Введение в моделирование  систем

Введение в моделирование

Моделирование технических систем

Модели социосистем

Модели Интернет-сообществ


Модели  биосистем

Стадия  разработки!    >>   Приглашаю Стажера-Студента  для оформления  HTML-страниц! \ Помогу чем могу!


Введение в моделирование  систем >
Модели  биосистем \  Рабочие  материалы

  План главы

Литература

1.   Емельянов-Ярославский Л.Б.  Интеллектуальная квазибиологическая система. Индуктивный автомат -->

2. Теория функциональных систем П.К.Анохина 

3. Косяков Ю.Б. Мой мозг. Строение, принципы работы, моделирование.

4. Цыганков В.Д. Нейрокомпьютер и мозг. 

5. Жданов А.А.  The mathematical models of neuron and neural network in autonomous adaptive control methodology 

6. Билич Г., Назарова Л. Популярная медицинская энциклопедия. М.: Вече. - 2004. - 384 с.

7. Лурия А.Р. Основы нейропсихологии. М.: ИЦ Академия, 2004- 384 с.

8. 

ОБЗОР ПОДХОДОВ К ПОСТРОЕНИЮ МОДЕЛЕЙ

Вводные замечания

Теория функциональной системы Анохина П.К.

Автономная адаптивная система Жданова А.А. 

Интеллектуальная квазибиологическая система Л.Б.Емельянова-Ярославского

ОБЪЕКТ ИССЛЕДОВАНИЯ - МОЗГ

Нейрон

Нейрохимические системы мозга

Количественный и качественные характеристики \ примеры

Математическая модель «хищник-жертва» (модель Вольтерра)

Заключительные замечания и предложения 

Заключение | Предисловие | Глоссарий | Тесты


Модели  биосистем

Вводные замечания

Метод познания путем моделирования -
 часть так называемого системного подхода,
то есть разумного подхода к исследованию систем.

Самый сложный живой биологический объект с точки зрения кибернетики - безусловно - человеческий мозг.

Подходы, наработанные для моделирования технических и социальных систем в рамках теории систем, применительно к биологическим систем, особенно такому сложному, как мозг, применимы и дают некоторые результаты.

Пытаясь применить подход "разделяй и властвуй",  мозг можно рассматривать на трех уровнях:
 - биофизическом или  клеточном;
 - нейрофизиологическом, мозг как структура;
 - психическом и психологическом, или сознание, подсознание, сверхсознание.

На каждом уровне – своя иерархия моделей.

 Работы по созданию интеллектуальных систем Емельянов-Ярославский в (__) разделял на информационное и биологическое направления. 

У сторонников первого - информационного направления есть реальные действующие макеты и программы, моделирующие отдельные стороны интеллекта. 

Большинство специалистов в области искусственного интеллекта исходя из того что их системы не должны повторять в своей структуре и функционировании структуру и процессы, присущие биологическим системам.

Результатов у второго направления "меньше, чем надежд". 

 

Подход Емельянова-Ярославского можно рассматривать как реализацию познавательной стороны моделирования - возможности заглянуть в суть изучаемых явлений, лучше понять их.

 

ОБЗОР ПОДХОДОВ К ПОСТРОЕНИЮ МОДЕЛЕЙ

Теория функциональной системы П.К. Анохина

Исходной посылкой теории функциональной системы П.К. Анохина служит:  "Цель всегда опережает реализацию ее организмом".  Живая высокоорганизованная система формирует потребности в получении результата (модель цели в классическом системном подходе) или сама ставит себе цель уже в самом начале поведенческого акта.

В рамках теории расширено понятие система. 

В классическом механистическом толковании для объектов исследования, допускающих расчленение на части - элементы,  описание системы допускается как совокупности моделей (по Сафонову) структуры, поведения во времени, цели и ресурсов функционирования. 

По П.К. Анохину "системой можно назвать только такой комплекс избирательно вовлеченных компонентов, у которых взаимодействие и взаимоотношение приобретает характер взаимосодействия компонентов на получение фокусированного полезного результата". 

Основные положения теории. 

Нейрон в нервной системе имеет многочисленные потенциально возможные степени свободы (режимы возбуждения и связи). Конечный результат выступает системообразующим фактором, который освобождает части большой системы от избыточных степеней свободы, то есть упорядочивают систему. 

 

Схема функциональной системы приведена на рис. ___

Состав системы обычно идентифицируют либо по анатомическому типу или по типу функционирования. Однако в целом организме ни один полноценный результат нельзя получить только за счет одной анатомической системы: кровообращения, мышечной, дыхательной, а только при их взаимосодействии. Речь идет о системе как гетерогенном образовании.

Приняты следующие обозначения: А- стадия афферентного синтеза, ОР - ориентировочный рефлекс, ОА - обстановочная афференция, В - принятие решения, С - формирование акцептора действия и эфферентной программы самого действия, Д - получение полезного результата действия и Е - формирование обратной  (санкционирующей) афференции для сличения полученного результата с запрограммированным.

 


Концепция "автономного адаптивного управления" как модель нервной системы

Излагается по А.А. Жданов:  "Метод автономного адаптивного управления , его свойства и приложения".  М.:  Перспективные информационные системы и интеллектуальные системы. стр.4-14

"Подавляющее большинство автоматически управляемых технических систем, разработанных в прошедшем ХХ веке, обязаны своим существованием теории управления, построенной на аналитическом понимании законов механики и  физики. Этот «классический» подход к управлению строится на том, что положение точки (объекта управления) в пространстве признаков известно абсолютно. Далее формальные математические преобразования позволяют получить математическую зависимость входов и выходов для системы управления (УС). Однако при всей изощренности наработанного математического инструментария, областью применения «классических» методов управления остаются сравнительно простые объекты управления с очевидными свойствами. Попытки аналитически описать более тонкие свойства объектов управления (технических и, тем более, естественных), особенно в случаях, когда свойства ОУ плохо определены априори, быстро приводят к катастрофическому усложнению математических моделей. Ситуацию в целом не спасают ни эвристические приемы, ни повышение эффективности вычислительной техники. На практике объекты управления, которые плохо формализуются, свойства которых априори плохо известны или изменяются в процессе функционирования, являются типичными. С середины ХХ века активно развивается «неклассический» подход в теории управления. Такие «неклассические» методы управления видят ОУ не как абсолютно известную точку в пространстве признаков, а лишь как некоторую информацию об этой «точке» (согласно А.В. Чечкину). Управление при этом сводится к формальной работе с этой информацией. Аналитические функциональные зависимости параметров заменяются априорными, либо эмпирическими знаниями, либо результатами обучения на примерах."

При разработке модели нервной системы Автор отталкивался от наблюдаемых свойств нервной системы.

1. Условие автономности - требует рассматривать управляющую систему (УС) как подсистему объекта управления (ОУ) развивающуюся вместе с ним, и самостоятельно добывающую знания, необходимые для управления.

 

2. Условие дискретности - строение нервной системы предполагается дискретным. Нейроны, нервные волокна, нервные импульсы -  

 

3. Условие максимальной начальной приспособленности отражает отражает невозможность создания УС, обладающей способностью адаптироваться к любым предъявляемым объектам управления и внешней среде.

 

4. Условие минимума начальных знаний отражает тот факт, что нервная система новорожденного организма обладает относительным минимумом знаний и должна в течение жизни накапливать знания , необходимые для управления, то есть быть адаптивной управляющей системой.

 

Целевыми функциями нервной системы полагается выживание организма и стремление к накоплению знаний.

Исходя из условий и целевых функций управляющая система должна решать взаимосвязанные задачи, а именно:

- находить во входных данных неслучайную, закономерную информацию - формировать образы;

- распознавать в текущей входной информации сформированные образы - распознавать их;

- обнаруживать специальные образы - знания, отражающие неслучайные причинно-следственные связи событий в системе, которые можно использовать для управления;

- выводить новые знания из уже имеющихся;

- вырабатывать эмоциональные оценки для сформированных образов;

- принимать решения в каждый текущий момент времени.

 


Интеллектуальная квазибиологическая система Л.Б.Емельянова-Ярославского

 Нейронно-энергетическая концепция индуктивного автомата (см. www.aha.ru/~pvad/f0.htm) состоит в следующем.

Индуктивный автомат состоит из нейронов, рецепторов, эффекторов и системы раздачи питания нейронам. Эти, как и другие названия, условны. Так нейроны автомата весьма отдаленно напоминают живые нейроны. рецепторы воспринимают воздействия внешней среды, в которой находится автомат, и преобразуют их воздействия на нейроны. Эффекторы воспринимают воздействия нейронов и преобразуют их в воздействия на внешнюю среду. Под внешней средой понимается реальный мир или искусственная среда, обладающая закономерными свойствами. 

Основные свойства нейронов следующие.

1. Нейрон существует в условиях метаболического обмена со средой, т.е. нуждается в питании. Если нейрон не получает требуемого ему количества питания, то он погибает.

2. Нейрон стареет.

3. В нейроне возможны функциональные обновления - особые события, приводящие к снижению возраста, а значит, и к снижению потребностей в питании.

4. Между нейронами могут образовываться связи, по которым осуществляется взаимодействие нейронов

5. Разряд в нейроне требует дополнительных расходов питания, зависящих от режима разрядов - от частоты генерации разрядов. 

6. У нейрона имеются собственные внутренние резервы питания 

7. Помимо контактного взаимодействия на основе возбуждающих и тормозных связей, между нейронами имеет место полевое взаимодействие, обусловленное тем, что самочувствие одних нейронов изменяет некоторые характеристики у других нейронов.

 

Автомат в исходном состоянии - это неорганизованное или слабоорганизованное множество нейронов, поставленных в условия ограниченного питания.

 

ОБЪЕКТ ИССЛЕДОВАНИЯ - ЧЕЛОВЕЧЕСКИЙ МОЗГ

Нейрон

Нейрон - основной элемент нервной системы - клетка через которую происходит передача  и преобразование информации.

Нервная клетка состоит из тела клетки (называемого также сомой) и отходящих от него отростков: коротких входных дендритов  и  длинного аксона, по которому информация передается от одного нейрона к другому.

Рис. 1

Синапс  на ядре  Синапс  на дендрите 

Аксон

Ядро

Дендриты

Ядро следующей клетки

Область,  в которой возбуждение от одного нейрона передается к другому, называется синаптическим переходом или синапсом. В соединениях между нейронами участвует либо само тело клетки,  либо его тонкие отростки - дендриты.  Аксон оканчивается либо небольшим числом ветвей, либо таких ветвей много, и тогда на выходе одного нейрона образуется множество синаптических соединений с другими нейронами.

Сходным образом тело одного нейрона может принимать сигналы либо от нескольких, либо от тысяч других нейронов.

Нервные волокна и дендриты, с точки зрения Технаря, можно рассматривать как изолированные проводники, по которым передаются сигналы, характерные для нервной системы - электрические импульсы.  Эти электрические, а точнее,  ионные сигналы генерируются в клеточном теле в ответ на активность синаптических входов. В самом синапсе под влиянием поступающего импульса высвобождается особое химическое вещество - медиатор;  оно пересекает зазор между окончанием аксона и рецепторным участком следующего нейрона и вызывает изменение нормального электрического потенциала данного нейрона.   Если количество  медиатора достаточно велико, изменение электрического потенциала нейрона достигает предела, при превышении которого рождается импульс;  затем импульс идет по аксону, пока не достигнет следующего синаптического соединения, где весь процесс повторяется.

Лишь в редких случаях активности в одном синапсе достаточно для появления нового импульса. Как правило, нейрон должен получить много импульсов, прежде чем в нем возникнет ответный импульс. 

Все синаптические соединения делятся на два класса: возбудительные и тормозные. Активность первых увеличивает вероятность ответа нейрона, активность вторых - уменьшает.

Ответ нейрона на активность всех его синапсов представляет собой как бы результат “химического голосования”:  соотношение “голосов” возбудительных и тормозных синапсов на входе нейрона определяет уровень его активности.  Частота ответов нейрона в общем случае зависит от частоты и характера стимулов на его синапсах. Но имеются ограничения. Генерация импульса делает нейрон недееспособным в течении 0,001 секунды.  То есть максимальная теоретическая частота ответа нейрона равна 1000 импульсам в секунду.  Практически она еще ниже  от 300 до 800 импульсов в секунду.

<Тиганов А.С.>

Цитоархитектоника головного мозга человека организована таким образом, что более чем 10 млрд. нервных клеток, занимая относительно небольшое пространство и будучи сформированными в специализированные структуры, обеспечивают специфические функции мозга, связанные с восприятием, переработкой и проведением информации, в соответствии с которой осуществляется взаимодействие организма с внешней средой на основе высокой нейрональной специфичности и пластичности.

Основной структурной единицей нервной системы является нейрон. Различные типы нейронов дифференцируются по величине и форме тела клетки, а также по длине и степени ветвистости ее отростков.

Рецепторы нейронов — это белковые структуры, расположенные на внешней поверхности мембраны клеток. Они способны "распознавать" и связывать биологически активные вещества — нейротрансмиттеры, различные эндогенные вещества, а также экзогенные соединения, в том числе психофармакологические средства. Соединения, которые могут связывать рецепторы, называются лигандами. Лиганды бывают эндогенными и экзогенными.

Распознавание лиганда рецептором обеспечивается специальными структурными элементами, или сайтами. Специфичность связывания лиганда происходит благодаря структурному соответствию молекул лиганда и рецептора, когда они подходят друг к другу по типу "ключ к замку". Реакция связывания является моментом запуска каскада внутриклеточных реакций, приводящих к изменению функционального состояния нейрона. В зависимости от "силы" и "прочности" связывания лиганда с рецептором употребляют понятие аффинности (сродства) лиганда по отношению к рецептору.

При связывании рецептора с лигандом может происходить как активация, так и блокада рецептора. В связи с этим говорят об агонистах и антагонистах рецепторов, а также о частичных агонистах (рис. 7).

Максимальную эффективность в отношении активации рецептора имеет полный агонист, минимальную (практически нулевую) — антагонист. Между ними находятся вещества, называемые частичными агонистами. Последние действуют значительно мягче, чем полные агонисты. Частичные агонисты, кроме того, занимая определенное пространственное положение в молекуле рецептора, могут предотвращать избыточное действие полного агониста, т.е. действуют частично как антагонисты. В этом случае употребляют понятие агонист/антагонист.

Высокой аффинностью могут обладать как агонисты, так и антагонисты рецептора. Агонист активирует рецептор, вызывая соответствующий физиологический эффект, в то время как антагонист, связываясь с рецептором, блокирует его и предотвращает развитие физиологического эффекта, выявляемого агонистами. Примером антагонистов могут служить нейролептики, которые предотвращают эффекты дофамина на уровне дофаминового рецептора.

При связывании лиганда с рецептором происходит изменение конфигурации последнего (рис. __).

Многие вещества, как эндогенные, так и экзогенные, реагируют не с одним, а с несколькими типами рецепторов — "семейством" их, которое подразделяется на отдельные типы. Примером могут служить многие нейротрансмиттеры, реагирующие с несколькими типами специфических рецепторов (например, Д1—Д5-типы дофаминовых рецепторов). Существование нескольких рецепторов к одному лиганду носит название гетерогенности рецепторов.

Представление о функции рецепторов было бы неполным, если не представить внутриклеточные процессы, развивающиеся после связывания рецептора соответствующим веществом, и механизмы, обеспечивающие трансформацию внешнего сигнала в процессы, приводящие к появлению нервного импульса. Связывание лиганда с рецептором может приводить либо непосредственно к открытию (или закрытию) соответствующих ионных каналов (см. рис. __), либо к активации вторичных мессенджерных систем (в качестве первичного мессенджера рассматривается вещество, реагирующее с рецептором).

Первые упоминания о вторичных мессенджерных системах появились в связи с работами E.Sutherland и соавт. (1950), которые показали, что адреналин стимулирует гликогенез путем увеличения концентрации циклического аденозинмонофосфата (цАМФ) в клетке. Оказалось, что этот вторичный мессенджер опосредует и другие клеточные реакции. В дальнейшем была выявлена связь действия цАМФ с активацией белковых киназ — ферментов, фосфорилирующих белки, что приводит к изменению их структуры и активности.

Позднее были открыты и другие вторичные мессенджеры. Сейчас выделяют среди них 3 класса: 1) циклические нуклеотиды (цАМФ, циклический гуанозинмонофосфат — цГМФ); 2) ионы кальция (Са2+); 3) метаболиты фосфолипидов — инозитол-1,4,5-трифосфат (1Р3), диглицерин (ДАГ), арахидоновую кислоту. В отличие от других вторичных мессенджеров Са2+ транспортируется в нейрон из внутриклеточного пространства.

Мембраны нейрона содержат специализированные трансмембранные белки, которые формируют ионные каналы не только для Са2+, но и для других ионов, концентрация которых по обе стороны мембраны влияет на изменение мембранного потенциала. Происходят поляризация и деполяризация мембраны, т.е. изменение трансмембранного потенциала. Наибольшее значение в этих процессах имеют ионные каналы для натрия (Na+), калия (К+), хлора (С1-) и кальция (Са2+).

Нейрохимические системы мозга

В 60—70-х годах с помощью гистохимических и радиоиммунологических методов было установлено, что в мозге имеются дифференцированные нейрохимические системы — норадренергическая, дофаминергическая, серотонинергическая и др. Они представляют собой комплекс мозговых структур, функция которых определяется наличием общего нейротрансмиттера и рецепторов, взаимодействующих с ним. В одних из структур, входящих в нейрохимическую систему, расположены тела нейронов, в других оканчиваются терминали нервных клеток. В последнем случае говорят о проекциях на те или иные мозговые образования. В одних и тех же структурах мозга могут располагаться клетки и проекции нескольких нейрохимических систем.

Дофаминергическая система. В этой системе мозга различают 7 отдельных подсистем (систем, трактов): нигростриатную, мезокортикальную, мезолимбическую, тубероинфундибулярную, инцертогипоталамическую, диенцефалоспинальную и ретинальную. Из них первые 3 являются основными (рис. 8). Тела нейронов нигростриатной, мезокортикальной и мезолимбической систем расположены на уровне среднего мозга, образуют комплекс нейронов черной субстанции и вентрального поля покрышки. Они составляют непрерывную клеточную сеть, проекции которой частично перекрываются, поскольку аксоны этих нейронов идут вначале в составе одного крупного тракта (медиального пучка переднего мозга), а оттуда расходятся в разные мозговые структуры. Формирование нигростриатной, мезолимбической и мезокортикальной систем определяется областями, где оканчиваются аксоны дофаминергических нейронов, т.е. локализацией их проекций. Некоторые авторы объединяют мезокортикальную и мезолимбическую подсистемы в единую систему. Более обоснованным является выделение мезокортикальной и мезолимбической подсистем соответственно проекциям в лобную кору и лимбические структуры мозга (рис. __).

Количественные и качественные характеристики

Нервная система  содержит 10 миллиардов нервных клеток  нескольких десятков типов.  Зрительная система  - 120 миллионов клеток первого уровня  и 800 тысяч  второго.

Для сравнения  PENTIUM II  -  7.5 миллионов транзисторов, PENTIUM IV– 42  миллиона. Прогноз развития полупроводниковой техники дает оценку 1,5 млд. транзисторов на кристалле.

Пример  - нейронный  индикатор  контура

Теоретически,  на основе простейших нейронов несложно построить структуры,  различающие границу света и тени,  контур,  движение,  а используя элементы задержки - измерители скорости и ускорения. Пример - индикатор света/тени, построенный на суммирующем элементе с коэффициентами  - 0.5, 1, -0,5.

5       10       10

Сигнал на выходе: = 2,5
 = 5х(-0,5)+10х0,5+5х(-0,5)



 

Математическая модель «хищник-жертва» (модель Вольтерра)

Излагаемая ниже модель [___] является хорошим примером математический модели исследования системы, в данном случае популяции 2 видов животных.

Создание модели.

Описание  системы.  Имеется некоторая популяция 2 х видов – зайцы (жертвы) и рыси (хищника)[2], в которой происходят жизненные процессы во всем их многообразии. Зайцы питаются растительной пищей, имеющейся в достаточном количестве (между зайцами отсутствует внутривидовая борьба). Рыси могут питаться только зайцами.

Постановка задачи. Найти законы изменения численности популяции во времени.

Основные допущения.

1.                  Существуют только процессы размножения и естественной гибели, скорости которых пропорциональны численности особей в данный момент времени.

2.                  Не учитываются биохимические, физиологические процессы.

3.                  Нет борьбы между особями за место обитания, за пищу (бесконечно большое пространство и количество пищи.

Переменные модели:

X - число жертв в момент t,

Y – число хищников в момент t <

Уравнение баланса между численностью рожденных и гибнущих особей:

 


Приглашаю принять участие в обсуждении темы. Пишите -- Сазанов Владимир Михайлович -- E-mail


Информационное поле

МОЗГОВЕДЕНИЕ

Междисциплинарный
семинар "М
ОЗГ"
\ Анохин К.В.
 ГОМЕОСТАТИКА

НейрОК Интелсофт
(машинное обучение,
  Data\Text Mining)

www.curricula.ru \ Университетские
лаборатории Intel.

 Научная
электронная библиотека

Полезные ссылки

Научно-образовательный 
сервер "Neuroscience.ru 
- Современная нейробиология"

Л.Б. Емельянов-Ярославский

 Интеллектуальная квазибиологическая система

Индуктивный автомат -->

Степанов А.М.
Основы медицинской гомеостатики. 
Горский Ю.М.
Основы гомеостатики.
Simulation of process of control in cardio-vascular system by means of neuron-like Autonomous Adaptive Control (AAC) system \ Жданов А.А В.Г. Редько.
Эволюционная биокибеорнетика
 
Теслинов А.Г. Гармония и гомеостаз // Материалы семинара по гомеостатике. - Международный Университет, Москва, 1999.  Некоторые подходы к построению эффективных систем управления фирмами, основанные на гомеостатических принципах. \  Минзов А. С., Добренькова Е.В.


ВЛАДИМИРО-МИХАЙЛОВСКОЕ || HOME PAGEФорум | Вопросы | Документы

  ЛАБОРАТОРИЯ  СВМ || E-library | Магнитоэнцефалография


VS

ВИРТУАЛЬНАЯ  ШКОЛА  КОМПЬЮТЕРНЫХ  ТЕХНОЛОГИЙ

©  2002-2007  Сазанов В.М.

О проекте  |  Курсы | Условия | Экстернат | Партнерство | Семинар | Ссылки Контакты

Сегодня:

Сайт управляется системой uCoz