Нервная сеть

Эта статья — о сетях нервных клеток живых организмов. О кибернетическом инструментарии, созданном в качестве математической модели мыслительной деятельности см. Искусственная нейронная сеть.

Компьютерная модель ветвистой архитектуры дендритов пирамидальных нейронов

Нейронная сеть (биологическая нейронная сеть) — совокупность нейронов головного и спинного мозга центральной нервной системы (ЦНС) и ганглия периферической нервной системы (ПНС), которые связаны или функционально объединены в нервной системе, выполняют специфические физиологические функции.

Нейронная сеть состоит из группы или групп химически или функционально связанных нейронов. Один нейрон может быть связан со многими другими нейронами, а общее количество нейронов и связей в сети может быть достаточно большим. Место контакта нейронов называется синапсом, типичный синапс — аксо-дендритический химический. Передача импульсов осуществляется химическим путём с помощью медиаторов или электрическим путём посредством прохождения ионов из одной клетки в другую.

Представление о нейронных сетях оказало значительное влияние на технологии искусственного интеллекта, в попытке построить математическую модель нейронной сети был создан обширный инструментарий искусственных нейронных сетей, широко используемый в прикладной математике и информатике.

Нейроны объединены в последовательно расположенные слои. Отдельно выделены два крайних слоя - входной и выходной. Через входной слой нейросеть получает информацию, через выходной передает результат ее обработки. Все промежуточные слои называются скрытыми.

Каждый скрытый слой соединен с двумя соседними (предыдущим и следующим) сложной системой связей (простите за тавтологию). В простейшем случае в каждый его нейрон попадают сигналы от каждого нейрона предыдущего слоя, обрабатываются, а затем из него уходят в каждый нейрон следующего слоя.

История

Первые представления о нейронных сетях отмечены у Бейна (1873) и Джеймса (1890), в своих работах они рассматривают мыслительную деятельность как результат взаимодействия между нейронами в головном мозге.

Согласно Бейну, любая деятельность ведёт к активизации определённого набора нейронов. При повторении той же деятельности связи между этими нейронами укрепляются. Согласно его теории, эти повторения ведут к формированию памяти. Научное сообщество того времени восприняло теорию скептически, поскольку следствием её являлось возникновение чрезмерного количества нейронных связей в мозге. Теперь очевидно, что мозг является чрезвычайно сложной конструкцией и способен работать с несколькими задачами одновременно.

Теория Джеймса была схожа с теорией Бейна, но в то же время Джеймс предположил, что формирование памяти происходит в результате прохождения электрических токов между нейронами в головном мозге, не требуя соединений нейронов для каждого акта запоминания или действия.

Британский физиолог Шеррингтон в 1898 году провёл эксперименты для проверки теории Джеймса, в которых пропускал электрический ток вдоль спинного мозга крыс. При этом вместо ожидаемого усиления тока, согласно теории Джеймса, Шеррингтон обнаружил, что электрический ток ослабевает с течением времени. Результаты экспериментов Шеррингтона сыграли важную роль в разработке теории привыкания.

Взаимодействие внутри нейронной сети

Каждая связь имеет «вес». То есть, сигнал от одного нейрона, пока идет до следующего, несколько меняет значение (значение этого сигнала умножается на этот «вес»).

Если весам связей присвоить случайные значения, то ничего осмысленного такая нейросеть делать не будет. То есть, их надо ещё как-то правильно подобрать. Иными словами, нейросеть надо обучить.

Как происходит обучение. В качестве примера:

Допустим, мы обучаем нейросеть отличать изображения кошек от изображений собак. Тогда на входной слой нейросети мы отдаем изображение, а на выходе нейросеть возвращает пару действительных чисел от 0 до 1 каждое. Первое означает, насколько нейросеть уверена, что это собака, а второе — что кошка. Почему делают именно так — вопрос, на который простым языком не ответить. То есть, если первое число больше, то нейросеть решила, что увидела собаку, а если второе, то кошку.

В качестве теста сети дадим нейросети изображение. Она отвечает нам этой самой парой чисел (a, b). Но мы-то знаем, кто на картинке. Поэтому мы поправляем нейросеть. А именно, мы «насильно запихиваем» в выходной слой пару (1, 0), если собака или (0, 1), если кошка, а дальше происходит некоторая магия (чтобы постичь её, нужно обладать некоторым знанием математики), которая заставляет нейросеть перераспределять веса связей. Самый распространенный способ творить эту магию — «метод обратного распространения ошибки», но есть и другие.

Спустя множество разных картинок, с которыми мы провернем то же самое, веса связей между нейронами выстроятся таким образом, что она будет хорошо отличать кошек от собак.

См. также

• Нерв
• Сеть пассивного режима работы мозга — дефолтная нейронная сеть
• Сети оперативного решения задач

Литература

• Intrinsic plasticity Robert H. Cudmore, Niraj S. Desai Scholarpedia 3(2):1363.