нейрона). Способ моделирования нейрона основан на том, что в весовых блоках вычисляют квадраты евклидова расстояния от вектора входа до каждой из 2ⁿ вершин единичного n-мерного куба, затем величины, обратные этим расстояниям, перемножают соответственно с компонентами целевого вектора, после чего суммируют в сумматоре и преобразуют в активационном блоке функцией активации. 6 ил., 1 табл.

Заявленное устройство относится к области вычислительной техники и может использоваться для создания сложных автоматических систем управления и систем с искусственным интеллектом, в том числе - для управления оборудованием и технологическими процессами в машиностроении, систем автоматического управления авиационной и космической техникой и т.д. Техническим результатом является повышение скорости принятия решения, возможность наращивания слоев и модулей в каждом слое в процессе эксплуатации системы, при усложнении задачи, повышение надежности вычислительной системы. Устройство многослойной модульной вычислительной системы содержит несколько слоев, включая слой нейронной сети, транспортный слой и процессорный слой, причем транспортный слой содержит модули сетевых контроллеров-маршрутизаторов, процессорный слой содержит процессорные модули, а все упомянутые модули имеют много входов и много выходов, соединенных между собой и подсоединенных к входам и выходам системы, при этом процессорные модули выполняют функции обучения модулей доменов нейронной сети. 2 з.п. ф-лы, 1 ил.

Изобретение относится к вычислительной технике и может быть использовано для построения модулярных нейрокомпьютеров, функционирующих в симметричной системе остаточных классов. Техническим результатом является уменьшение аппаратной сложности. Заявленная нейронная сеть содержит блок нейронной сети конечного кольца формирования старшего коэффициента обобщенной позиционной системы счисления, блок сдвига полярности, блок определения ошибки, шины «есть ошибки» и «нет ошибки». 3 ил.

Изобретение относится к нейрокомпьютерам. Техническим результатом является повышение быстродействия для обеспечения возможности различать изменения состояния обрабатываемых сигналов, повышение помехоустойчивости, обеспечение возможности создания сверхсложных нейронных сетей, упрощение конструкции. Устройство содержит блок хранения бинарного входного сигнала, логическую схему И-ИЛИ, блок внутренней памяти, блок формирования выходной последовательности кодов, генератор синхронизирующих импульсов, блок управления, блок выбора строк и извлечения информации, блок анализа, блок коррекции. 2 н. и 7 з.п. ф-лы, 1 ил.

Изобретение относится к вычислительным модулярным нейрокомпьютерным системам. Техническим результатом является расширение функциональных возможностей, повышение скорости деления и уменьшение объема оборудования. Нейронная сеть содержит входной слой нейронов, на входы которых поступают остатки делимого числа по системе модулей, (n-1) нейронных сетей конечного кольца для суммирования, (n-1) нейронных сетей конечного кольца для умножения, нейронную сеть для расширения кортежа числовой системы вычетов, выходом нейронной сети для деления чисел, представленных в системе остаточных классов, являются выходы нейронной сети конечного кольца для умножения и выход нейронной сети для расширения кортежа числовой системы вычетов. 1 ил.

Изобретение относится к нейроподобным вычислительным структурам и может быть использовано в качестве процессора вычислительных систем с высоким быстродействием. Техническим результатом является повышение скорости обработки информации за счет повышения степени распараллеливания вычислительных процессов. Устройство содержит искусственную нейроподобную сеть из аналоговых нейронов, по меньшей мере, один блок регулируемых напряжений, группу аксоноподобных узлов нелинейной связи, каждый из которых содержит последовательно соединенные схему согласования и выделения огибающей радиоимпульса, автогенератор со схемой самогашения, отрезок коаксиальной линии, выполняющий функции антенны, дополнительную схему согласования и выделения огибающей радиоимпульса. 2 ил.

Изобретение относится к нейрокибернетике и может быть использовано в искусственных нейронных сетях при решении различных задач логической обработки двоичных данных. Техническим результатом является реализация одним нейроном первого порядка логической функции неравнозначности от двух переменных. Способ реализации нейроном с двумя входами логической функции неравнозначности основан на том, что входные сигналы перемножают с соответствующими весовыми коэффициентами и суммируют, после чего сумму преобразуют в активационном блоке сначала квадратичной функцией передачи, а затем пороговой функцией на выходе нейрона. 5 ил., 1 табл.

Нейронная сеть для обнаружения, локализации и исправления ошибок в системе остаточных классов относится к вычислительной технике и может быть использована в модулярных нейрокомпьютерных системах. Техническим результатом является повышение скорости коррекции ошибок, сокращение оборудования, а также расширение функциональных возможностей. Для этого нейронная сеть содержит входной слой, нейронные сети конечного кольца для определения синдрома ошибок, блок памяти для хранения констант, нейронные сети для вычисления правильного результата и элемент ИЛИ для определения наличия ошибки. 1 ил., 3 табл.

Изобретение относится к кибернетике и может быть использовано в качестве ячейки нейронных сетей. Техническим результатом является создание нейроподобного элемента для реализации на его основе нейросети для решения класса задач оценки функционирования открытых сложных систем, оценки степени оптимальности различных решений путем обеспечения возможности построения модели исследуемой системы, как иерархической, так и рекуррентной, с учетом различного исходного и рабочего состояния ее элементов и вариантов их функционирования, учитывая при моделировании уровень самодостаточности нейроподобных элементов, подверженность воздействию внешних сигналов, тип и погрешности задания их параметров и параметров входных сигналов, а также обеспечение заданной точности самообучения нейросети. Устройство содержит блок входа, блок установки и нормировки весовых коэффициентов, блок расчета параметров входных сигналов, сумматор, ограничитель доли сигналов, блок расчета входной части состояния, блок задания внутреннего состояния, блок расчета внутренней части состояния, блок расчета состояния, блок памяти, анализатор величины изменения состояния, блок установки точности самообучения нейросети, блок детерминированных зависимостей, переключателя, блок выхода, блок управления, генераторы случайных чисел. 1 з.п. ф-лы, 1 ил.