Семантикалық нейрондық желілер: негіздері мен мүмкіндіктері
Semantic neural network
Семантикалық нейрондық желілер (SNN): фон Нейман желісінен дамыған, қабылдағыштары кеңейтілген, тұманды мәнді де өңдейтін, өздігінен жұмыс істейтін жүйе.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Кіріспе
Семантикалық нейрондық желі (СНН) Джон фон Нейманның нейрондық желісіне [фон Нейман, 1966] және Николай Амосовтың М желісіне негізделген. Фон Нейман желісі үшін байланыс топологиясының шектеулері бар, бірақ СНН осы шектеулерсіз жағдайды қабылдайды. Тек логикалық мәндерді өңдеу мүмкін, бірақ СНН бұлыңғыр мәндерді де өңдеуге болатынын қабылдайды. Фон-Нойман желісінің барлық нейрондары такттармен синхрондалады. Өзін-өзі синхрондау схемасының техникасын одан әрі пайдалану үшін СНН нейрондардың өздігінен жұмыс істейтінін немесе синхрондалғанын қабылдайды. Фон-Нойман желісінен айырмашылығы, семантикалық желілер үшін нейрондар топологиясына шектеулер жоқ. Бұл Фон Нейманның нейрондарды салыстырмалы түрде адрестеу мүмкін болмауына әкеледі. Осы жағдайда абсолютті қайта адрестеуді қолдану керек. Әрбір нейронның бірегей идентификаторы болуы керек, ол басқа нейронға тікелей қол жеткізуді қамтамасыз етеді. Әрине, аксондар мен дендриттер арқылы өзара әрекеттесетін нейрондардың бір-бірінің идентификаторлары болуы керек. Абсолютті қайта адрестеуді нейронның ерекшелігін пайдалану арқылы, биологиялық нейрондық желілерде іске асырылғандай, модульдеуге болады. Семантикалық желілердің бастапқы сипаттамасында өзін-өзі тану және өзін-өзі өзгерту қабілеттері туралы ешқандай сипаттама жоқ [Dudar Z. V., Shuklin D. E., 2000]. Бірақ [Шуклин Д. Е. 2004]-те жүйеде интроспекция мен өзін-өзі өзгерту қабілеттерінің қажеттілігі туралы қорытынды жасалды. Бұл қабілеттерді сақтау үшін нейронға көрсеткіш концепциясы ұсынылады. Көрсеткіштер нейрондар арасындағы виртуалды байланыстарды көрсетеді. Бұл модельде нейрондық байланыстар арқылы берілетін денелер мен сигналдар физикалық денені, ал нейрондар арасындағы виртуалды байланыстар астралдық денені бейнелейді. Паранормальды әсерлерге мүмкіндік беретін виртуалды машина негізінде жасанды нейрондық желілердің модельдерін жасау ұсынылады. СНН көбінесе табиғи тілді өңдеу үшін қолданылады.
Semantic neural network (SNN) is based on John von Neumann's neural network [von Neumann, 1966] and Nikolai Amosov M Network. There are limitations to a link topology for the von Neumann’s network but SNN accept a case without these limitations. Only logical values can be processed, but SNN accept that fuzzy values can be processed too. All neurons into the von Neumann network are synchronized by tacts. For further use of self synchronizing circuit technique SNN accepts neurons can be self running or synchronized. In contrast to the von Neumann network there are no limitations for topology of neurons for semantic networks. It leads to the impossibility of relative addressing of neurons as it was done by von Neumann. In this case an absolute readdressing should be used. Every neuron should have a unique identifier that would provide a direct access to another neuron. Of course, neurons interacting by axons dendrites should have each other's identifiers. An absolute readdressing can be modulated by using neuron specificity as it was realized for biological neural networks. There’s no description for self reflectiveness and self modification abilities into the initial description of semantic networks [Dudar Z. V., Shuklin D. E., 2000]. But in [Shuklin D. E. 2004] a conclusion had been drawn about the necessity of introspection and self modification abilities in the system. For maintenance of these abilities a concept of pointer to neuron is provided. Pointers represent virtual connections between neurons. In this model, bodies and signals transferring through the neurons connections represent a physical body, and virtual connections between neurons are representing an astral body. It is proposed to create models of artificial neuron networks on the basis of virtual machine supporting the opportunity for paranormal effects. SNN is generally used for natural language processing.