Восприятие цвета с позиции векторной модели обработки информации

2.1. Восприятие цвета с позиции векторной модели обработки информации

Анализатор цвета включает рецепторный и нейронный уровни сетчатки, ЛКТ таламуса и различные зоны коры. На уровне рецепторов падающие на сетчатку излучения видимого спектра у человека преобразуются в реакции трех типов колбочек, содержащих пигменты с максимумом поглощения квантов в коротковолновой, средневолновой и длинноволновой частях видимого спектра. Реакция колбочки пропорциональна логарифму интенсивности стимула. В сетчатке и ЛКТ существуют цветооппонентные нейроны, противоположно реагирующие на пары цветовых стимулов (красный-зеленый и желтый—синий). Их часто обозначают первыми буквами от английских слов: +К-С; -К+С; +У-В; -У+В. Различные комбинации возбуждений колбочек вызывают разные реакции оппонентных нейронов. Сигналы от них достигают цветочувствительных нейронов коры [1].

Восприятие цвета определяется не только хроматической (цветочувствительной) системой зрительного анализатора, но и вкладом ахроматической системы. Ахроматические нейроны образуют локальный анализатор, детектирующий интенсивность стимулов. Первые сведения об этой системе можно найти в работах Р. Юнга, показавшего, что яркость и темнота в нервной системе кодируются двумя независимо работающими каналами: нейронами В, измеряющими яркость, и нейронами В, оценивающими темноту. Существование нейронов-детекторов интенсивности света было подтверждено позже, когда в зрительной коре кролика были найдены клетки, селективно реагирующие на очень узкий диапазон интенсивности света.

3. Нейронные сети

Изучение структуры и функций ЦНС привело к появлению новой научной дисциплины – нейроинформатики. По сути, нейроинформатика есть способ решения всевозможных задач с помощью искусственных нейронных сетей, реализованных на компьютере.

Нейронные сети представляют собой новую и весьма перспективную вычислительную технологию, дающую новые подходы к исследованию динамических задач в финансовой области. Первоначально нейронные сети открыли новые возможности в области распознавания образов, затем к этому прибавились статистические и основанные на методах искусственного интеллекта средства поддержки принятия решений и решения задач в сфере финансов.

Способность к моделированию нелинейных процессов, работе с зашумленными данными и адаптивность дают возможности применять нейронные сети для решения широкого класса финансовых задач. В последние несколько лет на основе нейронные сетей было разработано много программных систем для применения в таких вопросах, как операции на товарном рынке, оценка вероятности банкротства банка, оценка кредитоспособности, контроль за инвестициями, размещение займов.

Приложения нейронные сетей охватывают самые разнообразные области: распознавание образов, обработка зашумленные данных, дополнение образов, ассоциативный поиск, классификация, оптимизация, прогноз, диагностика, обработка сигналов, абстрагирование, управление процессами, сегментация данных, сжатие информации, сложные отображения, моделирование сложных процессов, машинное зрение, распознавание речи.

Несмотря на большое разнообразие вариантов нейронных сетей, все они имеют общие черты. Так, все они, так же как и мозг человека, состоят из большого числа однотипных элементов – нейронов, которые имитируют нейроны головного мозга, связанных между собой. Искусственный нейрон, так же как и живой, состоит из синапсов, связывающих входы нейрона с ядром, ядра нейрона, которое осуществляет обработку входных сигналов и аксона, который связывает нейрон с нейронами следующего слоя. Каждый синапс имеет вес, который определяет, насколько соответствующий вход нейрона влияет на его состояние.

4. Настоящий компьютер внутри человека

Ранее мы говорили о компьютере внутри человека говорилось в переносном смысле; однако достижения науки дают основания перейти от метафоры к прямому значению слов.

Израильские ученые создали молекулярный компьютер, который использует ферменты для произведения подсчетов.

Итамар Виллнер, сконструировавший молекулярный калькулятор со своими коллегами в Еврейском университете Иерусалима, считает, что компьютеры, работающие на ферментах, когда-нибудь можно будет вживлять в человеческий организм и использовать, например, для регулирования выброса лекарств в систему метаболизма.

Таблица 1.

Схема человеческого биокомпьютера

№ п/п	Структуры	Уровень
	Активность мозга	4
	Внешняя реальность во всех её аспектах (включая тело и мозг)	1
	Метапрограмма Самости	8
	Метапрограмма Эго	7
	Мозг как физическая структура	3
	Неизвестное	10
	Общая метапрограмма (безотносительно к контролируемой системе)	6
	Программа	5
	Программа Сущности	9
	Тело как физическая структура	2

Ученые создали свой компьютер, используя два фермента - глюкозу дегидрогеназу (glucose dehydrogenase, GDH) и пероксидаз из хрена (horseradish peroxidase, HRP) - для запуска двух взаимосвязанных химических реакций. Два химических компонента - перекись водорода и глюкоза - использовались как вводимые значения (А и В). Присутствие каждого из химических веществ соответствовало 1 в двоичном коде, а отсутствие - 0 в двоичном коде. Химический результат ферментной реакции определялся оптически.

Ферментный компьютер использовали для проведения двух фундаментальных логических вычислений, известных как AND (где A и B должны быть равными единице) и XOR (где A и B должны иметь разные значения). Добавление еще двух ферментов - глюкозооксидазы (glucose oxidase) и каталазы (catalase) - связало две логические операции, дав возможность сложить двоичные числа, используя логические функции [4].

Ферменты уже используют при вычислениях, применяя специально закодированную ДНК. Такие ДНК-компьютеры потенциально способны превзойти по скорости и мощности кремниевые компьютеры, поскольку могут осуществлять множество параллельных вычислений и помещать огромное количество компонентов в крошечное пространство.

⇐ Предыдущая 1 234 5 Следующая ⇒