Принцип голограммы и распознавание образов
Именно на основе голографического подхода становятся понятны загадки работа мозга, в том числе распознавание образов, обработка, хранение и извлечение информации, их реализация в сфере искусственного интеллекта. Открывается совершенно иное понимание процессов, протекающих как в объективной, так и в субъективной реальности.
В чём же состоит особенность и сложность голограммы требующей новых методов и способов её моделирования, объяснения и прогностики? В отличие от обычной фотографии, где регистрируется амплитуда световых волн, оптическая голограмма предполагает измерение и регистрацию не только амплитуды, но и фазы волнового фронта, хранение результатов измерения и воспроизведения волнового поля.
Голографические изображения обладают высокой степенью целостности, где каждая часть содержит в себе информацию об общей структуре. При повреждении или потери части голограммы информация сохраняется, что крайне важно для функционирования биологических систем. Повседневное существование человека невозможно представить без работы зрительного анализатора (до 80% информации об окружающем мире мы получаем через зрение). В ряде случаев наш глаз сталкивается с проблемой распознавания объекта всего лишь по части его образа и успешно справляется с этой задачей.
Ассоциативность является фундаментальным качеством биологических нейронных сетей. Благодаря этому свойству мозг способен по части признаков объекта восстановить всю информацию о его структуре. Был осуществлён целый ряд попыток моделирования работы зрительного анализатора с целью понимания его работы и возможности усовершенствования с дальнейшим использованием в области искусственного интеллекта. Конечно при наличии ограниченной и сравнительно небольшой совокупности объектов, подлежащих распознаванию, эта задача решается с помощью нейросетевой персептронной технологии, а также с использованием существующих разнообразных типов искусственных нейронных сетей, применяемых в решении задач распознавания образов. Между тем эти подходы предполагают длительное обучение искусственных нейросетевых систем. Более того, если количество объектов, входящих в идентифицируемый класс, превысит несколько сотен в рамках данной стратегии, задача становится неразрешимой.
Для решения нерегулярных, случайных задач такого рода необходимы новые методы, основанные на принципах функционирования биологических нейронных сетей. В качестве одного из них предлагается использовать метод компьютерного моделирования ассоциативных свойств голограммы и коллективного вычислительного процесса в нейронных сетях головного мозга. Используя принцип голографической целостности и коллективную нейросетевую, автоматическую подстройку, реализуемую в голографическом преобразователе, память компьютера на основе разработанного алгоритма может осуществлять точную настройку на определённую задачу. В результате осуществляется достраивание потерянной части объекта, преодолеваются помехи и происходит идентификация изображения.
Полученные результаты подтверждают теоретическую возможность использования методов цифровой голографии и нейросетевой технологии для осуществления распознавания объектов в условиях потери части их изображения (до 50% от первоначальной структуры), находящихся в сложных смесях с другими изображениями.
Уже сегодня параметры нейронных систем головного мозга человека на основе цифровой голографии смогут найти применение в системах распознавания образов, например, в задачах распознавания речи и рукописного текста, а также в информационных, интеллектуальных системах.
Также материалы по теме «Загадки мозга и искусственный интеллект»:
Платформа Дзен по определённым причинам меняет алгоритмы показов. Если вы уверены, что подписаны на канал рекомендуется проверить это в связи с возможной автоматической отпиской.
