Тема форума: «Нейросимулятор»

Мысли постепенно выравниваются

Однажды прочитал в статье, что немцы сделали спец. покрытие для роботов, имитирующее сенсорную чувствительность кожи. В кратком описании говорилось о неких микро-датчиках с встроенным чипом, которые как то обрабатывают сигнал и передают результат на центральный процессор. Испытания прошли успешно и теперь работают над следующей версией с гибкой подложкой, чтобы "кожу" можно было буквально натягивать на каркас робота. Тогда сразу подумалось - если бы сделать компоновку дуплексной на гибкой подложке - то такая "кожа" запросто могла бы детектировать не просто прикосновения, но "запоминать" конкретный сенсорный рисунок. Например, робот мог бы запоминать хозяина через рукопожатие или обнимашку - инициализация "протокола служения" при первом включении. Ведь первичная обработка (разбиение, контрастирование) происходит прямо в сенсорном слое, без всяких центральных процессоров. А если сделать "кожу" многослойной, добавив несколько слоев для группировки примитивов первого слоя - останется только подключить рефлекторные заготовки для реагирования. Это существенно разгрузит центральный процессор и увеличит скорость реакции, не говоря о том, что отпадет надобность в написании сложных самообучаемых алгоритмов распознавания.

При таком подходе вообще не нужен центральный процессор, только как дополнительный математический модуль. Людям бы таой имплант тоже был бы полезен: считать в уме, сохранять картинки и файлы и т.п.

Я думаю, по тем принципам построения рефлекторных сетей, что я пытаюсь сформулировать, можно создать их из чего угодно, лишь бы соблюдались эти принципы. Например, как работает распознавание патогенов в иммунной системе белыми кровяными клетками? Может быть, они тоже образуют какую то рефлекторную сеть с динамическими, не фиксированными связями с огромной вариабельностью реагирования? Что позволяет эффективно детектировать бесконечные мутации патогенов. Или как образуются устойчивые симбиозы микроорганизмов? Может быть не так уж и случайно.

Перелинковал сетку на ортогональную 4х4 и погонял в ней примитивы. Прямые вертикальные/горизонтальные линии не разрываются при контрастировании, потому как детектирующие их эффекторы не связаны друг с другом. А вот фигуру типа крест уже корежит при смене уровня торможения. В принципе все ожидаемо оказалось. Из новой схемы можно сделать вывод, что разрывание примитива на части это частный случай, зависящий от схемы основных/тормозных связей. Здесь ортогональные линии просто контрастируются не теряя основные активные эффекторы, только боковые. Связи на сетке пока изначально установлены, но при обучении они удалятся и должны будут "прорасти" - и тут видимо картина эффекторного рисунка тоже изменится.

 

Убрал цифры весов связей на эффекторе, как показано было раньше на рисунке. Потому, как вес связи передается от рецептора, а это значит, что он передает один и тот же вес связанным с ним эффекторам, поэтому можно просто одну цифру веса показать на рецепторе, вместо загромождения цифр весов на эффекторе от каждой связи. Но в итоге на эффекторе установятся конечно разные веса связей при обучении, так как они будут созревать не одновременно и на один эффектор приходят связи от разных рецепторов. Кроме того, при визуализации роста весов при обучении, думаю будет эффектно в плане наглядности показать через постепенное изменение насыщенности цвета рецепторов как растут веса связей на связанных с ними эффекторах. Внешне будет выглядеть как проявление изображения при фото-съемке: короткая яркая вспышка контура на сетке - и постепенное "проявление его" как на фотобумаге.

Syetka_4h4.rar

Выглядит более убедительно, но увидеть конечный результат мешают другие цветные элементы. Стоит добавить режим просмотре со скрытыми элементами кроме активных эффекторов, тогда четко будет виден эффект.

Думал об этом. В плане наглядности схемы связей дуплексная компоновка предпочтительнее. Но для демонстрации спец. эффектов детекторных рисунков при изменении свойств сетки лучше показывать 2 матрицы отдельно. Сделаю 2 режима. Первый как сейчас + график справа, второй - две матрицы: слева рецепторная, справа эффекторная.

На всякий случай уточняю, что желателен режим, когда показываются только активные эффекторы и тогда будет ясно видно как из жирной фигуры начинает контрастироваться более островырисованная.

Можно в принципе сделать ячейки с белым фоном, тогда будет просто пустой экран. Тыкаешь на него - загорается рецептор, а на соседней матрице эффектор, если веса превысили его порог.

Кстати, заметил такую особенность ортогональной матрицы 4х4 - она более чувствительна к изменению параметров для некоторых рисунков. Потому что связей меньше и охват менее объемный. Например если двигать ползунок торможения для фоновой засветки при минимальном пороге, эфекторный рисунок начинает переключаться между двумя вариантами. По сути это генератор двух эфекторный состояний при изменении торможения. Это можно будет использовать в схеме стабилизации, когда надо две реакции типа вперед/назад для последовательного приближения к точке баланса. Вообщем все эти эффекты, если они стабильны, а не случайно хаотично из-за итераций расчета, по сути заготовки для построения различных схем реагирования. И как показала эта новая решетка, конфигурации эффекторных рисунков еще могут быть и цикличными, что дает доп. возможности для схем реакций. В гексогональной такое тоже было, но не так ярко выражено. Видимо потому, что там охват был более равномерен по всем осям, а не только ортогональным.

 

Ты же элементы делаешь в виде div, так можно для лишних задать стиль display:none; и они исчезнут.

Сделал режим с двумя матрицами. Не стал пока скрывать не активные элементы, потому как вылезла одна фигня. В новом режиме связи сохранил от дуплексной решетки - в итоге получилось не совсем гут, потому как кол-во ячеек по вертикали для в исходной дуплексной решетки не одинаково для столбцов - там шахматный порядок. Это приводит к "растягиванию" рисунков по горизонтали. В принципе оно как бы и ладно, важно ведь на эффекторной матрице получить не копию рецепторного рисунка, а их уникальную пару. Но такие "деформации" думается будут сбивать с толку.

 

Получается, для двухматричного режима отображения придется менять линковку элементов. Но это опять собьет с толку, когда при переключении с одного режима на другой будет меняться эффекторный рисунок - там ведь связи, в том числе тормозные будут другими.

 Dvye_matritcy.rar

Хотя если нарисовать квадрат более "толсто" - то расхождение рисунков при разных режимах уже не столь выражено.

Tolstyy_kvadrat.rar

Есть такое подозрение, что если просто взять два параллельных слоя рецептор/эффектор и залинковать их тупо как они смотрят друг на друга и до ближайшего элемента, куда могут дотянуться - то получим максимально плотную из возможных решетку, только уже не дуплексную, а простую парную, где один эффектор линкуется с 9 рецепторами, и рецептор аналогично с 9 эффекторами. Схема 9х9, + тормозных связей 8. И может статься, вся эта свистопляска с генерациями, мерцаниями пропадет. Возможно дуплексная вундервафля вовсе не такая уж чудная, как мне хотелось бы ее видеть. Точнее она просто более глючная из за более слабого охвата связями элементов. Но в то же время более дешевая в исполнении.

Nan в своей демонстрашке так примерно и сделал - две отдельных матрицы без всяких линий связей, и два отдельных массива для каждой. Это показалось мне слишком банальным, но по факту выходит так и надо делать, без всяких выкидонов. Попробую это реализовать в симуляторе. А то что есть пойдет как пример поведения матрицы при различных вариантах линковки элементов. Теперь уже два есть: гексогональная и ортогональная. Осталось сделать просто нормальную

Ожидания стабильности не оправдались. Двойная решетка 9х9 слишком заторможена. Если изменение порога просто выключает постепенно эффекторы, то изменение торможения выдает намного большую свистопляску. А из за большого охвата эффекторами рецепторов (и наоборот) - эффекторный рисунок при минимальном пороге и торможении получается тоже слишком мощный. Вообщем надо видимо какое то раздумье - какая схема оптимальна. Мало связей - вялая реакция, много - слишком бурная. И в обоих случаях искажения и пляски эффекторов. Я ведь исхожу из того, что параметры в природной нейросети "плавают", стало быть если сетка так чувствительна к изменению порога или торможения, то и детектирование будет такое же глючное. Все таки дуплексы показывали лучшие показатели в плане стабильности, особенно гексогональная. 

Ryeshyetka_9h9.rar

При большом числе боковых участников эффект должен быть более плавным. Это можно смоделировать на https://scorcher.ru/neuronet/lateral_braking.php

У тебя там связь между рецептор-эффектор как 1:1, то есть нет охвата рецептор/эффектор. Только торможение использует охват ближайших эффекторов. Поэтому и нет такого шалмана как у меня.

Я думаю надо просто выявить факторы, влияющие на стабильность детектирования решетки и найти оптимум. Сейчас я пока вижу 4 таких параметра: порог срабатывания, уровень торможения, радиус охвата, диапазон значений параметров, при которых не меняется пара рецепторно-эффекторных рисунков. Причем еще вопрос - делать ли одинаковым например охват для рецептор/эффекторной линковки и тормозных связей. Может все три типа связей надо делать по разному, в смысле не 4х4х4 а 6х4х3 к примеру. На 1 рецептор 4 эффектора, на 1 эффектор 3 рецептора, тормозные связи между эффекторами как триады. Это просто пример от балды. И при каждых комбинациях эффекторная реакция будет сильно отличаться - это уже очевидно из опытов с гексогонально-ортогональными дуплексами и двойной 9х9. Главное свойство решетки, показывающее ее качество - способность генерировать уникальную пару РЭ-рисунков в некотором диапазоне плавания параметров. Чем уже диапазон - тем менее помехоустойчива и стало быть более глючная решетка. И есть подозрение, что чем больше охват, тем больше итераций надо на вычисление веса при торможении, потому как решетка становится более чувствительна к изменению параметров. Это как если толкнуть простую качелю или сложно связанные между собой кучи маятников - там все начнет ходуном ходить.

Понятно, что в реальности при самообучении связи вытянутся не равномерно с разными весами и может быть эффект взаимовлияния будет не так глючно выражен. Можно было бы и не заморачиваться по поводу почему эффекторные рисунки так пляшут. Но если мы говорим об искусственном прототипе распознавателя, причем о его реальном воплощении например в виде интегральной микросхемы или программного модуля - тогда нужно четкое понимание, как влияют вышесказанные свойства на качество детектирования. Иначе как ее улучшать, если не понимаешь в полной мере как и почему она именно так работает?