CC BY
45
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 01-2/2017 ISSN 2410-700Х_
Список использованной литературы:
1. Bailey, M. (2016). OpenGL Compute Shaders. [Online]. Available: http://web.engr.oregonstate.edu/~mjb/cs557/Handouts/compute.shader.1pp.pdf. [Accessed: 21.04.2016].
2. Cormen, T. (2009). Introduction to algorithms. Cambridge, Mass.: MIT Press.
3. Creamer, D., Henyey, F., Schult, R. and Wright, J. (1989). Improved linear representation of ocean surface waves. J. Fluid Mech., 205(-1), p.135.
4. Fournier, A. and Reeves, W. (1986). A simple model of ocean waves. ACM SIGGRAPH Computer Graphics, 20(4), pp.75-84.
5. Glfw.org. (2016). GLFW. [Online]. Available: http://www.glfw.org. [Accessed: 15.02.2016]
6. Glm.g-truc.net. (2016). OpenGL Mathematics. [Online]. Available: http://glm.g-truc.net/0.9.7/index.html. [Accessed: 08.03.2016].
7. Hasselman K., Barnett T., Bouws E., Carlson D. E., Hasselman P. (1973). Measurements of wind-wave growth and swell decay during the joint north sea wave project (jonswap). Deutsche Hydrographische Zeitschrift, Deutsches Hydrographisches Institut, Hamburg, Germany, A8, 12.
8. Jr, N. (2015). OpenGL SuperBible. [S.l.]: Addison-Wesley Professional.
9. Khronos.org. (2016). The open standard for parallel programming of heterogeneous systems. [Online]. Available: https://www.khronos.org/opencl. [Accessed: 19.04.2016].
10. Li, Z. and Hou, X. (2014). Ocean Wave Real-Time Simulation Based-on Ocean Wave Spectrum and FFT. AMR, 926-930, pp.3531-3536.
11. Opengl.org. (2016). Compute Shader. [Online]. Available: https://www.opengl.org/wiki/Compute_Shader. [Accessed: 19.04.2016].
12. Opengl.org. (2016). OpenGL Shading Language. [Online]. Available: https://www.opengl.org/documentation/glsl/. [Accessed: 25.03.2016].
13. Pierson, W. and Moskowitz, L. (1964). A proposed spectral form for fully developed wind seas based on the similarity theory of S. A. Kitaigorodskii. J. Geophys. Res., 69(24), pp.5181-5190.
14. Tessendorf J. (2001). Simulating ocean waters. ACM SIGGRAPH Computer Graphics.
15. Tian, L. (2014). Ocean wave simulation by the mix of FFT and Perlin Noise. WSCG, 26(2), pp. 41-45.
16. Wolff, D. (2013). OpenGL 4 Shading Language Cookbook. Birmingham: Packt Publishing.
© Куров А.В., Завалин А.А. 2017
УДК 004.8
Лавренков Юрий Николаевич
канд. техн. наук, доцент КФ МГТУ им. Н.Э. Баумана, г. Калуга, РФ,
e-mail: georglawr@yandex.ru Цыганков Иван Сергеевич студент 4 курса КФ МГТУ им. Н.Э. Баумана, г. Калуга, РФ,
e-mail: georglawr@yandex.ru
СИНХРОНИЗАЦИЯ ПОПУЛЯЦИИ НЕЙРОНОВ С ПРИМЕНЕНИЕМ НЕЙРОСЕТЕВОГО ГЕНЕРАТОРА СТОХАСТИЧЕСКИХ ВОЗМУЩЕНИЙ
Аннотация
Оценивается возможность применения нейросетевого генератора стохастических возмущений для синхронизации популяции нейронов, реализованных в виде осциллирующих генераторов. Корреляционные синапсы, используемые для связи элементов популяции, осуществляют функцию фильтрации случайных возмущений, изменяющих порог активации нейрона. В результате воздействия на нейроны популяции
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 01-2/2017 ISSN 2410-700Х_
осуществляется их синхронизация и наблюдается уникальная динамика функционирования популяции нейронных элементов.
Ключевые слова
Синхронизация в нейронных структурах, порог активации нейрона, многофункциональная нейронная сеть, нейронная популяция, электрический синапс, кратковременная память.
Синхронизация нейронов в биологических и искусственных нейросетевых структурах - важное условие для качественной обработки информации [1]. Рассмотрим группу из четырёх нейронов, выполненных на основе релаксационного генератора, каждый из которых генерирует определённую волну спайков, показанных на рис. 1. Основная задача заключается в синтезе системы взаимодействия нейронных элементов так, чтобы с течением времени выходные сигналы нейронов синхронизировались. Нейронный элемент генерирует импульс, когда его энергетический уровень E(t) (рис. 2, сигнал А) превысит пороговое значение Eth (в рассматриваемом случае 2.42 вольта).
500 us/DI V
Рисунок 1 - Выходные сигналы нейронов из популяции
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 01-2/2017 ISSN 2410-700Х_
Способ синхронизации заключается в дополнительном воздействии на нейрон для изменения порогового энергетического уровня (рис. 2, сигнал В). Нейрон генерирует импульс, если сумма внутренней энергии и воздействующего возмущения превысит заданный порог (рис. 2, сигнал С).
5 1^/01 V
Рисунок 2 - Формирование отклика нейрона в зависимости от величины воздействующего возмущения
Схема синхронизации предполагает наличие внешнего управляющего устройства для генерации возмущений. Потенциально возможное воздействие на нейрон должно реализовываться только при условии, что каждое изменение энергетического порога активации будет направлено на достижение синхронной активации всех нейронов ансамбля [2]. Для реализации этой возможности нейронные элементы контактируют между собой через корелляционные синапсы - каналы связи, которые срабатывают только при выполнении заданных условий. Моменты времени, в которые происходит изменение порога активации, определяются динамикой функционирования модели двигательного нейрона дыхательной системы ракообразных (рис. 3, флажками отмечены моменты времени, в которые осуществляется воздействие на нейронный элемент). Модификация производится только в том случае, если изменение энергетического состояния нейронного элемента приводит к уменьшению функционала ошибки, вычисляемого как величина десинхронизации нейронной популяции. Начало каждого такта, оказывающего влияние на энергию активации нейрона, определяется моментом окончания активности модели двигательного нейрона.
20 твЛИУ
Рисунок 3 - Сигнал синхронизации, инициирующий генерацию сигнала возмущения для нейронного элемента
5 тз/01У
Рисунок 4 - Образцы сигналов, определяющих амплитуду возмущения для нейронного элемента
1 ШЯ/ШУ
Рисунок 5 - Пример выходного сигнала нейронов популяции после синхронизации
Амплитуда сигнала, воздействующего на нейрон, определяется величиной импульса, полученного от многофункциональной нейронной сети с перестраиваемой архитектурой, включающей в себя переключающиеся нейроны (рис. 4). На каждый синхронизируемый нейрон влияет сигнал из соответствующего канала (рис. 4, сигналы А - D). Воздействие на нейрон осуществляется в различные моменты времени, которые трудно представить аналитическим путём. Данная стратегия необходима для того, чтобы избежать копирования динамики поведения одного нейрона на других членов популяции [3]. В результате взаимодействия популяции нейронов с нейросетевым генератором возмущений посредством корреляционного синапса все нейроны синхронизируются, и выходной сигнал является результатом взаимодействия случайных возмущений и первоначальной динамики функционирования каждого нейронного элемента (рис. 5).
Система из группы нейронов, на которую осуществляется стохастическое воздействие, способна синхронизировать нейронную популяцию. Применение данного способа синхронизации для однородных полносвязных нейронных сетей, в которых нейроны взаимодействуют при помощи электрических синапсов и создают «шумовые» режимы, может способствовать созданию различного рода элементов кратковременной памяти [4]. Данные сети могут быть легко реализованы с применением операционных усилителей и нелинейных блоков с элементами задержки. При моделировании нейронных сетей данная особенность актуальна для многих комплексных и сложных задач, в которых информация кодируется и обрабатывается в форме распространения групп импульсных сигналов по нейронной сети. Воздействие стохастических возмущений на нейрон, продолжающиеся определённое время, навязывает ему определённую частоту активности. У каждого нейрона популяции возникают колебания нового типа, отличные от тех, которые наблюдались до синхронизации.
Список использованной литературы:
1.Хайкин С. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. - М.: Издательский дом «Вильямс», 2008. - 1104 с.
2.Лавренков Ю.Н., Комарцова Л.Г. Анализ характеристик канала передачи информации на основе нейронной сети. // Прикладная информатика. 2014. № 3(51). С. 79-99.
3.Стронгин Р.Г., Гергель В.П., Гришагин В. А., Баркалов К. А. Параллельные вычисления в задачах глобальной оптимизации: Монография / Предисл.: В. А. Садовничий. - М.: Издательство Московского университета, 2013. - 280 с., ил. - (Серия «Суперкомпьютерное образование»).
4.Лавренков Ю.Н., Комарцова Л.Г. Генерация управляющих синаптических импульсов на основе взаимосвязанных тригонометрических нейронных сетей. // Международный научный журнал «Символ науки». 2015. № 10-2. С. 121-125.
© Лавренков Ю.Н., Цыганков И.С., 2017
УДК 378.1
Никифоров Олег Юрьевич
начальник Управления информатизации ВоГУ,
г. Вологда, РФ E-mail: Sol_Hute_II@mail.ru
ЭТАПЫ СОЗДАНИЯ WEB-САЙТА ВЫСШЕГО УЧЕБНОГО ЗАВЕДЕНИЯ
Аннотация
Сайт высшего учебного заведения является стрежневым элементом информационной инфраструктуры. Современные вузы начинают уделять процессам создания и наполнения сайта особое внимание. В данной статье рассматриваются основные этапы создания сайта высшего учебного заведения, категории
