Я пришел к выводу, что тела и связи нейронов представляют в таковой модели физическое тело, сигналы, передаваемые по связям нейронов – информационное тело, а виртуальные связи меж нейронами – звездное тело.
Предлагаю создавать модели искусственных нейронных сетей на базе виртуальной машины, поддерживающей способности паранормальных эффектов.
Введение
Разработка программных систем, имеющихся в виртуальной действительности, отличается от разработок, результатом которых должны стать изделия, имеющиеся в физической действительности.При разработке программного обеспечения цена приобретенного продукта определяется расходом последующих ресурсов: 1 – памятью, нужной для выполнения разработанной программной системы; 2 — производительностью программной системы; 3 — затратами на разработку этой системы.
Как указывает существующая практика, при разработке программных систем в особенности значительны издержки на первых шагах решения "безнадёжных" задач. В данном случае не ясна даже возможность решения намеченной цели "в принципе".
К "безнадёжным" можно отнести и делему сотворения искусственного ума. Неувязка ума существует с старых времён, а неувязка искусственного ума с середины ХХ века.
Можно смело гласить, что в обозримом будущем неувязка ума не закончит быть неувязкой. Потому не стоит отбрасывать даже малозначительную возможность преодоления кризиса, появившегося в исследовании разумного поведения. Следует рассматривать все догадки, которые могут посодействовать сделать шаг на пути зания загадки разума и сознания.
В процессе сотворения системы искусственного ума можно затратить время на разработку действующего макета, даже если таковой макет будет использовать неоптимальные технические решения.
После постройки действующего макета станет может быть провести оптимизацию и получить промышленное решение. В связи с этим в данной работе применяется способ, другой принципу бритвы Оккама.
Способ не будет полагать ограничение количества сущностей. Напротив, такие сути будут вводиться при любом комфортном случае. Будет иметь значение только одно — может быть ли в конечном итоге извлечь из легиона таких излишних сущностей нечто прагматическое.
Появляется вопрос об оправданности такового способа разработки. В отличие от физической действительности, в информационной действительности таковой подход полностью оправдан. Вправду, будут ли излишние сути усугублять ситуацию?
Свобода мышления разработчика от психических табу стоит того, чтобы отрешиться от бритвы Оккама, хотя бы на первых шагах. Свобода от табу даст комфорт разработчику, что может существенно понизить издержки, либо пусть окружным оковём, но благодаря применению нестандартных мыслях, привести к работоспособному макету.
Мы рассматриваем вычислительную систему. Система искусственного ума будет существовать в виртуальной действительности. И это не будет физическая действительность, в какой существует человек.
Действительность, в какой будет существовать искусственный ум, имеет право быть хоть какой, как нескончаемо труднее физической действительности, так и нескончаемо проще её.
Принципы построения (законы), действующие в виртуальной действительности, могут прогуляться на законы естественной действительности в очень малом объёме. Нам не непременно делать искусственный ум по виду и подобию естественного ума. Мы вправе создавать всякую виртуальную действительность с хоть какими качествами.
Мы можем неограниченно погружать одни уровни виртуальных реальностей в другие, пересекать или нарушать разделяющие их границы [1]. Главное — обеспечить возможность моделирования приобретенного абстрактного решения на имеющейся в нашей физической действительности вычислительной технике.
Появляется вопрос об отношении к таким способам разработки. Допустим, что в виртуальной действительности уже построен действующий макет системы искусственного ума. Этот макет основан на законах, действующих в виртуальном мире, и не основан на законах обыденного физического мира.
Появляется вопрос: может ли устройство этой системы осветить устройство ума естественного? Будет ли это умом?
Устройство ума искусственного может и не соответствовать устройству ума естественного. Аналогия может раскрыть только общие принципы, которым подчиняются подобные системы.
Действительность естественного ума возможно окажется как еще труднее и грандиознее, так и еще примитивнее искусственного ума, разработанного на базе нестрогой методологии.
Как следует, даже если на базе данной работы в неком будущем будет сотворен действующий макет, то его устройство никак нельзя считать претендующим на корректное соответствие устройству ума естественного.
Искусственные нейронные сети
Нередко, когда речь идёт об искусственных нейронных сетях, имеются в виду сети персептронного типа. В данном случае нейрон состоит из синапсов, умножающих входные сигналы на собственный вес, сумматора и активационной функции.
Из огромного количества таких нейронов создаётся некая топология, обычно нейроны группируются в многослойную структуру. Потом приобретенная сеть учится одним из алгоритмов обучения, к примеру, методом оборотного распространения ошибки [2].
Структура сети стопроцентно задаётся разработчиком. Количество нейронов либо связей не меняется. Естественно, это описание упрощённой картины искусственной нейронной сети персептронного типа, но для предстоящего хода рассуждений такового представления будет полностью довольно.
Сейчас разглядим идею нейронной сети более высочайшего уровня абстракции. Что есть нейронная сеть как мысль? Нейрон есть узел, обрабатывающий поступающую к нему информацию и передающий итог остальным узлам. Особо принципиальна одновременность работы всех нейронов.
Сложность обработки снутри нейрона, разумеется, не является значимым фактором в данном контексте. Нейрон может делать как тривиально обыкновенные, так и очень сложные операции. Особенной многофункциональной различия для всей системы это не повлечёт.
По мере надобности можно соединить группу простых операций в ансамбль нейронов и работать уже со сложными функциями таких абстрактных образований. В данном случае узлы со сложным поведением могут моделироваться группой простых нейронов.
При условии эквивалентности нейронной сети машине Тьюринга, такая сеть будет в состоянии вычислить всякую вычислимую функцию. Следует увидеть, что ничего не мешает разработчику пользоваться продекларированной ранее свободой и сделать нейроны с хоть каким поведением, нужным для решения намеченной цели.
Нейронная сеть, разумеется, может воплотить всякую функцию, какую только разработчики в состоянии измыслить и формально обрисовать. Но обосновать возможность реализации хоть какой функции — это только начало. Для практического внедрения разработанной системы нужно воплотить не всякую, а некую определенную и полезную в данном контексте функциональность.
Чего не хватает описанной абстрактной нейронной сети, выполняющей всякую вычислимую функцию? Способности изменять эту функцию в динамике.
Если структура сети будет жёстко определена, как у традиционного персептрона, то, будучи один раз реализованной согласно проекту, такая сеть сумеет приспособиться к изменившимся условиям в очень жёстких границах, обусловленных её структурой.
Естественно, может быть применить методологию метапереходов [3] и работать с динамикой обрабатываемых импульсов, но это будет побег от трудности, а не её решение.
Возможность самомодификации и самоанализа просит наличия динамики топологии. Нужно, чтоб нейронная сеть смогла обрабатывать свои нейроны как данные. Тогда одна часть нейронной сети может изменять топологию её другой части.
Любопытно, что ещё в 1957 году, Джон фон Нейман сделал архитектуру нейронной сети, принципно хорошую от персептронной (ограничения, накладываемые кристаллической решеткой, мы рассматривать не будем, за деталями реализации необычного "самовоспроизводящегося автомата" лучше обратится к работе [4]). Её качествами, существенными для данной работы, являются последующие:
Нейрон представляет некое довольно обычное устройство по переработке входных сигналов. В оригинале были применены логические функции конъюнкции, дизъюнкции и инверсии.
Нейрон может динамически изменять выполняемую функцию. Один и тот же нейрон в различное время может делать различные функции. В один миг времени — только одну из вероятных функций.
Нейрон может динамически поменять соединения с другими нейронами.
Одна часть нейронной сети может рассматривать состояние другой части сети.
Одна часть сети может изменять топологию другой части нейронной сети.
При математически полном наборе функций их сложность отразится лишь на вычислительной эффективности. Как показал фон Нейман в собственной работе [4], такая нейронная сеть эквивалентна машине Тьюринга.
При всем этом нужен только одноуровневый метапереход [3], в итоге которого такая нейронная сеть впрямую реализует конечный автомат, эквивалентный машине Тьюринга, и ленту с программкой.
В сети фон Неймана главное — не функция, выполняемая нейроном. Основным является способность к саморефлексии и самомодификации.
Допустим, в сети уже сформирована некая структура. В описываемой сети один участок нейронной сети может проанализировать структуру другого участка. Потом принять некие решения на базе этого анализа и провести изменение связей либо типов нейронов.
Одна часть нейронной сети может использовать другую часть нейронной сети в качестве банка памяти, динамически подсоединяясь к отдельным нейронам-ячейкам, считывая их состояние либо изменяя это состояние.
Увлекательна аналогия, которую можно провести меж молекулой ДНК и лентой в таком автомате. Более того, одна часть нейронной сети может выпустить "конструирующий рукав" и собрать из отдельных нейронов устройство, выполняющее некие функции.
При всем этом память, расположенная в "ленте" употребляется как ДНК, на базе которой конструируется некий участок нейронной сети.
Семантические нейронные сети
Разглядим семантические нейронные сети [5] и те следствия, которые появляются в процессе внедрения мыслях фон Неймана к этим сетям. Постулируем возможность [1] создать такую виртуальную действительность, которая была бы более увлекательна нам, как её юзерам.
В сети фон Неймана есть ограничения на топологию связей — постулируем отсутствие таких ограничений. Обрабатываются только логические значения – постулируем обработку нечётких значений.
Все нейроны в сети фон Неймана синхронизируются тактами. Для способности использования самосинхронной схемотехники постулируем наличие синхронизированных и не синхронизированных нейронов.
В отличие от сети фон Неймана, в семантической нейронной сети отсутствуют ограничения на топологию нейронов. Это приводит к невозможности относительной адресации нейронов, как это делал фон Нейман. В данном случае, нужно ввести абсолютную адресацию.
Каждый нейрон обязан иметь некий уникальный идентификатор, зная который можно получить к нему прямой доступ. Очевидно, нейроны, которые ведут взаимодействие вместе через аксоны-дендриты, обязаны иметь идентификаторы друг дружку.
Относительную адресацию можно моделировать, введя специфика нейронов, аналогично тому, как это реализовано в био нейронных сетях [6].
В начальном описании семантической нейронной сети [5] отсутствует описание возможностей к саморефлексии и самомодификации. Естественно, можно сказать, что семантическая нейронная сеть унаследовала эти возможности от её макета — сети фон Неймана.
Да, это так, мысль саморефлексии унаследована. Но от обычный идеи далековато до практической реализации. Итак, требуется обеспечить анализ и модификацию структуры 1-го куска нейронной сети другим её куском.
Допустим, что нечётких данных, передаваемых от нейрона к нейрону, будет для этого недостаточно. Постулируем наличие указателя на нейрон. Этот указатель будет просто уникальным номером — идентификатором нейрона в хранилище нейронов.
Пусть нейроны в состоянии обрабатывать не только лишь нечёткие данные, да и указателями друг на друга. Разумеется, что совсем реально воплотить это на техническом уровне.
Сейчас нужно осмыслить, что есть таковой указатель. Указатель на нейрон представляет собой виртуальную связь, которая не реализована в виде дендрита либо аксона. Пусть в сконструированной виртуальной действительности, нейроны будут вести взаимодействие вместе не только лишь средством передачи сигналов через аксоны-дендриты, да и при помощи паранормальных эффектов.
Итак, нейрон будет иметь сигнальные входы, сигнальные выходы и набор виртуальных связей с другими нейронами. Нейрон будет иметь возможность вести взаимодействие с другими нейронами, владея их указателями, но не имея с ними сигнальных связей.
Так же разумеется отличие меж указателями и сигнальными связями. Сигнальные связи являются обоесторонними структурными образованиями, связанными как с источником, так и с приёмником сигнала.
Указатель же односторонен. Обладатель идентификатора некого нейрона в состоянии инициировать взаимодействие с этим нейроном. Найти наличие указателя на некий нейрон на техническом уровне нереально без проведения поиска такового указателя.
Связи, проявленные в виде аксонов и дендритов, можно рассматривать как долговременную память системы, инвариантную к контексту. Сигналы и указатели, обрабатываемые нейронами — как сверхоперативную информацию, зависящую от текущего контекста. Утрата сигналов либо указателей (по аналогии с эпилептическим припадком) не должна воздействовать на проявленную структуру и привести к изменениям в длительной памяти либо личности.
Наличие таких указателей приводит к способностям косвенного взаимодействия. Аналогом из обычных языков программирования является двойная либо тройная разадресация. В данном случае некий нейрон-1, имеющий виртуальную связь с нейроном-2, в состоянии вести взаимодействие с нейроном-3 при условии, что нейрон-2 обладает указателем на нейрон-3.
Это приводит к широким способностям взаимодействия 1-го нейрона с другим нейроном без конкретного контакта как через проявленные, так и через виртуальные связи.
Для обеспечения саморефлексии в сети можно ввести нейроны, выполняющие функции анализа и конфигурации структуры сети.
Введём нейроны-рецепторы, реагирующие на структурные элементы конструируемой нейронной сети. Такие нейроны-рецепторы могут перебегать в возбуждённое состояние при выполнении неких определённых критерий, описывающих наличие либо отсутствие нейронов и связей меж нейронами с определёнными чертами.
Так же введём нейроны-эффекторы, которые, будучи переведены в возбуждённое состояние, делают некую модификацию структуры нейронной сети.
Для обеспечения полноты системы нужно обеспечить самоприменимость нейронов-рецепторов и нейронов-эффекторов. Нейрон-рецептор обязан иметь возможность рассматривать другие нейроны-рецепторы, в том числе и такого же типа, что он сам.
Нейроны-эффекторы должны уметь видоизменять другие нейроны-эффекторы, а не только лишь нейроны, выполняющие обработку сигналов. Это может быть благодаря наличию указателей на нейроны, постулированных ранее.
В качестве нейронов-рецепторов можно постулировать нейроны, определяющие наличие либо отсутствие нейронов определённых типов, связанных с неким нейроном; либо нейроны, определяющие наличие связи меж данными нейронами, либо наличие либо отсутствие связи определённого типа у некого нейрона.
В случае ублажения условия, нейрон-рецептор воспринимает возбуждённое состояние, в оборотном случае – пассивное. В качестве нейронов-эффекторов можно постулировать нейроны, связывающие два нейрона некой связью, нейроны создающие другие нейроны, эффекторы, уничтожающие нейроны либо связи. Если уровень возбуждения превзойдет некий порог, то нейрон-эффектор выполнит свою функцию.
В системе ELEX [7] был проведён опыт по синтезу структуры нейронной сети на базе наружного задания средствами самой нейронной сети. В виртуальной машине, выполняющей семантическую нейронную сеть, была реализована поддержка последующих типов нейронов связанных с самоприменимостью:
Нейрон линковщик — связывает два нейрона сигнальной (реальной) связью, на которые указывают виртуальные указатели.
Нейрон копировщик — копирует виртуальную связь из 1-го нейрона в другой нейрон.
Нейрон репликатор — принуждает делиться нейрон, на который показывает его 1-ая виртуальная связь; сохраняет виртуальную связь с новым нейроном во 2-ой виртуальной связи.
Нейрон-поглотитель нейрона — уничтожает нейрон, на который показывает виртуальная связь
Нейрон-поглотитель связи — уничтожает сигнальную связь меж 2-мя нейронами, на которые указывают виртуальные связи.
Нейрон-хранитель указателя — хранит указатель на некий нейрон, аналогичен обыкновенной ячейке памяти компьютера.
Разглядим возможность восстановления семантической нейронной сети после повреждений. Разумеется, что структура нейронной сети определяет особенность ума. Погибель нейрона значит забывание соответственной ему инфы.
Вернуть информацию о наличии некого нейрона про розового слона без познания того, что система имеет познание об этом слоне — нереально. Если мы постулируем, что наличие нейрона значит наличие познания о слоне, то отсутствие нейрона значит отсутствие этого познания. Ликвидирование нейрона убило познание.
Ликвидирование нейрона значит необратимое забывание. Как следует, регенерация нейронной ткани по данному в ДНК эталону представляется неосуществимой. Чтоб вернуть повреждённый нейрон, нужно поновой обучится той же инфы.
Семантика нейрона определяется не его внутренним состоянием либо внутренней сложностью. Она определяется связями нейрона с его соседями. Только соседи определяют семантику отдельного нейрона.
Потому не принципиально, в какой определенной точке места будет находиться ансамбль нейронов, описывающий понятие розового слона. Главное, чтоб имелись связи, дозволяющие определять "слоновость" и "розовость".
Регенерация повреждённых рецепторов, эффекторов либо других постоянных структур полностью вероятна. При отсутствии повреждений в семантических структурах, связанных с повреждёнными постоянными структурами, сохраняется возможность поновой вернуть связи регенерированных постоянных структур.
Даже если не получится стопроцентно вернуть точную копию постоянной структуры бывшей до регенерации, изоморфизм связей позволит делать вновь регенерированным нейронам ту же многофункциональную нагрузку.
Повреждения центральной нервной системы могут быть устранены во время повторного обучения. Если нейрон-розовый-слон будет уничтожен, то система забудет о таком слоне. Когда же в поле рецепторов попадёт некий розовый слон, то будет сотворен новый нейрон в любом другом месте нейронной сети, связанный с соседями так, чтоб отражать новое понятие.
Регенерация нейронной сети, будет идти не в области повреждения, а в области сохранившейся ткани. Повреждённую область, для исключения "эффекта эпилепсии", лучше дегенерировать и рассосать.
В предстоящем, по мере обучения, здоровая ткань с повышением количества вновь образованных нейронов, займёт место повреждённой. Разумеется, расширение будет происходить только по мере обучения новейшей инфы.
Метамодели
Семантическая нейронная сеть является абстрактной моделью. В действительности она может производиться под управлением некой виртуальной машины. Это означает, что законы действительности, в какой будут существовать нейроны, стопроцентно определяются виртуальной реальностью.
Есть ли необходимость обеспечивать стабильность этих законов? Если мы введём в виртуальную машину возможность в неких обоснованных случаях нарушать обыденные законы, имеющиеся в виртуальной действительности, то это возможно окажется очень полезным свойством.
Разработчик как создатель новейшей виртуальной действительности на техническом уровне в состоянии нарушить правила, установленные в этой действительности, либо временно изменять эти правила.
Если мы наделим виртуальную машину возможностью рассматривать выполняющуюся на этот момент нейронную сеть, то такая машина может изменять структуру нейронной сети либо характеристики передающихся по связям сигналов.
Исходя из убеждений нейронной сети, такое временное нарушение законов будет смотреться схожим на недетерминированную случайность либо волшебство.
Виртуальные чудеса существенно упрощают разработку системы. Заместо того, чтоб стопроцентно реализовывать некий программный блок средствами нейронной сети (что может быть благодаря эквивалентности нейронной сети машине Тьюринга), можно воплотить тот же самый сервис средствами более малого уровня и активировать его при необходимости. Это сбережет время разработки и существенно повысит производительность системы.
А исходя из убеждений нейронной сети, работа, которая должна занимать значимые ресурсы, реализуется благодаря виртуальному чуду фактически одномоментно.
Благодаря наличию виртуальных связей меж нейронами может быть поделить модель сети на субмодели. Назовем такие субмодели телами.
Физическое тело будет состоять из тел нейронов и связей меж нейронами, и существовать в пространственном континууме.
В отличие от реального физического мира, количество пространственных измерений в виртуальном мире может быть не равно 3. Информационное тело будет состоять из импульсов, передающихся меж нейронами.
Звездное тело будет состоять из виртуальных связей меж нейронами и из общих принципов организации нейронной сети, не отражённых в логике поведения отдельного нейрона. Модели физического, информационного и звездного тел будут производиться во время работы виртуальной машины.
Место предоставляет базу для размещения тел нейронов и их связей. В семантической нейронной сети место имеет меньше, чем одно измерение, потому что идентификаторы нейронов, адресующие нейроны в хранилище, не владеют отношением порядка.
Как следует, нейроны нельзя выстроить по порядку исходя из убеждений их организации в пространстве хранилища нейронов. Каждый нейрон может иметь контакт с хоть каким нейроном без ограничений на расстояние меж ними либо на топологию связей. Условно назовём такое место 0-мерным.
В рассматривавшейся нейронной сети фон Неймана место двумерное. В случае реализации сети на двумерном кристалле действенная эмуляция 0-мерного места фактически невозможна из-за наличия ограничений на топологию связей меж нейронами.
В случае внедрения трёхмерного кремниевого кристалла, придётся огромную часть компонент дать не для обработки сигналов, а для обеспечения коммуникации меж отдельными нейронами.
В кремниевом нейронном вычислителе будет тяжело воплотить динамическую коммутацию связей меж нейронами во времени. Будет фактически нереально воплотить создание новых нейронов. В кремнии придётся заблаговременно создавать неиспользуемые запасные нейроны и подключать их в сеть при необходимости.
Реализация нейронной сети на базе кремниевой технологии вероятна на базе трёхмерного кристалла, в каком ячейки имеют свои адреса, подобные Айпишникам, а маршрутизаторы в состоянии устанавливать соединения меж ячейками по командам, генерируемым самими ячейками.
Исходя из этого, более многообещающим смотрится реализация модели нейронной сети на базе био ткани, которая обладает естественной способностью изменять свою структуру во времени.
Модель звездного тела, сначала, должна обеспечить возможность формирования указателей на нейроны и возможность передачи этих указателей меж вычислительными структурами. Тогда одни нейроны могут передавать в сигналах указатели на другие нейроны.
Так же на модель звездного тела можно выложить функции обучения нейронной сети, такие как оборотное распространение ошибки [2], СУТ Амосова [8], синтез синхронизированного линейного дерева [9] и другие. Такое решение отлично в случае отсутствия необходимости изменять организующий принцип в течение жизни нейронной сети.
Более отлично сформировать универсальную в смысле Тьюринга модель звездного тела, и обеспечить его взаимодействие с физическим и информационным телами.
Модель звездного тела может делать огромное количество функций, в том числе отвечать за реализацию виртуальных чудес. Модель звездного тела в состоянии проторять новые связи меж нейронами, также превращать клеточки глеи в новые нейроны. Старенькые нейроны разделять не правильно.
В семантической нейронной сети каждый нейрон соответствует некому понятию предметной области. Деление нейрона приведёт к делению понятия – а это операция, не эквивалентная обучению новенькому понятию.
Если в процессе обучения производить бесконтрольное деление нейронов, то, скорее всего, в системе наступит информационный хаос. Еще эффективнее постулировать наличие чуда и морфировать место (клеточку глии) в нейрон сходу в том месте, где он нужен.
По мере надобности можно создавать миграцию нейронов, но в случае 0-мерного места, комфортного для моделирования на ЭВМ, эффективность передвижения нейронов непонятна.
Выводы
Физическое тело (нейронная сеть) управляет эффекторами системы и предоставляет информацию звездному телу, нужную для модификации структуры нейронной сети.
Звездное тело, пользуясь правилами обучения, которые хранятся в структуре нейронной сети (память), изменяет (учит) эту нейронную сеть, в том числе и новым правилам обучения. Таким макаром, любые правила обучения/синтеза топологии нейронной сети становятся личным случаем всех способностей этой сети.
В итоге разработанная нейронная сеть может быть отлично реализована средствами имеющейся вычислительной техники.
Семантическая нейронная сеть эквивалентна машине Тьюринга благодаря постулированной свободе разработчика. Это значит, что на её базе можно воплотить систему, вычисляющую всякую функцию вычислимую на машинах Тьюринга. К примеру, такая сеть, в качестве личного варианта, может моделировать мультислойный персептрон с оборотным распространением ошибки.
Так нейроны персептрона можно сконструировать из отдельных нейронов таковой сети, выполняющих по отдельности функции суммирования, умножения и функцию активации.
Метод обучения персептрона можно воплотить в виде отдельного куска таковой сети, анализирующего и преобразующего кусок, соответственный, фактически, персептрону.
Перечень литературы:
1. Дударь З. В., Шуклин Д. Е. Реализация нейронов в семантических нейронных сетях // Радиоэлектроника и информатика. Х.: Изд-во ХТУРЭ, 2000. — №. 4. С. 89-96.
2. Уоссермен Ф. Нейрокомпьютерная техника, М.: Мир, 1992 — 260 с.
3. Турчин В. Ф. Парадокс науки: Кибернетический подход к эволюции. Изд. 2-е – М.: ЭТС. — 2000. — 368 с.
4. Нейман Дж. фон Теория самовоспроизводящихся автоматов/ закончено и отредактировано А. Бёрксом. — М.: "Мир", 1971. — 384 с.
5. Дударь З. В., Шуклин Д. Е. Семантическая нейронная сеть как формальный язык описания и обработки смысла текстов на естественном языке // Радиоэлектроника и информатика. Х.: Изд-во ХТУРЭ, 2000. — №. 3. С. 72-76.
6. Гейз Р. Образование нервных связей. /Перевод с англ. Н. Ю. Алексеенко. М. Мир. 1972. – 300 с.
7. Шуклин Д. Е. Применение семантической нейронной сети в экспертной системе, модифицирующей смысл текста на естественном языке // Радиоэлектроника и информатика. Х.: Изд-во ХТУРЭ, 2001. — №. 2. С. 61-65.
8. Амосов Н. М., Касаткин А. М., Касаткина Л. М., Талаев С. А. Автоматы и разумное поведение. Опыт моделирования. — Киев: "Наукова думка", 1973. – 261 с.
9. Шуклин Д. Е. Структура семантической нейронной сети извлекающей в реальном времени смысл из текста // Кибернетика и системный анализ. Киев. Изд-во Института кибернетики НАН Украины, 2001. — № 2. C. 43-48.
--------------------------------------------------------------------------------
Дмитрий Шуклин — кандидат технических наук, научный сотрудник кафедры автоматизации проектирования вычислительной техники Харьковского государственного института радиоэлектроники. Связаться с создателем статьи можно по адресу shuklin@bk.ru.
ужс я даже не могу представить как это больно 