roboforum.ru

спасибо, очень интересно

Подход несомненно спорный. Об "ИИ" даже речь не веду, тем более, что по моему мнению абстрактные рассуждения на эту тематику не слишком ценны.

Пока ближайшая локальная цель - потестировать на модели простейшие нейронные структуры, с целью:
а) увидеть насколько качественно реакции модели соотвествуют/не соответствуют реакциям естественных структур.
б) попытаться понять "физический смысл" таких структур и как построить их аналоги для технических систем.

С современными биохимическими моделями конкурировать даже не пытаемся, у них иное назначение и иной порядок сложности.

Недавно получились успешные результаты по моделированию реакций отдельных нейронов C.Elegans (нематода) (особенность некоторых нейронов - несколько устойчивых состояний мембранного потенциала). Добавились (без модификации собственно уравнений, только организацией связей между модулями модели) простые но дающие неплохие результаты описания электрического синапса и дендро-дендритных взаимодействий. Получилось построить на модели пейсмекерные нейроны, погонять простейшие взаимодействия сигналов на дендритах. Пока все достаточно тривиально.

Пока описания на эту тему не готовы, надеюсь через пару недель оформить результаты.

Это прекрасно, но не очень понятно, как это можно использовать?
Тем более на Ардуино...

Наверное можно заняться разведением червей... раз они так популярны.

shadowjack, оо, вы тоже интересуетесь нематодой.

Большинство моделей нейронов начисто игнорируют структуру дендритного аппарата и особенности преобразования сигналов на нем. Полагаю, что в случае с моделированием какой то НС в лоб, это неприемлимо. Слишком большую роль будут играть хотя бы временные задержки распространения сигналов на мембране.

Но аппаратно реализованная модель нейрона это интересно. Я сейчас мучаюсь с тем что мои модельки на компе считаются так медленно, что достаточно большую сеть в рилтайме обсчитать не выходит. Пока мучаю минимальный набор - базовый уровень управления парой "мышечных волокон". В качестве мышц выступает движок постоянного тока. На модели все красиво, а вот с реальным манипулятором все не так оптимистично, и здесь возникает желание перенести часть обработки в железо. Пока для себя сделал такой вывод - можно пытаться моделировать НС на компе для управления реальным железом в рилтайме, но нужно выносить в контроллер афферентную и эфферентную часть. Т.е. сенсорику, и ту часть нейронов, которая уже непосредственно формирует управление устройством.

Боюсь, что реализацию нескольких нейронов на "ардуино" назвать "аппаратной реализацией" - это огромная натяжка. А уж сравнивать скорости ТАКОЙ реализации с компьютером - и вовсе странно.

Ну, я привел пример где и несколько нейронов уже могут помочь. У меня в модели управления движком, 6 афферентных нейронов и 2 эфферента. Ценность такой реализации может быть именно в том, что на той же плате можно реализовать например управление устройством. Хотя проблема быстродействия и ширины канала связи между основной сетью и ее взаимодействующей с внешним миром частью остается.

Про цели не уверен, что ко мне вопрос. Лично моя цель сейчас проста. Попытаться показать, что сеть управляющая парой мышечных волокон может управлять и движком. Пока - задача стабилизации угла поворота звена манипулятора под действием внешних сил. Естественно это не есть конечная цель, а способ проверки модели нейрона, методов формирования структуры мембраны нейрона в зависимости от роли нейрона в сети, и подхода как такового. Ясно, что конкретно такую задачу (стабилизации угла) проще решить общепринятыми методами.

Вот здесь есть обзор моделей импульсных нейронов: http://icwww.epfl.ch/~gerstner/SPNM/SPNM.html - начиная от точных (четыре и более переменных состояния), к точным для моделирования поведения сети (две переменных состояния) до простых (одна переменная). Там есть и анализ, сравнение и т.д. Там же описаны и модели дендритов. Только для применений в области управления (а не моделирования биологических нейронов) они, судя по всему, не нужны.
Модель с двумя переменными, которую я использую, достаточна, чтобы воспроизвести основные качества нейронов. По ссылке в моем первом посте достаточно много про нее описано.
Возбуждать извесно как - либо импульсами, либо током. Тип сенсора в зависимости от задачи и природы сенсора - либо пороговый, либо пропорциональный. Эффекторы управляются частотой импульсов (например, чаще импульсы - больше скважность ШИМ-а).
По реализации: с плавающей точкой производительность поднялась до 5-ти нейронов, сделал реализацию на целых числах - на 12 нейронах еще есть запас по производительности, кончается память (по памяти еще не оптимизировал). Точность целочисленной реализации - приемлемая (ко времени срабатывания первого нейрона набегает 1мс, т.е. шаг), и скорее всего, еще будет улучшена.