Модель формирования функциональных систем с учетом врожденных способностей и приобретенных знаний

В работах П.К. Анохина выдвинуты основные постулаты, лежащие в основе теории моделирования функциональны систем (ФС). Постулат первый: ведущим системообразующим фактором ФС любого уровня организации является полезный для жизнедеятельности организма, приспособительный результат.

Таким образом, ФС - это взаимосвязь активных элементов, которая направлена на достижение полезного приспособительного результата. Так как до сих пор идёт поиск конкретных анатомических структур мозга,

ответственных за формирование ФС, обратимся к теории структурных функциональных единиц (СФЕ). Теория СФЕ предполагает, что ФС формируется из абстрактного набора СФЕ путем включения их в функциональную схему ФС. Причем количество СФЕ ограничено.

Однако для построения ФС недостаточно одного ресурса СФЕ. Для формирования ФС необходим Менеджер - интеллектуальный агент, который собирает ее из СФЕ, на основе имеющегося у него запаса знаний, который, при необходимости, может пополняться. В качестве такого Менеджера в модели используем нейронную сеть, занимающую промежуточное положение между обучающейся и самоорганизующейся нейросетевой структурой.

Рисунок 2.13 - Схема формирования функциональной системы

Задача ФС заключается в том, чтобы на входной стимул X, поступивший в момент времени t_i,выдать реакцию Yзаданного класса, которая определяется оператором A:

Для формирования оператора А используется нейронная сеть NET, работающая на основе гибридномго алгоритма.

Для настройки нейронной сети NET в начале стимуляции нет обучающей выборки. На вход ФС поступают стимулы X, которые нарушают гомеостазис организма. На выходе ФС необходимо сформировать реакцию Y, которая снижает деструктивное влияние стимула X. Сущность гибридной настройки нейросети NET заключается в том, что при ее настройке используется как обучающая выборка, формируемая в базе данных БД, так и системная память - база знаний (БЗ), которую в модели рисунок 2.13 представляет Менеджер.

Алгоритм настройки NET, а по существу формирования ФС, представлен на рисунке 2.14.

Особенность алгоритма состоит в том, что он осуществляет последовательное переключение настройки нейросетевой структуры NET с экспертного оценивания на обучающую выборку и, наоборот.

Алгоритм, представленный на рисунке 2.14, является бесконечным алгоритмом, так как он может «уснуть» на блоках 3 и 4, если прекращают поступать данные в БД (отсутствуют стимулы).

Рисунок 2.14 - Схема алгоритма формирования модели функциональной системы

Так как в начальный момент обучающая выборка отсутствует, то Менеджер на основе памяти о предыдущих ситуациях формирует ФС и настраивает NPT (блок 1). Затем, им же, в блоке 2 определяется апертура наблюдения N1, после чего в БД записывается множество пар {X (t_i ),Y (t_i)}. В блоке 5 определяется ошибка ε, которая выражает «удовлетворенность» Менеджера работой ФС. Если Менеджер признает работу ФС удовлетворительной (блок 6), то осуществляется возврат на блок 2, где выбирается новая апертура наблюдения N1. Если ошибка велика, то Менеджер приступает к анализу данных в БД. Здесь могут иметь место три варианта действий. По первому варианту Менеджер приходит к выводу о смене настройки NET на основе своего опыта, то есть к возврату на блок 1.

Во втором случае Менеджер находит нерегулярность в данных и решает переформатировать обучающую выборку (блок 9), после чего переобучить нейронную сеть (блок 10). Если данные, по решению Менеджера, нормальные, то из блока 8 осуществляется переход по третьей ветви на блок обучения нейронной сети.

2.5.2