В каждом варианте расчетов модель работала в двух режимах: обучения и опознания. В режиме обучения от рецепторной системы C на воспринимающую А и на систему памяти P на протяжении исходно определяемого числа тактов времени поочередно подавали бинарные образы буквенных символов. Процесс подкрепления реализовали тем, что в период обучения при подаче очередного символа на матрицу С, а от нее на А и на Р, программно становился активным очередной элемент матрицы R. Тогда эффективность (сила тока) контактов к этому элементу R от матрицы А и эффективность контактов от активного элемента матрицы R к элементам матрицы P, активируемых этим же символом от С, повышалась. Тормозные влияния от матрицы Р к матрице А в момент обучения были отключены для имитации ослабления гиперполяризационного торможения при обучении в реальной нервной системе.
При распознавании символов исходно все элементы матрицы R были не активны. Включались отрицательные связи от матрицы Р к матрице А. При подаче какого-либо символа на матрицу С и далее на матрицу А активировался, т. е. распознавал и называл этот символ тот элемент матрицы R, который соответствовал ему в период обучения. Элемент R, активируемый символом, поданным на А, в следующем такте времени активировал соответствующие элементы матрицы Р, которые в следующем такте времени вытормаживали соответствующие элементы матрицы A. Далее программно осуществлялось поэлементное сравнение содержимого матрицы A, которое оставалось после вытормаживания, с содержимым матрицы С. Если количество активных элементов, оставшихся в А, не превышало исходно указанного числа, то символ считался распознанным.
Для выявления незнакомых образов существенную роль играло значение величины расхождения между образом, воспроизведенном в памяти, и образом, подаваемым на матрицу А от С. Значение расхождения исходно устанавливалось оператором. При условии, если оно было небольшим (1–2 активных элемента, незаторможенных в матрице А элементами матрицы Р), модель распознавала образы, отличающиеся друг от друга на малое число элементов. При увеличении значения расхождения происходило объединение менее сходных образов. В случае, если модель не распознавала очередной образ, она присваивала ему новый подкрепляющий и распознающий элемент матрицы R.
Алгоритмы построенной нами модели позволяют безошибочно распознавать все предлагаемые символы в количестве, равном числу НЭ в подкрепляющей подсистеме, в том числе символы очень сходные, почти «взаимнопоглощенные». Минимальное время обучения системы для запоминания одного символа при оптимальных условиях работы сети составляло четыре такта времени. Для правильного опознания при этом требовалось три такта счета (рис. 39).
Рис. 39. Обучение сети и распознание буквенных символов «В» и «Б» при оптимальных параметрах работы модели.
«I» – активность нейроноподобных элементов (НЭ) системы А в последовательные такты счета. Числа вверху означают номера тактов в режиме обучения (двоеточие) и в режиме распознания (двоеточие и звездочка.). I – момент «импульсного разряда» данного НЭ, – момент его отсутствия. «II» – активность НЭ подкрепляющей и распознающей системы R в эти же такты счета. «III» – активность системы памяти в тот же период времени, (по Шульгина, Муравьев, 2000).
Для реализации опознания и для повышения надежности в процессе опознания образов оказалось необходимым использовать три вида торможения, известных в нейрофизиологии:
Предвозбудительное торможение. В опытах с моделью обнаружилось, что для повышения надежности в распознании очередного символа необходима установка НЭ и контактов между ними перед подачей очередного образа в исходное состояние. Это действие имитировало нейрофизиологический процесс предвозбудительного торможения (см. Evarts, 1974; Шульгина, 1978). При отсутствии предвозбудительного торможения происходило наложение последующего образа на предыдущий (рис. 40).
Рис. 40. Аномалии в работе программы, поскольку не было имитации предвозбудительного торможения. Следы предыдущего образа (К) ухудшают опознание нового (Б). Обозначения как на рис. 39. (по: Бардычев и Шульгина, 2006).
Доминантное торможение. Эксперименты с моделью обнаружили также, что, поскольку сходные образы возбуждают одни и те же элементы матрицы С и далее А, с небольшими отличиями в их расположении и количестве, то в процессе распознания обычно активируется не один, а несколько элементов матрицы R, что приводит к аномалиям в работе программы (рис. 41).
Рис. 41. Наложение при распознании двух ранее выученных сходных образов вертолета и самолета в случае предъявления одного из них вследствие одновременной активации соответствующих им элементов матрицы R. (по: Бардычев и Шульгина, 2006).