Использование нейросетей для анализа звуковой информации

Определение нейрокомпьютера


Под термином нейрокомпьютер понимается вычислительная система (система, производящая обработку информации), моделирующая с той или иной степенью точности реальные биологические нейросети, и обладающая следующими основными свойствами:

§ Значащим уровнем анализа является не активность одного элемента, но паттерн активности многих элементов

§        Система состоит из простых элементов и сложных связей между ними

§        Элементы взаимодействуют посредством возбуждения и торможения

§        Эффективность обработки информации осуществляется не за счет высокого быстродействия отдельных элементов, а за счет одновременной работы многих элементов (массовый параллелизм).

§        Минимальный контроль извне: система сама определяет свое поведение, как правило, это стремление к устойчивому состоянию

§        Поведение системы не программируется заранее, а формируется за счет её обучения (модификации пластических элементов)

§        Правила модификации локальны (определяются текущим состоянием и активностью в окрестности точки локализации)*

§        Система устойчива к потере небольших объемов информации и флуктуациям состояния отдельных элементов**

*  Это свойство необязательно, но оно позволяет существенно упростить   аппаратную реализацию нейросетевых моделей, когда будет необходимо создавать множество связей между элементами.

** Это свойство является особенностью биологических нейросетей, в которых постоянно происходит потеря информации за счет гибели клеток и естественных физиологических процессов.

В таблице 1 приведены основные отличия  нейрокомпьтера от классического компьютера -  машины Фон Неймана:



Таблица 1

Отличие нейрокомпьютера от машины Фон Неймана

Машина фон Неймана

Биологическая нейронная система

Процессор

Сложный

Простой

Высокоскоростной

Низкоскоростной

Один или несколько

Большое количество

Память

Отделена от процессора

Интегрирована в процессор

Локализована

Распределенная

Адресация не по содержанию

Адресация по содержанию

Вычисления

Централизованные

Распределенные

Последовательные

Параллельные

Хранимые программы

Самообучение

Надежность

Высокая уязвимость

Живучесть


Пример одного слоя простейшей нейросети изображен на рис.1. В основе большинства нейросетевых моделей лежит концепция распространения информации от одного слоя к другому по связям (матрица связей W). При этом сигналы представляются векторами (X,Y), и обработка сигнала в одном слое выглядит следующим образом:

                                                
                                    
(1)

X-вектор входа,

А-вектор нейронных входов,

Y – вектор выхода.

Пример одного слоя  простой нейросети



Рис. 1

В разделе 5.2 подробно описывается выбранная для построения системы анализа речи модель нейросети. За более полной информацией по существующим нейросетевым алгоритмам обращайтесь к  [1],[6],[7],[8].


Содержание раздела