Беседы о бионике

5) результирующее воздействие на тело нейрона определяется суммой воздействий от всех входов (пространственное суммирование) и предысторией, т. е. суммой предшествующих воздействий с учетом затухания их по экспоненциальному закону с некоторой постоянной времени (суммирование во времени);

6) срабатывание (возбуждение) модели нейрона должно происходить лишь в том случае, если результирующее воздействие поступающих (возбуждающих и тормозящих) сигналов превысит пороговый уровень;

7) при срабатывании модели нейрона на выходе должен появляться стандартный сигнал.

Это, так сказать, исходные данные, которые можно рассматривать как техническое задание на проектирование искусственного нейрона. Однако к техническому моделированию нейрона может быть два подхода, и оба они реально существуют сегодня.

Ученые, принадлежащие к одной школе, стремятся создать модели нервных клеток, воспроизводящие по возможности наиболее точно их биологические функции. Цель их работы состоит во всестороннем изучении возможных функций нейронов, связанных с обработкой информации, и еще более глубоком уяснении действия биологических систем. Примером модели, сконструированной по этому принципу, может служить нейромим американского инженера Хармона. В его модели возбуждающие входы и один тормозящий связаны в интегрирующую цепь с пространственно-временным суммированием с постоянной т, равной 0,46 — 1,2 мсек (в зависимости от конфигурации возбуждений входных цепей). При возбуждении нейрона создается импульс в соответствии с принципом "все или ничего". Во время формирования импульса и в течение еще примерно 1 мсек порог возрастает и элемент находится в фазе абсолютной рефрактерности; далее следует фаза относительной рефрактерности, в течение которой пороговый уровень спадает по экспоненте до нормального своего значения. Синаптическая задержка в модели Хармона, равная 0,1 — 1 мсек, определяется частотой возбуждения. Синаптический переход и процесс суммации моделируются соответствующими цепями RC. Выбранные здесь параметры хорошо отражают временные характеристики двигательного нейрона.

Рис. 3. Принципиальная электрическая схема искусственного нейрона, разработанная в Институте кибернетики АН УССР

На рис. 3 приведена принципиальная электрическая схема искусственного нейрона, разработанная в Институте кибернетики АН УССР и предназначенная для использования в нейронных сетях. Здесь также осуществляется пространственное и временное суммирование, имеются периоды абсолютной и относительной рефрактерное. Отдельный вход торможения отсутствует, а на базу транзистора Т₁ через сопротивления R₁ R₂, ..., R_n подаются положительные импульсы, которые алгебраически складываются с импульсами возбуждения. Когда напряжение на емкости С₁, обусловленное входными сигналами, достигает уровня, равного или превышающего пороговый (Uc₁ ≥ 0_порог), транзистор Т₁ открывается и релаксатор, собранный на Т₂, Т₃ по схеме Муди-Флорида, вырабатывает отрицательный импульс. Эмиттерный повторитель Т₅ подает его на выход возбуждения. Инвертор Т₆ и повторитель T₇ формируют тормозящий сигнал. Применение эмиттерных повторителей обеспечивает большой коэффициент логического разветвления схемы. Амплитуда, длительность и крутизна выходных импульсов модели нейрона постоянны и не зависят от частоты и амплитуды входных импульсов. При необходимости все эти параметры можно изменить.

При втором, бионическом, подходе, преследующем цель создания высокосовершенных кибернетических устройств, ученые стремятся строить модели, способные воспроизводить гибкие логические функции нейрона и применимые в устройствах технической кибернетики. Эти модели, естественно, должны быть лишены ряда "недостатков", присущих (с инженерной точки зрения) живым нервным клеткам. Так, например, моделирование такого явления, как пониженная возбудимость в течение относительно длительного периода, необходимого для отдыха и пополнения запаса энергии, израсходованного при возбуждении нейрона, может сказаться на быстродействии кибернетического устройства, что в ряде случаев крайне нежелательно.

Рис. 4. Обобщенная блок-схема искусственного нейрона

Абстрагируясь от физиологических особенностей и используя только "логику" нейронов, ученые за последние годы создали ряд формальных моделей нервной клетки, для которых характерны, например, следующие признаки: активность нейрона, т. е. его способность генерировать выходной сигнал, подчиняется принципу "все или ничего", "да — нет", "нуль — единица"; возбуждению нейрона предшествует некоторый период накопления сигналов возбуждения от ограниченного числа входов (синапсов). Это время не зависит от предыдущего состояния нейрона (рефрактерность не моделируется), число сигналов и порог не зависят от расположения синапсов в нейроне; запаздывание в схеме происходит только в синапсах. Обобщенная блок-схема такой модели показана на рис. 4.