Проект «искусственный носитель сознания с психорезонансным интерфейсом»

 
 

Проект «искусственный носитель сознания с психорезонансным интерфейсом»




Автор Г.А. Игин


§ 1. Введение

Проект «Искусственный носитель сознания с психорезонансным интерфейсом» является развитием проекта «Псикомпьютер» [группа «ПСИГМА», 2003] в контексте программы БиоТЭИР [Вишну Дэв, 2005].

Программа БиоТЭИР «Пять шагов к реальному физическому бессмертию» содержит четыре главных компонента [Вишну Дэв, 2005, с. 21]:

1. осуществление выхода сознания из тела;

2. осуществление переноса и внедрения в альтернативный носитель, обладающий повышенными характеристиками;

3. создание пси-интерфейса (резонансной среды между сознанием и носителем);

4. дальнейшее усовершенствование носителя.

Данный проект посвящен второму компоненту – разработке альтернативного носителя. Согласно подпрограммам БиоТЭИР «Пять шагов» (см. табл. 1 приложения) предлагаемый проект соответствует третьему шагу – «куда переносить?». В нем предлагается переносить сознание в искусственный носитель сознания (далее ИНС), что и является целью разработки.

Проект «Псикомпьютер» соответствует второму шагу – «как переносить?». Напомню кратко суть проекта «Псикомпьютер». Идея псикомпьютера чрезвычайно проста. Необходимо разработать устройство, которое позволит человеку-оператору без таких механических манипуляторов, как клавиатура, мышь, джойстик и пр. устанавливать связь с компьютером. На психофизическом языке можно говорить о непосредственном ментальном контакте с компьютером, что предполагает построение специальной резонансной среды, являющейся мостом между человеком-оператором и устройством-компьютером [группа «ПСИГМА», 2003]. Такая резонансная среда здесь называется «психорезонансным интерфейсом».

Рассмотрим первый шаг – «что переносить?». Переносить нужно все сознание целиком или его часть. Чтобы перенос был управляемым, нужно, прежде всего, нужно иметь модель функционирования сознания, понимаемую как процесс управления вниманием и поведением. И внимание и поведение в рамках модели можно разделить на три типа: непроизвольное, произвольное и постпроизвольное. Непроизвольное внимание – это алгоритмы восприятия, заложенные эволюцией, они не происходят из опыта индивида и являются врожденными. Непроизвольное поведение соответственно – врожденные алгоритмы действия. Произвольное внимание (поведение) – это наиболее интегрированный в рассматриваемый момент времени процесс восприятия (действия) – подвижный центр сознания. Постпроизвольное внимание (поведение) является продуктом произвольного внимания (поведения) и представляет собой память, навыки, автоматизмы и шаблоны восприятия.

При полном переносе сознания необходимо переносить все три типа внимания и поведения. При частичном переносе сознания наибольший практический интерес представляет перенос постпроизвольного внимания и поведения. Это дает возможность оператору получать доступ непосредственно к опыту, знаниям, умениям и навыкам, сохраненным на носителе сознания.

Если говорить компьютерным языком, то любой тип внимания и поведения соответствует «программам», а не просто «данным». А для работы программ нужен процессор, который понимает их инструкции. «Процессором» для человеческого сознания является мозг. Перенос сознания тогда можно трактовать, как перенос «программ» внимания и поведения с одной платформы на другую. Следовательно, ИНС должен работать подобно мозгу человека, чтобы иметь возможность автономно исполнять «программы» всех трех типов внимания и поведения.

Логично было бы назвать это псикомпьютером. Но псикомпьютер на данный момент определен либо как обычный компьютер плюс резонансная среда, обеспечивающая связь человека с компьютером (фиг. 1.1б), либо только как искомая резонансная среда (фиг. 1.1а) [группа «ПСИГМА», 2003].

В случае, изображенном на фиг. 1.1б, переносить сознание непосредственно в обычный компьютер проблематично, поскольку оператору псикомпьютера тогда придется общаться через псиинтерфейс с весьма негибким объектом (ПК) далеким по своим принципам функционирования от человеческого сознания.

На данный момент в конструкции псиатомов, из которых будет состоять психорезонансная среда, долговременная память не предусмотрена, поэтому устойчиво сохранять сознание непосредственно в психорезонансной среде вероятнее всего нельзя. Следовательно, для реализации третьего шага в дополнение к псиинтерфейсу нужен искусственный носитель сознания, реализованный в соответствии с принципами работы человеческого мозга (фиг. 1.1в). ИНС + псиинтерфейс можно рассматривать как третий вариант псикомпьютера.

Если ИНС реализовать программно, то для третьего шага будет использоваться псикомпьютер вида: псиинтерфейс + обычный компьютер + программа ИНС. Однако, скорость работы ИНС должна быть сопоставима со скоростью восприятия оператора, поэтому скорее всего понадобится более быстрая аппаратная реализация ИНС.

Естественный путь создания искусственного носителя сознания (ИНС) на первом этапе подразумевает разработку теоретической модели сознания, затем ее компьютерную реализацию, а после этого – воплощение «в железе».

Для моделирования механизма сознания и реализации ИНС нами разрабатывается особый класс самообучающихся искусственных нейросетей – ДНМ-сети (ДНМ – динамические нейронные матрицы). В следующем параграфе описан используемый подход к моделированию сознания.
§ 2. Описание подхода
Теория функциональных систем П.К. Анохина

Разработка модели сознания ведется на основе теории функциональных систем П.К. Анохина [Анохин, 1978].

Преимуществами этого системного подхода являются:

~ наличие четкого и практически применимого определения системы;

~ наличие изоморфного системообразующего фактора;

~ наличие универсального описания структуры системы;

~ научная обоснованность (соответствие новейшим экспериментальным данным нейрофизиологических исследований)[Александров и др., 1999].

Критика других системных подходов приведена в статье Анохина [Анохин, 1973].

Основа этого подхода состоит в идее системообразующего фактора – полезного результата системы (он же цель, предназначение), под которым понимается полезный приспособительный эффект в соотношении организма и среды, достигаемый при реализации данной системы. В качестве детерминанты поведения в теории функциональных систем рассматривается не прошлое по отношению к поведению событие, а будущее – намеченный результат, цель. Таким образом, теория функциональных систем, во-первых, включает в концептуальный аппарат системного подхода изоморфный системообразующий фактор и, во-вторых, кардинально изменяет понимание детерминации поведения [Александров и др., 1999].

На основании результатов уже самых ранних своих экспериментов П.К. Анохин пришел к выводу о том, что для понимания приспособительной активности индивида следует изучать не «функции» отдельных органов или структур мозга в их традиционном понимании (как непосредственных отправлений того или иного субстрата [Александров, 1989]), а формирование системных отношений, захватывающих множество разнородных морфологических образований. Суть таких организаций состоит в том, что отдельные вовлеченные в них компоненты не взаимодействуют, а «взаимоСОдействуют», координируют свою активность для получения конкретного результата. Рассмотрев функцию как достижение этого результата, П.К. Анохин дал следующее определение функциональной системы: "системой можно назвать только такой комплекс избирательно вовлеченных компонентов, у которых взаимодействие и взаимоотношение приобретает характер «взаимоСОдействия» компонентов, направленного на получение полезного результата".
Концепция изоморфности иерархических уровней

В теории функциональных систем разработана концепция изоморфности иерархических уровней [Анохин, 1975]. Изоморфность уровней заключается в том, что все они представлены функциональными системами, а не какими-либо специальными процессами и механизмами, например, периферического кодирования и центральной интеграции, классического обусловливания и инструментального обучения, и т.п. Системообразующий фактор для всех этих систем независимо от уровня – ожидаемый результат, он же цель системы.

В философском плане согласно этому подходу системообразующим фактором сознания и жизни вообще является цель БЫТЬ. Эту цель удобно рассматривать как отправную точку для описания сознания. Все остальные цели сознания следуют из этой базовой. Вопрос происхождения самой этой цели сводится к вопросу о происхождении жизни и в контексте моделирования сознания имеет скорее историческую, чем практическую ценность.

Для достижения цели функциональная система создает образ действия, который в свою очередь сам состоит из подцелей. Так в каждой системе возникают подсистемы с соответствующими целями. Поэтому сознание имеет иерархическую фрактальную структуру (ИФС) (фиг. 2.1). Слово «фрактальная» указывает на изоморфность (самоподобие) устройства каждого иерархического уровня и каждой функциональной системы.

Следовательно, мы можем описать сознание, используя в качестве универсальных единиц описания функциональные системы, образы целей и образы действия. Это значительно упрощает проблему разработки ИНС, так как избавляет от необходимости воспроизведения конкретных морфологических структур мозга.
Динамические нейронные матрицы

Для реализации ИНС нами рассматривались разные подходы из сферы наук об искусственном интеллекте. Основное внимание было уделено искусственным нейросетям и нейрокомпьютерам. Исследование данного вопроса выявило принципиальные трудности использования известных подходов, и нами было решено начать разработку нового класса нейросетей – сетей динамических нейронных матриц.

Исходя из концепции изоморфности иерархических уровней, основным требованием к разрабатываемой ДНМ-сети является способность к построению иерархической фрактальной структуры (фиг. 2.1). Основные усилия при разработке направлены на обеспечение самоорганизации функциональных систем в ДНМ-сети.

Построение ИФС происходит за счет процесса обучения. В сфере наук об искусственном интеллекте существует смешение понятий обучения и адаптации, поэтому здесь уместно привести используемые нами определения.

Адаптация (позднелат. adaptatio - приспособление, прилаживание) – это процесс приспособления системы к условиям внешней среды.

Обучение – это процесс адаптации, при котором накапливается и используется опыт, в виде создания новых элементов описания окружающей среды, новых функциональных систем.

Процесс обучения происходит в течение всей жизни. Следовательно, нейросеть должна быть способна обучаться во время работы, сохраняя и накапливая при этом опыт.

Известные нейросети на основе формальных нейронов [Горбань, 1990, Muller et al., 1991] не могут эффективно дообучаться во время работы без потери прошлого опыта. Обучение таких сетей является вычислительно дорогим, большинство алгоритмов обучения не являются параллельными, поэтому даже аппаратная реализация не решает качественно проблему обучения. Вычислительная сложность экспоненциально зависит от количества нейронов, а усложнение задачи, решаемой нейросетью, требует увеличения этого количества.

Поэтому на основе идей П.К. Анохина [Анохин, 1974], А.Н. Радченко [Радченко, 2006], В.Д. Цыганкова [Цыганков, 2001] и др. была разработана новая модель нейрона – динамический нейрон. Динамические нейроны – это особые «однобитные процессора», которые объединены в ансамбли – динамические нейронные матрицы любой размерности.
Нейрокомпьютер «Эмбрион»

Начало разработки ДНМ началось с анализа и развития концепции нейрокомпьютера «Эмбрион» [Цыганков, 2001] под сложные задачи управления с самообучением. Для ДНМ-сетей и НК «Эмбрион» является общим ряд принципов: принцип самоорганизации, принцип экстренной мобилизуемости, принцип положительной обратной связи по вероятности. В основе обеих разработок лежит теория функциональных систем П.К Анохина. Кроме того, в ДНМ-сетях алгоритм «Эмбриона» реализуется, как один из вариантов безусловного поискового рефлекса.

НК «Эмбрион» демонстрирует способность к адаптации на основе образования единого сенсорного поля разнородных датчиков, но не обладает способностью к обучению, поскольку в нем не решена проблема долговременной памяти. При обучении память должна работать так, чтобы система выполняла задачу все более эффективно, что в существующией парадигме НК «Эмбрион» отсутствует. Также отсутствует алгоритм настройки блока выдвижения гипотез (о нем см. [Цыганков, 2001]) «под задачу». И, наконец, есть принципиальные сложности с многомерными задачами. Поэтому, с нашей точки зрения, на базе НК «Эмбрион» реализация достаточных для ИНС механизмов сознания невозможна.


Проблема памяти

Основным отличием модели А.Н. Радченко и, соответственно, динамического нейрона от классических формальных нейронов [Горбань, 1990, Muller et al., 1991] является подход к проблеме памяти. Модель формального нейрона основана на принципе взвешенной суммации входных сигналов и дальнейшем преобразовании суммы, а память сводится к коэффициентам взвешивания. Подробную критику такого представления о работе нейрона изложил в своей главной статье о принципах работы нейронов П.К. Анохин [Анохин, 1974]. В ДНМ и модели Радченко входные сигналы интерпретируются как адрес памяти, а на выход подается сигнал, считанный из памяти по этому адресу. Есть также особые входы записи, сигналы с этих входов записываются в память, если нейрон пластичен, то есть, находится в режиме записи.

В работе [Радченко, 2006] описаны биохимические механизмы адресации памяти в нейроне (фиг. 2.2). Химические сигналы в виде медиаторов, модуляторов, и др. поступают на рецептивные кластеры (в этих кластерах используются высокочувствительные молекулы, такие как родопсин), которые находятся вблизи синапсов. Рецептивные кластеры могут находиться в бистабильном и моностабильном режиме. В моностабильном режиме после считывания информации с кластера его состояние восстанавливается. В бистабильном режиме кластер можно переключить в одно из двух состояний и перевести его в моностабильный режим, то есть, записать информацию. Переход в моностабильный режим определяется электрическим состоянием мембраны нейрона. Адресация конкретного кластера обусловлена интерференцией химических сигналов в окрестности кластера и определяется пространственно-временным распределением сигналов.
Дискретность памяти

Наблюдения показывают, что поведение человека носит дискретный характер и выражается в виде конечного ряда стереотипов, а в тех случаях, когда возникает видимость непрерывности, мы имеем дело просто с большим множеством стереотипов. В модели Радченко и в модели ДНМ дискретность поведения появляется уже на уровне нейронов. Во время самообучения в ДНМ-сети появляются новые стереотипы поведения, это и есть обучение, а не просто адаптация.

В случае же нейросетей на основе формальных нейронов [Горбань, 1990, Muller et al., 1991] поведение градуально[1] в силу специфики формальных нейронов и принципов обучения[2]. Метрически[3] близким входным образам (чаще всего используется евклидова метрика) отвечает близкое поведение. В таких сетях метрика заранее определена и фиксирована.

В ДНМ-сетях заложен другой принцип: метрика должна организовываться под конкретную цель и обстановку во время самообучения сети. Это становится принципиально важным в тех случаях, когда обстановка не имеет ничего общего с математическими метриками, или же представление в этих метриках очень сложно.
Принцип многослойной памяти

В ДНМ-сети реализован принцип многослойной памяти[4]: слои с более ранними записями, адресованными менее детальными входными образами, перекрываются слоями с записями, адресованными более детальными входными образами, в случае необходимости чтение будет произведено с более ранних слоев памяти (фиг. 2.3).

Такой принцип позволяет адресовать память сигналами из набора любых выбранных входов, что дает возможность реализовать выборочное внимание. Выборочное внимание необходимо для того, чтобы система обладала способностью к обобщению. Это важнейшая способность для нейросетей, которая позволяет сети обучиться на ограниченном количестве примеров и выдавать адекватную реакцию для сходных ситуаций.

Многослойная память технически реализуется на основе адресной памяти, причем адреса резервируются только по мере необходимости и в произвольном порядке. Это позволяет оптимально расходовать объем памяти. Это важно, поскольку при обучении ДНМ-сети основным расходуемым ресурсом является память. Расход вычислительного ресурса растет значительно медленней за счет параллельной организации. Это позволяет сети работать в реальном времени.
Принцип гетерохимической активности нейрона


В своей основной статье о нейронах П.К. Анохин ввел принцип гетерохимической активности нейрона [Анохин, 1974]. Это принцип означает, что нейрон способен качественно различно реагировать на различные химические сигналы. В ДНМ был заложен этот принцип. Была создана функциональная модель эмоций, передаваемых химическими сигналами, которые могут распространятся двумя путями: локально к конкретному входу нейрона, и нелокально, действуя на все нейроны сети и меняя режим их работы. Это означает, что в системе присутствуют нейронные связи всех со всеми (в мозге такая связь реализуется через кровь), что позволяет интегрировать нейроны в функциональные системы независимо от их расположения.
Функциональная схема работы сознания

При исследованиях механизмов работы сознания давно выявлена основополагающая роль эмоций, что выражается в нейрогуморальной деятельности желез, изменяющих тонкий химический состав крови (нейромедиаторы, нейропептиды, олигопептиды, гормоны и пр.). Каждый тип эмоции имеет функциональное предназначение, эмоции определяют фазу деятельности мозга. Эмоции являются неотъемлемой частью самоорганизации функциональных систем в мозгу.

Основой модели организации эмоций послужила схема пяти процессов – У-Син из известной китайской традиции. Это описание является одним из основных в китайской медицине.

Схема (фиг. 2.4) показывает связи пяти функциональных фаз работы мозга:

1. фаза установки образа цели, в которой нелокально химически тормозятся другие цели; образ цели ассоциативно адресует образ действия, при этом сопровождается локальным химическим маркером 1; этой фазе соответствует эмоция «решительности» (в предельном выражении – гнев);

2. фаза создания образа действия, в которой нелокально химически тормозится действие (то есть, блокируется преждевременная реализация образа действия); достаточно хорошо ассоциативно отвечающий образу цели образ действия сопровождается локальным химическим маркером 2; этой фазе соответствует эмоция «уверенности», радости (в предельном выражении – самоуверенность);

3. фаза мотивации, в которой нелокально химически тормозится стабилизирующее влияние фазы 5; образ действия тестируется другими системами на полезность; образ действия, оцененный как желательный, сопровождается локальным химическим маркером 3; этой фазе соответствует эмоция «желания», стремления к наслаждению (в предельном выражении – аффект);

4. фаза действия, в которой нелокально химически тормозится установка образа цели (иначе пойдет новый преждевременный цикл активности); образ действия локально химически адресует другие образы действия, и поэтому цепочка образов развертывается до конца – реализуется, также локально химически образ действия сопровождается маркером 4 для сохранения в памяти; этой фазе соответствует эмоция «терпения» (в предельном выражении – саможалость грусть);

5. фаза записи в память, в которой нелокально химически тормозится 2 фаза (чтобы блокировать изменения сохраняемого образа действия), образ действия, помеченный маркером 4, ассоциативно связывается с образом полученного результата; образ результата локально сопровождается маркером 5; этой фазе соотвествует эмоция «воли», целеустремленности (в предельном выражении – страх).



ДНМ может работать в каждой из пяти фаз. Благодаря правилам взаимодействия, заложенным в схему, в ДНМ-сети могут динамически самоорганизовываться функциональные системы с привлечением ДНМ из любых участков сети. Усложнение организации сети происходит за счет сохранения опыта в памяти, поэтому объем памяти является единственным ограничивающим фактором.

Сложность организации сети определяется сложностью решаемой задачи, фрактальное усложнение в процессе самообучения происходит именно там, где требуется больше внимания.

На данный момент нами разработана модель ДНМ, создана первая версия программного инструментария для построения ДНМ-сетей (фиг. 2.5), в котором можно строить и запускать ДНМ-сети. Конструктор подключен к программе эмуляции виртуальных роботов.
§ 3. Постановка задачи

Целью всего проекта является разработка ИНС в виде ДНМ-сети, способной к самообучению и соединение ее с разрабатываемым псиинтерфейсом [группа «ПСИГМА», 2003], а также отработка методики слияния сознания оператора с ИНС – переноса навыков, опыта, впечатлений и мыслей.
Проект состоит из пяти этапов.

1) На первом этапе создается программная реализация ДНМ-сети. На простой наглядной задаче управления (обучение виртуального робота удерживаию позы и ходьбе) демонстрируется возможность самообучения такой сети. Показывается способность сети к построению иерархического фрактально-структурированного поведения за счет самоорганизации функциональных систем. Внешне это можно отследить по появлению иерархически организованных повторяющихся паттернов поведения. Дорабатывается программный инструментарий для ДНМ-сетей.

2) На втором этапе создается язык конструирования сознания (ЯКС), и среда разработки для него. Язык должен быть подобен языкам программирования высокого уровня. Такой язык нужен для автоматизации процессов проектирования сознания. Создается компилятор языка, который по описанию на ЯКС должен строить ДНМ-сеть. ЯКС должен содержать средства автоматического синтеза структуры ДНМ-сети: количество и разрядность ДНМ, связи между ДНМ, начальные записи в памяти ДНМ (врожденное поведение).

Специализированные формы сознания будут строиться на основе общего универсального базового ядра сознания. Ядро сознания – модуль, набор функциональных систем. Базовое ядро – первичный универсальный модуль, достаточный для решения общих задач. Поддержка модульности нужна, чтобы можно было создавать и компоновать ядра сознания. С первого момента жизни ДНМ-сети будет запускаться процесс развития – процесс разворачивания заложенных свойств. В ДНМ-сеть закладывается программа развития – последовательность созревания ядер. Первым должно созревать базовое ядро сознания, а затем дополнительные. Процесс созревания ядра – это самообучение достижению всех целей, заложенных в нем.

Лексическими единицами ЯКС будут функциональные системы, образы целей и образы действия. Более крупные единицы – ядра сознания. Образы должны выражаться в единицах восприятия базового ядра, либо других ядер.

Одним из этапов разработки ЯКС будет разработка базового ядра. Стандартное ядро также подразумевает стандартную периферию – сенсоры и эффекторы.

ЯКС технологически необходим для построения достаточно сложного и вместительного ИНС.

3) На третьем этапе технически реализуется носитель сознания на аппаратной базе. Как и другие нейросети, ДНМ-сеть можно эффективно реализовать на параллельных вычислениях. Это позволит ДНМ-сети функционировать в реальном масштабе времени, что очень важно для взаимодействия с оператором. Подразумевается использование СБИС и ПЛИС.

4) На четвертом этапе происходит объединение ДНМ-сети с пси-интерфейсом. Решаются технические вопросы их стыковки. ДНМ-сеть настраивается для достижения восприимчивости к управлению через пси-интерфейс. Такая ДНМ-сеть и будет искусственным носителем сознания.

5) На пятом этапе отрабатывается процесс слияния сознания оператора с ИНС через пси-интерфейс и группы операторов между собой через псиинтерфейс и общий ИНС (фиг. 3.1).

Отрабатываются следующие технологии:

~ переноса в ИНС образов, считывания образов из ИНС;

~ переноса сознания оператора в ИНС;

~ построения индивидуального виртуального коридора реальности;

~ управления внешними цифровыми устройствами сознанием оператора слитого с ИНС,

~ дальнейшее развитие самой методологии трансформации Сознания-Реальности.

Весь проект рассчитан на 3 - 5 лет.
§ 4. Первый этап проекта

Цель этапа: создать программную реализацию ДНМ-сети, способную к построению иерархической фрактальной структуры сознания. Отработать принципы построения ДНМ-сетей.

Определить это можно по появлению повторяющихся иерархически структурированных паттернов поведения. Это делается на примере приобретения виртуальным роботом навыков (навык – это множество стереотипов для достижения определенной цели) удерживать позу (динамическое равновесие) и строить двигательные стереотипы (передвижение, ходьба) (фиг. 4.1).

Исполнители: ВТК – 4 человека, руководитель Игин Г.А.

По окончании работ предоставляется:

~ ДНМ-сеть в виде метафайла в формате конструктора ДНМ-сетей;

~ программа-конструктор ДНМ-сетей;

~ отчет, научная статья;

~ заявка на патент РФ;

~ развернутый план-график 2-го и 3-го этапов всего проекта.

Стоимость этапа: 1 190 700 руб. Этот этап проекта рассчитан на 12 месяцев.

Список литературы

Александров Ю.И. Психофизиологическое значение активности центральных и периферических нейронов в поведении. М.: Наука. 1989.

Александров Ю.И., Брушлинский А.В., Судаков К.В., Умрюхин Е.А. Системные аспекты психической деятельности. М.: Эдиториал УРСС, 1999.

Анохин П.К. Принципиальные вопросы общей теории функциональных систем. // Принципы системной организации функций. М.: Наука, 1973.

Анохин П.К. Системный анализ интегративной деятельности нейрона. М.: Успехи физиологических наук, 1974.

Анохин П.К. Очерки по физиологии функциональных систем. М.: Медицина. 1975.

Анохин П.К. Философские аспекты теории функциональной системы. М.: Наука. 1978.

Сатгуру Свами Вишну Дэв. Программа БиоТЭИР. Глобальная биотехнологическая энергоинформационная реинтеграция (репликация). Международное трансгуманистическое движение имморталистов «Бессмертие», 2005.

Горбань А.Н. Обучение нейронных сетей. М.: Пара Граф. 1990.

Группа «ПСИГМА». От «ПСИКНОПКИ» к «ПСИКОМПЬЮТЕРУ»// Сознание и физическая реальность, 2003, т.8, №5, с.12 — 18.

Радченко А.Н. Гетеро- и автоассоциативная нейронная память с опознающей выборкой информации // Интегральный робот, 2006, кн. 20, с. 5 – 43.

Цыганков В.Д. Нейрокомпьютер и мозг. М.: Синтег. 2001.

Muller В., Reinhardt J. Neural Networks. An introduction. — Berlin: Springer-Verlag, 1991.
Сокращения

БиоТЭИР – биотехнологическая энергоинформационная реинтергация

ВТК – временный трудовой коллектив

ДНМ – динамические нейронные матрицы

ИНС – искусственный носитель сознания

ИФС – иерархическая фрактальная структура

НК – нейрокомпьютер

ПЛИС – программируемая логическая интегральная схема

ПРИ – психорезонансный интерфейс

ПРС – психорезонансная среда

РФ – Российская Федерация

СБИС – специальная большая интегральная схема

ФС – функциональная система

ЯКС – язык конструирования сознания



Создан 05 сен 2011