Дел на рынке ценных бумаг и даже прогнозируют итоги президентских выборов.

281

Входной слой Скрытый слой Выходной слой

Рис. 7.7. Схема трехслойной нейронной сети

Тормозящие, чтобы кодирование входными элементами отдельных

Признаков осуществлялось без помех со стороны других элементов.

Процесс решения задачи зрительного поиска ≪ нейронной сетью

≫ в предельно упрощенном виде может быть представлен следующим

Образом. Для стимулов, предъявляемых сети на входе,

Задается определенный порог опознания любого их них как целевого.

На выходе из сети ≪ нейроны ≫ накапливают активацию, которая

Кодирует информацию о предъявленных объектах (их признаках,

Соответствии этих признаков характеристикам целевого

Объекта и т.д.). Если состояние элементов на выходе из сети соответствует

Критерию наличия целевого объекта, который уточняется

В ходе обучения нейронной сети (такое обучение может занять

До нескольких миллионов повторений решения задачи с последующим

пересчетом весовых коэффициентов), сеть выдает ответ ≪ да ≫ ,

в противном случае — ≪ нет ≫ .

Если однократного применения процедуры ≪ поиска ≫ недостаточно,

То пропускание активации через сеть должно быть повторено.

Например, если изображения объектов недостаточно контрастны

Или зашумлены какими-либо зрительными помехами, то

Для решения задачи может понадобиться несколько таких повторений,

Или итераций (от лат. item — повторять). Чем большее число

сопоставлений и ≪ взвешиваний ≫ должна проделать сеть, тем

Дольше будет осуществляться поиск.

282

Переработка информации, особенно в пределах слоя, осуществляется

Здесь т о л ь к о п а р а л л е л ь н о. Если она чем-то и ограничена,

То исключительно пропускной способностью или скоростью

Работы сети в целом. Эта скорость может зависеть, в частности,

от требований к анализу целевых и отвлекающих стимулов,

От их сходства между собой. Однако само понятие последовательной

Переработки на любом из уровней анализа стимулов сетью

Бессмысленно. Более того, в каждый конкретный момент времени

В анализе стимула задействован не один конкретный элемент, а

вся сеть. Поэтому переработка оказывается распределенной по ≪ нейронной

сети ≫ .

Какого рода факты могут выступить в поддержку параллельных

сетевых моделей зрительного поиска? К примеру, можно изменить

Один из параметров каждого стимула в наборе так, чтобы

Опознание этого стимула удлинилось на определенное количество

Времени (At). Для этого можно добавить к изображению стимулов

≪ шум ≫ в виде точек (рис. 7.8) или снизить контрастность стимулов.

Для получения ответа сеть осуществляет итерации, увеличивая

Тем самым время поиска. Но это увеличение не будет зависеть от

того, сколько именно зрительных объектов предъявлено сети:

Повторное сравнение понадобится и в том случае, когда предъявлено

Только два объекта, и когда этих объектов 10.

Однако остается вопрос, насколько предсказания сетевой модели

Зрительного поиска соответствуют результатам решения такой

Задачи. Регистрируя скорость ответов испытуемых, можно

Выяснить, как искусственное ухудшение изображения целевых

Объектов скажется на графике зависимости скорости поиска от

Общего количества стимулов.

Последовательная и параллельная модели анализа стимулов

Дают в условиях зашумления разные предсказания,

V'-'v

•Если поиск последователен, то увели-

Чение общего времени поиска (Т) должно

Быть пропорционально количеству стимулов,

поскольку каждый из них должен быть;.;

Поочередно обследован, причем с неко-

горой задержкой. Когда стимулов 5, то....'

Тс шумом = ^без шума + 5'At, Э КОГДа 12, ТО

'^с шумом = ^без шума +12 At.

•Если поиск параллелен, то независимо

от общего количества стимулов время рис 7 g Зрительный

Поиска будет увеличиваться на фикси- поиск в условиях за-

⇐ Предыдущая142143144145146147148149150151Следующая ⇒

Поделиться: