Ф.Ницше

Классическое задание модели самообучающейся систем предполагает решение следующих задач:

1) создание модели отдельного элемента;

2) определение топологии связей между элементами;

3) определение правил изменения связей при получении данной системой информации.

При этом в зависимости от способа решения названных задач получаемая модель может менять свое название в достаточно широком диапазоне имен — от классической компьютерной программы с операторами условия до нейросети.

В данной работе в качестве основы построения модели утверждается, что принципиально новая для системы информация приводит к рождению новых или гибели имеющихся у системы элементов, т.е. к перечисленным выше пунктам добавляется еще один:

4) определение правил рождения и гибели элементовсистемы.Далее попробуем пойти следующим путем:

1) зададим множество случайно связанных элементов, каждыйиз которых способен самостоятельно решать какую-либо задачу;

2) определим правила функционирования этого множества случайно связанных элементов так, чтобы обучающая выборка, поступающая на его входы и выходы, приводила к уничтожению тех элементов, которые максимально мешают получению требуемого результата.

Воспользовавшись приведенными неформальными обоснованиями, выдвинем следующие правила, которые и образуют базис модели саморазрушающихся нейросетей:

1) каждая система состоит из множества простейших неделимых частиц— формальных нейронов, которые в дальнейшем будем называть просто нейронами или элементами системы;

2) каждый нейрон связан с несколькими другими формальными нейронами, не обязательно ближайшими соседями;

3) входные и выходные сигналы (сообщения) для формального нейрона в данной модели будем обозначать целыми положительными и отрицательными числами. При этом наличие "О" рассматривается как отсутствие сигнала;

4) каждый нейрон суммирует поступающие в него сигналы (сообщения) по всем связям (каналам);

5) выходным каналом является тот, по которому поступил сигнал наименьшей "силы";

6) выходной сигнал по выходному каналу j рассчитывается по следующей формуле

Wj = (ΣVi) – Vj

где

ΣVi — сумма всех входных сигналов по всем каналам кроме j

Vj — входной сигнал по каналу j.

7) передача сигнала от одного нейрона к другому по одной связи приводит к его затуханию (уменьшению на 1) и осуществляется за единицу времени;

8) блокирование нейрона, т.е. создание условий при которых нейрон в течение определенного времени (к единиц) не может выдавать никакого выходного сигнала по причине воздействия на него равными по величине, но противоположными по содержанию сообщениями, приводит к его уничтожению;

9) создание условий при которых нейрон выдает выходной сигнал в канал, по которому поступает противоположный по знаку сигнал, приводит к переключению более слабого нейрона, т.е. к смене знака сигнала;

10) v-кратное переключение нейрона приводит к его уничтожению;

11) при смене масштаба наблюдения (элемент, подсистема, система, суперсистема и т.д.) принципы, изложенные в п.п.1—10, сохраняются, меняется только язык взаимодействия объектов исследуемого образования.

Для программирования систем по принципу изменения связей (нейросети) существуют сотни методик, базирующихся на разных типах структур, возможности элементов и их связей. Точно такое же многообразие учебных программ существует для обучения систем на принципе гибели элементов. Понятно, что перечисленные выше одиннадцать правил образуют один из возможных вариантов самообучения системы на принципе гибели элементов. Сложность или простота общей схемы обучения во многом определяются функциональными возможностями элементов, составляющих эти системы.

В разделе 1.1 была продемонстрирована одна из схем обучения на принципе уничтожения элементов, здесь будет предложена несколько иная, основанная на том же самом принципе, но более примитивная. Примитивизм обусловлен тем, что в отличие от схемы раздела 1.1 в данном случае элементы систем функционально подобны, а значит, могут быть унифицированы правила, управляющие их поведением, рождением и смертью.

Возьмем для рассмотрения исходную структуру, состоящую из девяти функционально однородных элементов, соединенных друг с другом в случайном порядке. Входные и выходные элементы для данной структуры на рис. 1.4 обозначены жирным контуром, это нейроны с номерами 1,2,9.

Рис. 1.4. Исходная структура.

Исследуем "способности" данной структуры к реализации, например, операции логического умножения -1 & -1= -1