Адаптивний резонанс як конструкт розширення когнітивного простору пам’яті у пізнавальному процесі
Дослідження природи, характеру механізму адаптивного резонансу та його зв'язків з внутрішніми механізмами когнітивної діяльності. Принципи теорії адаптивного резонансу нейронних мереж, яка на сучасному етапі є основоположною теорією штучного інтелекту.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | статья |
Язык | украинский |
Дата добавления | 27.02.2023 |
Размер файла | 51,0 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Харківський національний автомобільно-дорожній університет
Харківський національний автомобільно-дорожній університет, вул. Ярослава Мудрого
Харківський національний університет імені В.Н. Каразіна
Харківський національний університет будівництва та архітектури
Адаптивний резонанс як конструкт розширення когнітивного простору пам'яті у пізнавальному процесі
Емельянова Тетяна Вікторівна кандидат фізико-математичних наук
доцент кафедри вищої математики
Ярхо Тетяна Олександрівна доктор педагогічних наук
професор кафедри вищої математики
завідувач кафедри вищої математики
Легейда Аліна Вікторівна кандидат філологічних наук
доцент кафедри англійської філології
доцент кафедри англійської філології та
методики викладання іноземної мови
Легейда Дмитро Вікторович кандидат фізико-математичних наук
доцент кафедри будівельної та теоретичної механіки
Анотація
адаптивний резонанс штучний інтелект
В рамках нейродинамічної концепції активності когнітивного простору проведено дослідження природи, характеру механізму адаптивного резонансу та його зв'язків з внутрішніми механізмами когнітивної діяльності. Поряд з нейродинамічною концепцією активності мозку в зарубіжних дослідженнях обговорюються приклади біологічних архітектур нейронних мереж, за допомогою яких «формується розум», «адаптивний інтелект». В основу моделювання таких архітектур покладено принципи теорії адаптивного резонансу (ART) нейронних мереж, яка на сучасному етапі є основоположною теорією штучного інтелекту.
Дослідження з позицій сучасної когнітивної науки про моделювання активності нейронної системи в рамках концепції про нейродинамічну організацію і функціональні моди когнітивного простору пам'яті, ролі адаптивного резонансу нейронних мереж у формуванні та розвитку когнітивного простору особистості, дозволили визначити зв'язок адаптивного резонансу, як динамічного процесу, з механізмами формування і розвитку пізнавального простору особистості.
Розуміючи стійкий стан динамічного режиму нейронної активності як «субстрат еквіваленту психологічного образу», адаптивний резонанс нейронних мереж представляється направляючої складових механізмів створення метастабільних структур нових ментальних образів в нейродинамічній системі.
Досліджено внутрішні механізми перетворення модельних уявлень ментальних образів, такі як коактивація зв'язків у нейронних ансамблях, конкатенація метастабільних станів модельних уявлень та адаптивний резонанс нейронної активності. Автори приходять до висновку про тісну взаємозалежність подібних динамічних процесів, оскільки їх взаємозв'язок може бути обумовлена складовими механізмів і характеристиками когнітивних процесів.
Можна очікувати, що осмислення зв'язку адаптивного резонансу з внутрішніми механізмами формування когнітивного простору визначить напрямок подальшого дослідження і розуміння архітектури когнітивного процесу мислення, дасть додаткову аргументацію на користь розуміння процесу навчання як процесу розвитку когнітивного простору і активізації мислення особистості. Подібне осмислення процесу навчання в технічних університетах забезпечить подальше вдосконалення технологій професійного та культурного розвитку особистості.
Ключові слова: внутрішні когнітивні механізми простору пам'яті, адаптивний резонанс, коактивація і конкатенація метастабільних уявлень, когнітивне неусвідомлене, базис когнітивного неусвідомленого.
Emelyanova Tatyana Viktorivna Candidate of Physical and Mathematical Sciences, Associate Professor, Associate Professor of the Department of Higher Mathematics, Kharkiv National Automobile and Highway University
Yarkho Tetiana Oleksandrivna Doctor of Pedagogical Sciences, Professor, Head of the Department of Higher Mathematics, Kharkiv National Automobile and Highway University
Legeyda Alina Viktorivna Candidate of Philological Sciences, Associate Professor, Associate Professor of the Department of English Philology. V. N. Karazin Kharkiv National University
Legeyda Dmytro Viktorovich Candidate of Physical and Mathematical Sciences, Associate Professor of Department of Structural Mechanics, Kharkiv National University of Construction and Architecture
Adaptive resonance as a construct of expanding the cognitive space of memory in the cognitive process
Abstract
Within the framework of the neurodynamic concept of cognitive space activity the nature and nature of the adaptive resonance mechanism and its connections with the internal mechanisms of cognitive activity are investigated. At the same time, examples of biological architectures of neural networks are discussed in foreign researches, with the help of which "the mind is formed", "adaptive intelligence". Modeling of such architectures is based on the principles of adaptive resonance theory (ART) of neural networks, which at the present stage is the fundamental theory of artificial intelligence.
From the standpoint of modern cognitive science about the organization and functional modes of the cognitive memory space, the role of adaptive resonance of neural networks in the formation and development of the cognitive space of personality is investigated, The connection of adaptive resonance, as a dynamic process, with the internal mechanisms of formation and development of the cognitive space of the individual is determined. The stable state of the dynamic mode of neural activity is understood as the "substrate equivalent of a psychological image".
Adaptive resonance of neural networks appears to be the guiding component of the mechanisms of modification of functional modes. A "similarity measure" of model representations of mental images is introduced as a threshold for modification of functional modes. The internal mechanisms of modification of model representations of mental images are defined as coactivation of connections in neural ensembles, concatenation of metastable states of model representations.
The authors assume a close interdependence of such dynamic processes, since their interrelation is due to the components of mechanisms and characteristics of cognitive processes.
It can be expected that understanding the connection of adaptive resonance with the internal mechanisms of cognitive space formation will determine the need for further research of the architecture of the cognitive memory space. Understanding the architecture of the cognitive process of thinking will provide additional arguments in favor of comprehension the learning process as a process of development of the cognitive space of the individual. Such an understanding of the learning process at the technical universities will ensure further improvement of the technologies of professional and cultural development of the individual.
Keywords: internal cognitive mechanisms of memory space, adaptive resonance, coactivation and concatenation of metastable representations, cognitive unconscious, basis of cognitive unconscious.
Постановка проблеми
Когнітивний простір особистості - простір когнітивних здібностей, мислення, пам'яті. Щоб мати можливість цілеспрямованого розширення когнітивного простору особистості, слід розуміти механізми формування і розвитку базових складових когнітивних здібностей і когнітивного простору пам'яті. Ця проблема може бути досліджена тільки в рамках психолого - педагогічного підходу із залученням інформації про нейрофізіологічні процеси активності мозку. Когнітивний простір особистості - простір когнітивних функцій, які можуть бути зрозумілі і вивчені лише в результаті дослідження механізмів когнітивної діяльності мозку. Ці дослідження ґрунтуються на припущенні, що простір когнітивних функцій як простір динамічної нелінійної системи може бути вивчений на основі аналізу нестаціонарних процесів і метастабільних станів.
Поряд з нейродинамічною концепцією активності мозку в зарубіжних дослідженнях обговорюються приклади біологічних архітектур нейронних мереж, за допомогою яких «формується розум», «адаптивний інтелект».[1]. В основу моделювання таких архітектур покладено принципи теорії адаптивного резонансу (ART) нейронних мереж, яка на сучасному етапі є основоположною теорією штучного інтелекту. Адаптивний резонанс нейронних мереж розглядався авторами теорії адаптивного резонансу Стівеном Гроссбергом і Гейл Карпентер [2] як процес створення такої нейронної мережі, в якій зі збереженням нової інформації не зникає попередня або «стара» інформація. При «навчанні» штучного інтелекту, створеного в рамках старих моделей нейронних мереж, не забезпечувалася пластичність і адаптивність раніше отриманої інформації.
У парадигмі нейродинамічних систем опис когнітивного простору пам'яті проводиться в системі динамічних змінних (фазовому просторі динамічної задачі), так що модельними уявленнями ментальних образів є інтегровані метастабільні структури в фазовому просторі динамічної задачі. Приймаючи розуміння стійкого стану динамічного режиму нейронної активності як «субстратного еквіваленту психологічного образу», слід розглядати адаптивний резонанс нейронних мереж як напрямну складових механізмів створення в нейродинамічній системі метастабільних структур нових ментальних образів.
У статті в рамках нейродинамічної концепції активності когнітивного простору проводиться дослідження природи, характеру механізму адаптивного резонансу і його зв'язків з внутрішніми механізмами когнітивної діяльності. Розглядаючи внутрішні механізми перетворення модельних уявлень ментальних образів, коактивацію зв'язків в нейронних ансамблях, конкатенацію метастабільних станів модельних уявлень і адаптивний резонанс нейронної активності, автори приходять до висновку про тісну взаємозалежність подібних динамічних процесів, оскільки їх взаємозв'язок може бути обумовлена одними і тими ж характеристиками внутрішніх когнітивних механізмів.
Результати дослідження ролі адаптивного резонансу нейронних мереж у формуванні та розвитку когнітивного простору особистості, проведені з позицій сучасної когнітивної науки про моделювання активності нейронної системи в рамках нейродинамічної концепції про функціональні моди когнітивного простору пам'яті, дозволяють визначити зв'язок адаптивного резонансу, як динамічного стану, з характеристиками пізнавального процесу.
Можна очікувати, що осмислення зв'язку адаптивного резонансу з внутрішніми механізмами когнітивного простору пам'яті визначить розуміння архітектури когнітивного процесу мислення і напрямок подальшого дослідження, дасть додаткову аргументацію на користь усвідомлення процесу навчання як процесу розвитку когнітивного простору пам'яті і активізації мислення особистості. Подібне осмислення процесу навчання забезпечить подальше вдосконалення технологій професійного та культурного розвитку особистості в технічних університетах.
Аналіз останніх досліджень і публікацій
У 1987 р. С. Гроссберг і Г. Карпентер опублікували роботу, в якій виклали основні принципи теорії адаптивного резонансу, що було результатом досліджень американських вчених зі створення можливих моделей штучного інтелекту. [2]. У цій роботі С. Гроссберг і Г. Карпентер представили модель нейронної мережі нового типу, що володіє можливістю самоорганізації. У цій моделі сприйняття нової інформації коригується в залежності від інформації, вже наявної в пам'яті системи (раніше накопиченим досвідом), без руйнування накопиченої інформації. Принципи організації такої моделі отримали назву теорії адаптивного резонансу.
Відомі на той час моделі штучного інтелекту володіли однією особливістю, з «навчанням» системи непередбачуване руйнувалася частина інформації, раніше закладеної в її пам'ять. Принципи адаптивного резонансу, на яких була вибудувана архітектура системи з властивостями самоорганізації, створили можливість побудови і розвитку нейронних систем з саморегулюванням штучного інтелекту нового типу. [3,4]. На думку С. Гроссберга «теорія адаптивного резонансу - це виробнича система з саморегулюванням, яка поступово навчається швидко класифікувати великі нестаціонарні бази даних без катастрофічного забування, використовуючи довільні комбінації неконтрольованого та контрольованого навчання». Інтерес до створення штучного інтелекту привів до розробки нових принципів побудови нейронних мереж з новими динамічними характеристиками на основі теорії адаптивного резонансу. [5, 6] .
Відомі публікації, в яких автори використовують принципи теорії адаптивного резонансу при побудові моделей біологічних нейронних мереж, динамічні властивості яких, на їхню думку, обумовлюють когнітивне сприйняття, пізнання, емоції, формуючи «адаптивний інтелект». [7].
В цей же час були закладені основи нейродинамічного підходу до дослідження когнітивної активності біологічних систем. На сьогоднішній день відомі численні публікації з нейрофізіологічного дослідження активності нейронної системи мозку. [8, 9]. Цей підхід базується на припущенні, що когнітивні функції можуть бути зрозумілі на основі аналізу нестаціонарних процесів і метастабільних станів теорії динамічних систем і гіпотези про функціональні моди когнітивного простору пам'яті.
Надалі Р. Макін і В. Лісін висловили припущення про те, що стійкий стан динамічного режиму нейронної активності слід розглядати як «субстратний еквівалент психологічного образу». [10]. У роботах авторів [11,12] була зроблена спроба вивчити внутрішні механізми когнітивного простору. У 2019 р була запропонована модель ментального простору пізнавального процесу, як «субстратного еквіваленту розумового простору» особистості.[11]. Автори розглядали внутрішні механізми ментального простору, які, на їх думку, були відповідальні за модифікацію модельних уявлень образів в процесі мислення.
Розглядаючи адаптивний резонанс нейронної системи як напрямну складову механізму, що обумовлює динамічні режими активності, корисно вивчити адаптивний резонанс як діючу складову внутрішнього механізму пізнавального процесу. Можна очікувати, що адаптивний механізм тісно пов'язаний з внутрішніми механізмами і впливає на характеристики внутрішніх механізмів перетворення модельних уявлень в ментальному просторі особистості. Представляє інтерес механізм впливу адаптивного резонансу на внутрішні механізми ментального простору і їх характеристики. У роботі в якості внутрішніх механізмів когнітивної діяльності розглядаються механізми коактивації зв'язків нейронних ансамблів і конкатенації метастабільних станів модельних уявлень ментальних образів.
Метою статті є нейрофізіологічне висвітлення психолого-педагогічного розуміння когнітивного процесу, як несвідомого багатоступеневого процесу, що відбувається в пізнавальному просторі, конструкти якого обумовлюють динаміку і організацію структур інформаційних потоків; дослідження ролі адаптивного резонансу в когнітивному процесі з позицій сучасних підходів до модулювання нейронної системи мозга в рамках концепції про нейродинамічну організацію із урахуванням гіпотези про функціональні моди когнітивного простору пам'яті.
Виклад основного матеріалу
Розглядаючи когнітивний пізнавальний процес з позицій нейродинамічної концепції про режими локалізації метастабільних структур у фазовому просторі системи, представляємо його у вигляді процесу створення відгуку на зовнішній або внутрішній стимул. Створення відгуку на стимул є інтуїтивною обробкою отриманої інформації і визначається внутрішніми механізмами нейронної системи, так що динаміка і напрямок процесу створення відгуку характеризуються як «когнітивні неусвідомлені» складові. (Вперше В. Аллахвердов визначив внутрішні механізми пізнавального процесу як «когнітивне неусвідомлене". [11]). Стимул "включає" механізм створення відгуку, «задаючи програму активації фундаментальних мод когнітивного простору пам'яті, відновлює структури нейронних ансамблів, відтворює режими локалізації метастабільних структур і, відповідно, закодовані модельні уявлення ментальних образів, що мають схожі з сигналом елементи». [11].
Модельні уявлення ментальних образів визначаємо як локалізовані структури метастабільних станів у фазовому просторі власних функцій динамічної нелінійної задачі в нейронному середовищі. Фазовий простір активованих локалізованих структур називаємо ментальним простором модельних уявлень ментальних образів. Механізм створення відгуку активує схожі з сигналом моди ментальних образів когнітивного простору пам'яті, відновлює відповідні модельні уявлення, активуючи їх ментальний простір.
У роботах [11, 12] обговорювалися внутрішні механізми когнітивного простору пізнавального процесу як внутрішні механізми ментального простору. До таких механізмів ми відносимо механізми коактивації зв'язків в нейронному ансамблі і конкатенації метастабільних структур модельних уявлень ментальних образів. Поряд з внутрішніми механізмами когнітивного простору пам'яті, механізмами коактивації і конкатенації, в процес формування і модифікації метастабільних структур модельних уявлень ментального простору вносить певний внесок адаптивний резонанс активованої нейронної мережі.
Теорія адаптивного резонансу була розроблена для побудови моделей архітектури нейронних мереж нового типу з метою вдосконалення систем штучного інтелекту. Запропоновані алгоритми побудови таких архітектур нейронних мереж моделюють правила сприйняття нейронною системою інформації так, що нова інформація, що надійшла в систему, може бути модифікована з урахуванням наявного контексту без ризику знищення раніше накопиченої інформації. Адаптивний резонанс нейронної мережі системи штучного інтелекту визначається як динамічний процес активації системи, під час якого відбувається узгодження вхідних сигналів нової інформації з раніше накопиченими даними. Механізм узгодження обумовлений порівнянням і можливої підстроюванням вагових коефіцієнтів (зв'язків) нейронів, що беруть участь в процесі. Активація і подальше підстроювання вагових коефіцієнтів здійснюється в тому випадку, коли на вхід нейронної мережі надходить сигнал, образ якого найбільш відповідає образу, «закріпленому за одним з нейронів цієї мережі». Якщо в результаті узгодження рівень настройки вагових коефіцієнтів досягає певного порогу, відбувається модифікація вагових коефіцієнтів активованого нейрона, в результаті якої «інформація», закріплена за нейроном, доповнюється новими даними. Процес модифікація носить назву адаптивного резонансу.
Адаптивний резонанс є реакцією динамічної системи на збурення, в результаті якого система може набути нових властивостей. Таке розуміння адаптивного резонансу дозволяє визначити його як напрямну складову внутрішніх механізмів конкатенації і коактивації модельних уявлень в пізнавальному процесі.
Надзвичайно плідним виявилося дослідження когнітивних процесів активності мозку в рамках теорії нелінійної динаміки, застосованої до нейронного середовища. У нелінійному середовищі збудження структур різної складності, що формуються власними функціями динамічної задачі, визначається параметрами нелінійного середовища. [8, 9]. Нейронна система мозку являє собою середовище, в якому формується динамічна функціональна система для виконання когнітивних функцій. Сенсорні структури сприймають і перетворюють одержувані сигнали, формуючи сукупність активних нейронів. Ця нейронна сукупність розглядається як динамічна нелінійна система, що формує динамічні режими з метастабільними структурами. Математичний підхід в рамках динамічних систем до дослідження певних функцій мозку з великою ймовірністю вказав, що реалізація функцій мозку здійснюється не за рахунок структурних змін параметрів нейронів, а формуванням режимів локалізації. В результаті гомогенних або гетерогенних переходів може відбутися взаємодії метастабільних структур в рамках одного або близьких режимів локалізації.
Метастабільні режими нелінійної динамічної задачі обумовлені розв'язками нелінійної задачі на власні значення, що має дискретний спектр. Власним функціям у фазовому просторі динамічної задачі відповідають метастабільні стани, які можуть створювати за певних умов складні метастабільні структури. Метастабільні режими нелінійної динамічної задачі в нейронному середовищі породжують інтегровані модельні уявлення, які несуть в собі інформацію про ментальний образ сигналу. Вони зберігаються в когнітивному просторі пам'яті в закодованому вигляді, у вигляді функціональних мод просторового сигналу або функціональних мод просторово-часового сигналу. [14].
Вивчаючи структуру когнітивного простору пам'яті, ми прийшли до висновку, що фундаментальними одиницями цього простору є «згортки» функціональних мод певної категорії ментальних образів. «Згортку» можна розглядати як систему функціональних мод, фазових портретів інтегрованих модельних уявлень ментального образу сигналу. Ця система структурована так, що кожна функціональна мода в цій «згортки» має безліч зв'язків з функціональними модами різних рівнів. Існуюча система зв'язків функціональних мод визначає найбільш оптимальну структуру «згортки», що забезпечує мінімальні витрати енергії з метою збереження «стійкості» когнітивного простору пам'яті.
Відомо, що когнітивний простір пам'яті, як простір фазових портретів інтегрованих модельних уявлень ментальних образів, характеризується певними властивостями «сприйняття»: пластичністю, яка є адаптацією до нової інформації, і стабільністю, коли нова інформація не повинна руйнувати «пам'ять про старі образи».
Розглянемо більш детально механізм сприйняття когнітивним простором пам'яті закодованого модельного уявлення ментального образу сигналу у вигляді функціональної моди. Будемо вважати, що когнітивний простір пам'яті - простір функціональних мод. Сприйняття когнітивним простором пам'яті нової функціональної моди аналогічно збуренню системи, що знаходиться в стані «стійкої рівноваги». В системі запускається процес пошуку нового рівноважного стану, що відповідає перевірці на «новизну» отриманої інформації. Результат залежить від величини критичного значення рівня модифікації, який визначає ймовірність модифікації складових збуреної системи. Якщо знайдена мода, для якої рівень модифікації перевищує критичне значення, то завершується пошук на порівняння, функціональна мода модифікується під «впливом» функціональної моди нового образу. Подібний процес визначений як адаптивний резонанс.
Якщо в результаті пошуку рівень модифікації не перевищує критичного значення модифікації, то перевірка на новизну функціональної моди нового образу вважається успішною, функціональна мода сприймається системою як нова і залишається у когнітивному просторі пам'яті.
Когнітивний простір пам'яті - простір фундаментальних одиниць. Фундаментальна одиниця є «згорткою» функціональних мод, яка об'єднує функціональні моди певної категорії ментальних образів. Тому процес відображення закодованого модельного уявлення ментального образу в когнітивний простір пам'яті, простір фундаментальних одиниць, є багатокроковим.
Проаналізуємо механізм сприйняття закодованого модельного уявлення ментального образу когнітивним простором пам'яті як простором фундаментальних одиниць. Процес відображення модельного уявлення нового образу в когнітивний простір пам'яті запускає пошук вибору фундаментальної одиниці. Фундаментальну одиницю розуміємо як «згортку» функціональних мод, «аттрактор» функціональних мод. У такому випадку пошук вибору може бути завершений «захопленням» функціональної моди будь-якої фундаментальної одиницею або створенням нової фундаментальної одиниці з функціональною модою нового образу.
Захоплення нової моди фундаментальною одиницею запускає механізм пошуку на «новизну», порівняння на «новизну» з функціональними модами обраної «згортки». Якщо критичне значення рівня модифікації з однією з мод «згортки» подолано, то обрана мода модифікується. У такому випадку говорять про адаптивний резонанс. Якщо критичне значення рівня модифікації не подолано, то перевірка на новизну вважається успішною, функціональна мода нового образу залишається у складі «згортки» функціональних мод.
Розглянемо більш детально процес перевірки на новизну функціональних мод. Перевірка на новизну зводиться до пошуку функціональної моди, що має елементи схожості з функціональною модою нового образу. Простір функціональних мод - простір фазових портретів модельних уявлень ментальних образів. Тому перевірка на новизну визначає міру схожості модельних уявлень ментальних образів, міру схожості ментальних образів. Критичне значення рівня модифікації задає міру схожості функціональних мод, їх ментальних образів. Для модифікації відбирається мода, для якої міра схожості з новою модою досить велика.
Процес модифікації функціональної моди, раніше закладеної в когнітивний простір пам'яті, при успішному завершенні пошуку на порівняння з фазовим портретом нового образу, є процесом модифікації інтегрованого модельного уявлення. Динаміка модифікації функціональної моди залежить від архітектури нейронних ансамблів і характеру нейронних зв'язків, що породжують інтегровані модельні уявлення ментального образу. Активація функціональної моди відповідає відновленню нейронних ансамблів, в яких відтворюються режими локалізації метастабільних структур, відповідальних за формування ментального образу у вигляді інтегрованого модельного уявлення. Подібний підхід дозволяє розглядати динаміку модифікації модельного уявлення ментального образу як модифікацію нейронних ансамблів, режимів локалізації, і, відповідно, метастабільних структур.
За формування модифікованого модельного уявлення ментального образу відповідальні внутрішні когнітивні механізми пізнавального процесу, до яких ми відносимо коактивацію зв'язків нейронних ансамблів і конкатенацію метастабільних станів модельних уявлень. У 2012 році Ж. Фоконьє, відомий когнітивний лінгвіст, висунув гіпотезу про те, що у пізнавальному просторі на нейронному рівні набори нейронних структур пов'язані, за всіма ознаками, принципом коактивации. [15]. Механізм коактиваційного зв'язку, про який вперше згадав Ж. Фоконьє, припускає, що спільна присутність в середовищі декількох певних компонентів зі здатністю до взаємозв'язків, значно підвищує активність кожного компонента і визначає результат взаємодії.
У нейромережевих системах дія механізму коактивационного зв'язку, що виникає з активацією декількох нейронних ансамблів, зводиться до модифікації нейронного ансамблю за «програмою», яку задає нейронна структура нового образу. У теорії просторово-часових характеристик активності нейронних мережевих систем поряд з механізмом коактиваційного зв'язку діє механізм конкатенації метастабільних нейронних мережевих структур. Е. Бендерська і А. Перешеін довели можливість появи нових складних структур за допомогою конкатенації, відділенням деякої ланки однієї структури і її приєднанням до іншої структури. [11]. Модифікація метастабільних структур може статися в результаті гомогенних або гетерогенних переходів, при взаємодії метастабільних структур одного або близьких режимів локалізації. [13].
Таким чином, з отриманням нової інформації (нового образу), яка закладається в когнітивний простір пам'яті у вигляді функціональних мод, фазових кодів інтегрованих модельних уявлень ментальних образів, відбувається розширення когнітивного простору пам'яті, що визначає подальший когнітивний розвиток особистості.
Висновки
Дослідження ролі адаптивного резонансу в розширенні когнітивного простору пам'яті в пізнавальному процесі в парадигмі нейродинамічних систем з урахуванням гіпотези про функціональні моди когнітивного простору пам'яті показало, що адаптивний резонанс може розглядатися як напрямна складова модифікації функціональних мод. При адаптивному резонансі можливість модифікації функціональної моди залежить від подолання критичного рівня модифікації, який визначений авторами як міра схожості функціональних мод. Для модифікації відбирається мода, для якої міра схожості з новою досить велика.
Процес модифікації функціональної моди визначається як процес модифікації інтегрованого модельного уявлення ментального образу. Модифікація модельного уявлення образу, закладеного раніше в когнітивний простір пам'яті, визначена як модифікація нейронних ансамблів, їх режимів локалізації, і, відповідно, метастабільних структур, Динаміка реформування модельного уявлення образу обумовлена характеристиками внутрішніх когнітивних механізмів пізнавального процесу.
Таким чином, більш детальне осмислення зв'язку адаптивного резонансу з внутрішніми механізмами формування когнітивного простору визначить напрямок подальшого дослідження і розуміння архітектури когнітивного процесу мислення, може надати додаткову аргументацію на користь розуміння процесу навчання як процесу розвитку когнітивного простору і активізації мислення особистості. [16; 17].
Література
1. Grossberg, S.A. Path Toward Explainable Al and Autonomous Adaptive Intelligence: Deep Learning, Adaptive Resonance, and Models of Perception, Emotion, and Action Front Neurorobot. 2020 Jun 25; doi: 10.3389/fnbot.2020.00036.eCollection 2020.
2. Carpenter, G.A., Grossberg, S.A. Massively Parallel Architecture for a Selforganizing Neural Pattern Recognition Machine. Computer Vision, Graphics and Image Processing, 37(1), 54-115.
3. Carpenter, G.A., Grossberg, S. ART 2: Self-organization of Stable Category Recognition Codes for Analog Input Patterns,Applied Optics, Vol. 26, Issue 23, 1987, 4919-4930.
4. Carpenter, G.A., Grossberg, S. ART 3: Hierarchical Search Using Chemical Transmitters in Self-organizing Pattern Recognition Architectures,Neural Networks, Vol. 3, Issue 2, 1990, 129-152.
5. Carpenter, G.A., Grossberg S., Rosen, D.B. (1991) Fuzzy ART: Fast Stable Learning and Categorization of Analog Patterns by an Adaptive Resonance System, Neural Networks, Vol. 4, Issue 6, 1991, 759-771.
6. Carpenter, G.A., Reynolds, J.H. ARTMAP: Supervised Real-time Learning and Classification of Nonstationary Data by a Self-organizing Neural Network. Neural Networks Volume 4, Issue 5, 1991, Pages 565-588.
7. Grossberg, S. The Resonant Brain: How Attentive Conscious Seeing Regulates Action Sequences that Interact with Attentive Cognitive Learning, Recognition, and Prediction Atten Percept Psychophys. 2019 Oct;81(7):2237-2264.doi: 10.3758/s13414-019-01789-2.
8. Rabinovich, M.I., Muezzinoglu, M.K. Nonlinear Dynamics of the Brain: Emotion and Cognition, Phys. Usp., 53:4 (2010), 357-372.
9. Rabinovich, M.I., Varona, P. Nonlinear Dynamics of Creative Thinking.Multimodal Processes and the Interaction of Heteroclinic Structures, Phys.Usp., 64:8 (2021), 801-814.
10. Ємельянова, Т.В. Робочий простір пізнавального процесу як простір ментальних конструктів когнітивного механізму мислення / Т.В. Ємельянова // Наукові записки. Серія: педагогічні науки.- 2020. Вип.191. С.74-77.
11. Ємельянова, Т.В. Ментальний простір як характеристика ступеня розвитку когнітивних здібностей особистості в навчальному процесі / Т.В. Ємельянова // Педагогічні науки: теорія, історія, інноваційні технології, 2019. - № 1 (85). - С. 224-234.
12. Ємельянова, Т.В. Про механізм активізації пізнавального простору особистості в процесі мислення / Т.В. Ємельянова, В.О. Нестеренко //. Педагогічні науки: теорія, історія, інноваційні технології, 2017, 3 (67), 165-175
13. Ємельянова, Т.В. Механізм розвитку когнітивного простору студентів в процесі математичної підготовки в сучасному університеті /Т.В. Ємельянова // Наукові записки ТНПУ ім. Володимира Гнатюка. Серія: педагогіка, 2017, 1, 192-199.
14. Ємельянова, Т.В. Механізм сприйняття просторово-часової інформації в когнитівному просторі особистості / Т.В. Ємельянова // Наукові записки Бердянського державного педагогічного університету. Серія: Педагогічні науки: зб. наук. пр. - Вип.1. - Бердянськ: БДПУ, 2020. - С. 258-267.
15. Fauconnier, G. Mental Spaces. In D. Geeraerts, H. Cuyckens (Eds) The Oxford Handbook of Cognitive Linguistics. DOI:10.1093/oxfordhb/9780199738632.013.0014.
16. Ярхо Т.О. Фундаменталізація математичної підготовки майбутніх фахівців технічного профілю у вищих навчальних закладах. Монографія. / Т.О. Ярхо. - Харків: ХНАДУ, 2016. - 284 с.
17. Полежаев Ю.Г. Культурна грамотність як лінгводидактична категорія. Педагогічні науки теорія, історія, інноваційні технології. Суми: Вид-во Сум ДПУ імені А.С. Макаренка, 2021, № 10. С. 147-157.
References
1. Grossberg, S.A. Path Toward Explainable AI and Autonomous Adaptive Intelligence: Deep Learning, Adaptive Resonance, and Models of Perception, Emotion, and Action Front Neurorobot. 2020 Jun 25;14:36. doi: 10.3389/fnbot.2020.00036.eCollection 2020.
2. Carpenter, G.A., Grossberg, S.A. Massively Parallel Architecture for a Selforganizing Neural Pattern Recognition Machine. Computer Vision, Graphics and Image Processing, 37(1), 54-115.
3. Carpenter, G.A., Grossberg, S. ART 2: Self-organization of Stable Category Recognition Codes for Analog Input Patterns, Applied Optics, Vol. 26, Issue 23, 1987, 4919-4930.
4. Carpenter, G.A., Grossberg, S. ART 3: Hierarchical Search Using Chemical Transmitters in Self-organizing Pattern Recognition Architectures, Neural Networks, Vol. 3, Issue 2, 1990,129-152.
5. Carpenter, G.A., Grossberg S., Rosen, D.B. (1991) Fuzzy ART: Fast Stable Learning and Categorization of Analog Patterns by an Adaptive Resonance System, Neural Networks, Vol. 4, Issue 6, 1991, 759-771.
6. Carpenter, G.A., Reynolds, J.H. ARTMAP: Supervised Real-time Learning and Classification of Nonstationary Data by a Self-organizing Neural Network. Neural Networks Volume 4, Issue 5, 1991, Pages 565-588.
7. Grossberg, S. The Resonant Brain: How Attentive Conscious Seeing Regulates Action Sequences that Interact with Attentive Cognitive Learning, Recognition, and Prediction Atten Percept Psychophys. 2019 Oct; 81(7):2237-2264.doi: 10.3758/s13414-019-01789-2.
8. Rabinovich, M.I., Muezzinoglu, M.K. Nonlinear Dynamics of the Brain: Emotion and Cognition, Phys. Usp., 53:4 (2010), 357-372.
9. Rabinovich, M.I., Varona, P. Nonlinear Dynamics of Creative Thinking. Multimodal Processes and the Interaction of Heteroclinic Structures, Phys.Usp., 64:8 (2021), 801-814.
10. Emelyanova, T.V. (2020) Robochii prostir piznavalnoho navchalnoho protsesu yak prostir mentalnykh konstruktiv kognityvnoho mekhanizmu myslenia [Worspace of The Cognitive Process as a Space of Mental Constructs of the Cognitive Mechanism of Thinking] Naukovi Zapysky. Seriia: Pedahohichni Nauky, Is.191, 74-77 [in Ukrainian].
11. Emelyanova, Т.У. (2019) Mentalnii prostir yak kharakterystyka stupenia rozvytku kognityvnykh zdibnostei v navchalnomu protsesi [Mental Space as a Characteristic of the Degree of Development of Cognitive Abilities of the Individual in the Educational Process] Pedagogical Sciences: Theory, History, Innovative Technologies, Is.1 (85), 224-234 [in Ukrainian].
12. Emelyanova, T.V., Nesterenko, V.O. (2017) Pro mekhanizm aktyvizatsii piznavalnoho prostoru osobystosti v protsesi myslenia [About the Mechanism of Activation tf the Cognitive in the Thought Process] Pedagogical Sciences: Theory, History, Innovative Technologies, Is.3 (67), 165-175 [in Ukrainian].
13. Emelyanova, T.V. (2017) Mekhanizm rozvytku kognityvnoho prostoru studentiv v protsesi matematychnoi pidhotovki v suchasnomu universiteti [About the Mechanism of the Development of Cognitive Space of Students in the Process of Mathematical Preparation in Modern University] Scientific Issues of Terporil Volodymyr Hnatiuk Pedagogical University. Section: pedagogy, Is. 1, 192-199 [in Ukrainian].
14. Emelyanova, T.V. (2020) Mekhanizm spryiniatia prostorovo-chasovoi informatsii v kohnityvnomu prostori osobystosti [About the Mechanism of Perception of the Spatial-temporal Information in the Cognitive Space of the Individual] Scientific Papers of Berdyansk State Pedagogical University. Series: Pedagogical sciences, Is. 1, 258-267 [in Ukrainian].
15. Fauconnier, G. Mental Spaces. In D. Geeraerts, H. Cuyckens (Eds) The Oxford Handbook of Cognitive Linguistics. DOI:10.1093/oxfordhb/9780199738632.013.0014.
16. Yarcho, T. (2016) Fundamentalizatsiia matematichnoi pidhotovky maibutnikh fakhivtsiv tekhnichnoho profihu u vyshchikh navchalnykh zakladakh [Fundamentalization of Mathematical Preparation of the Future Specialists of a Technical Profil at Higher Educational Establishments]. Monografiia. - Kharkov, 2016. - 284 p. [in Ukrainian].
17. Polezhaev Yu.G. Cultural literacy as a linguistic didactic category. Pedagogical sciences, theory, history, innovative technologies. Sumy: Publishing House of Sumy DPU named after A.S. Makarenko, 2021, No. 10. P. 147-157.
Размещено на Allbest.ru
...Подобные документы
Застосування нейронних мереж при вирішенні різних технічних проблем. Архітектура штучних нейронних мереж. Дослідження штучного інтелекту. Гіпотеза символьних систем. Представлення за допомогою символів. Синтаксичний та семантичний аналіз розуміння мови.
курсовая работа [985,8 K], добавлен 14.01.2010Поняття штучного інтелекту, його порівняння з природним. Коротка характеристика особливостей використання штучного інтелекту в медицині, військовій справі та комп'ютерних іграх. Проблема взаємодії носіїв універсального штучного інтелекту та суспільства.
контрольная работа [29,6 K], добавлен 07.01.2014Часовий ряд як сукупність значень будь-якого показника за декілька послідовних моментів або періодів часу. Знайомство з методами для прогнозування часового ряду за допомогою штучних нейронних мереж. Розгляд головних задач дослідження часового ряду.
контрольная работа [1,1 M], добавлен 14.09.2014Логічний, структурний, еволюційний та імітаційний підходи до побудови системи штучного інтелекту. Використання формально-логічних структур, що обумовлено їх алгоритмічним характером. Методи реалізації системи штучного інтелекту, інтелектуальні програми.
реферат [34,5 K], добавлен 14.04.2014- Разработка и исследование метода сетевого оператора для адаптивного управления динамическим объектом
Понятие адаптивного управления как совокупности действий и методов, характеризующихся способностью управляющей системы реагировать на изменения внешней среды. Применение метода сетевого оператора для синтеза адаптивного управления мобильным роботом.
дипломная работа [1,4 M], добавлен 17.09.2013 Життєвий цикл інформаційної системи як упорядкована сукупність змін його стану між початковим і кінцевим станами. Умови забезпечення адаптивного характеру розвитку ІС. Технологія проектування інформаційної системи, технологічна мережа проектування.
реферат [252,2 K], добавлен 20.06.2010Інтуїтивне розуміння поняття "інтелект". Основні проблемні середовища штучного інтелекту. Проблема неточних і неповних знань. Тест Тьюринга і фатичний діалог. Метод комп’ютерної реалізації фатичного діалогу. Принцип віртуальної семантичної сітки.
курсовая работа [560,0 K], добавлен 27.12.2007Анализ существующих стандартов образовательных сред в системах адаптивного компьютерного обучения. Краткая характеристика и оценка состояния рассматриваемой проблемы. Стандарты и спецификации ЭО. Обоснование выбранного метода направления исследования.
научная работа [8,3 K], добавлен 29.01.2009Особливості процесів гнучких виробничих систем з погляду функціонування. Визначення поняття мережі Петрі як двочасткового орієнтованого графа, способи її розмітки. Принципи розширення стандартів мереж Петрі: використання часу, рішення конфлікту переходів.
контрольная работа [479,9 K], добавлен 17.11.2010Характеристика соціальних мереж та аналіз можливостей використання їх інформації для виявлення, розслідування злочинів. Значення соціальних мереж у процесі попередження кримінальних правопорушень. Зарубіжне правове регулювання Інтернет-простору.
статья [21,2 K], добавлен 31.08.2017Основні типи соціальних мереж, їх класифікація, характеристики та напрями застосування. Аналіз різноманітних математичних теорій, що використовуються для дослідження соціальних мереж. Психологічні аспекти користування онлайновими мережами в Інтернеті.
дипломная работа [3,0 M], добавлен 02.12.2014Визначення поняття і дослідження структури топології комп'ютерних мереж як способу організації фізичних зв'язків персональних комп'ютерів в мережі. Опис схеми топології типів шина, зірка і кільце. Багатозначність структур топології комп'ютерних мереж.
реферат [158,1 K], добавлен 27.09.2012Особливості архітектури комп'ютерних мереж. Апаратні та програмні засоби комп'ютерних мереж, їх класифікація та характеристика. Структура та основні складові комунікаційних технологій мереж. Концепції побудови та типи функціонування комп'ютерних мереж.
отчет по практике [1,2 M], добавлен 12.06.2015Ознайомлення із загальною структурою системи автоматичного розпізнавання мовлення. Визначення особливостей нейронних мереж. Дослідження та характеристика процесу побудови системи розпізнавання мовлення. Вивчення специфіки прихованої моделі Маркова.
дипломная работа [1,1 M], добавлен 25.07.2022Опис та криптоаналіз шифрів простої заміни, перестановки та багатоалфавітних шифрів. Стандарт DЕS. Мережі Фейстеля. Криптосистеми з відкритим ключем. Структура системи RSA. Означення та принципи організації криптографічних протоколів. Кодування алфавіта.
дипломная работа [782,5 K], добавлен 29.01.2013Історія досліджень, пов’язаних з розпізнаванням образів, його практичне використання. Методи розпізнавання образів: метод перебору, глибокий аналіз характеристик образу, використання штучних нейронних мереж. Характерні риси й типи завдань розпізнавання.
реферат [61,7 K], добавлен 23.12.2013Розгляд основ діяльності Державної податкової інспекції м. Болград. Аналіз апаратного та програмного забезпечення комп'ютерних систем і мереж. Принципи використання механізму неіменованих каналів для організації локального міжзадачного обміну даними.
отчет по практике [33,1 K], добавлен 14.05.2015Навчання штучних нейронних мереж, особливості їх використання для вирішення практичних завдань. Рецепторна структура сприйняття інформації. Перцептрон як модель розпізнавання. Задача моделювання штучної нейронної мережі з розпаралелюванням процесів.
дипломная работа [2,8 M], добавлен 24.07.2013Разработка программы, моделирующей процессы обучения, работы и прогнозирования ИНС с использованием постоянного, а также адаптивного шага обучения. Исследование поведения системы в зависимости от количества входов при постоянном шаге самообучения.
контрольная работа [92,5 K], добавлен 16.10.2011Cтвopення веб-дoдатку для визначення pівня інтелекту людини (кoефіцієнта інтелекту) на мові пpoгpамування PHP з викopиcтанням JаvаScrіpt та cиcтеми кеpування базами даних MySQL. Функціoнальні частини програми: клієнтcька чаcтина і заcoби адміністрування.
дипломная работа [614,8 K], добавлен 08.10.2010