СибНСХБ

Вид поиска

Область поиска

в найденном

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>A=Grossberg, Stephen$<.>)

Общее количество найденных документов : 25
Показаны документы с 1 по 20

1-20 21-25

РЖ ВИНИТИ 15 (BI44) 96.04-04П1.57

Grossberg, Stephen.
Boundary, brightness, and depth interactions during preattentive representation and attentive recognition of figure and ground [Text] / Stephen Grossberg // G. ital. psicol. - 1993. - Vol. 20, N 5. - P771-804 . - ISSN 0390-5349
Перевод заглавия: Взаимодействие границы, яркости и глубины в ходе предварительного представления и произвольного распознавания фигуры и фона
Аннотация: Используется теория трехмерного биологического видения для объяснения феноменов восприятия, предложенных в работах G. Kanizsa и D. Varin. Теория позволяет понять, как частичное заслонение одной фигуры другой может переставать быть препятствием для ее правильного восприятия. Прослеживаются нейронные механизмы, компенсирующие неполноту зрительной рецепции, выявляется несколько уровней нейронных процессов в мозге. Моделируются системы пограничного и деталировочного оконтуривания, реципрокно взаимодействующие с системой опознавания объекта. Рассматриваются последовательности возбуждения анатомических структур мозга, соответствующие обеим системам оконтуривания. США, Dep. of Cognitive and Neura 1 Systems, Boston Univ., 111 Commington Street, Boston, MA 022215. Библ. 85

ГРНТИ	15.21.41

ВИНИТИ 151.21.41.15 + 151.21.35.07
Рубрики: ВОСПРИЯТИЕ
ЗРИТЕЛЬНОЕ ВОСПРИЯТИЕ
РАСПОЗНАВАНИЕ ФИГУРЫ И ФОНА
НЕЙРОФИЗИОЛОГИЧЕСКИЕ ОСНОВЫ
ОБЗОРЫ
БИБЛ. 85
ЧЕЛОВЕК

РЖ ВИНИТИ 34 (BI24) 98.06-04М3.344

A neural model of multimodal adaptive saccadic eye movement control by superior colliculus [Text] / Stephen Grossberg [et al.] // J. Neurosci. - 1997. - Vol. 17, N 24. - P9706-9725 . - ISSN 0270-6474
Перевод заглавия: Нейронная модель мультимодальной регуляции адаптивных саккадических движений глаз со стороны верхнего двухолмия

ГРНТИ	34.39.19

ВИНИТИ 341.39.19.09.19
Рубрики: ГЛАЗОДВИГАТЕЛЬНАЯ СИСТЕМА
САККАДЫ
МУЛЬТИМОДАЛЬНАЯ РЕГУЛЯЦИЯ
ВЕРХНЕЕ ДВУХОЛМИЕ
МОДЕЛЬ

Доп.точки доступа:
Grossberg, Stephen; Roberts, Karen; Aguilar, Mario; Bullock, Daniel

РЖ ВИНИТИ 34 (BI38) 99.07-04А3.123

Cameron, Seth.
A self-organizing neural network architecture for navigation using optic flow [Text] / Seth Cameron, Stephen Grossberg, Frank H. Guenther // Neural Comput. - 1998. - Vol. 10, N 2. - P313-352 . - ISSN 0899-7667
Перевод заглавия: Архитектура самоорганизующейся нейронной сети для навигации на основе оптического потока
Аннотация: Разработана самоорганизующаяся нейросетевая архитектура, преобразующая оптический поток и информацию о положении глаза в представления о положении наблюдателя, глубине сцены и положении движущихся объектов. Архитектура предназначена для использования в навигации с обходом препятствий и преследовании движущейся цели. Описаны: постановка задач; структура нейронной сети; принцип самоорганизации; обучение потоку вызванному поступательным движением; отображение информации о характере сцены в управляющие команды. Результаты имитационного моделирования, показывают эффективность решения поставленных задач. США, Dep. of Cognitive and Neural Sys., Boston Univ., Boston, MA 02215. Ил. 13. Библ. 63

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09 + 341.55.21.27.11
Рубрики: НЕЙРОННЫЕ СЕТИ
САМООРГАНИЗУЮЩАЯСЯ АРХИТЕКТУРА
НАВИГАЦИЯ
ОПТИЧЕСКИЙ ПОТОК
СЦЕНЫ
ГЛУБИНА
ЛОКАЛИЗАЦИЯ ДВИЖУЩИХСЯ ОБЪЕКТОВ

Доп.точки доступа:
Grossberg, Stephen; Guenther, Frank H.

РЖ ВИНИТИ 34 (BI38) 89.02-04А3.88

Gohen, Michael A.
Aspects of a neural network model for real-time speech analysis and synthesis [Text] / Michael A. Gohen, Stephen Grossberg, David G. Stork // Proc. 9th Annu. Conf. IEEE Eng. Med. and Biol. Soc., Boston, Mass., Nov. 13 - 16, 1987. - New York, N. Y., 1987. - Vol. 3. - P1361-1363
Перевод заглавия: Аспекты моделирования нейронной сети для анализа и синтеза речи в реальном масштабе времени
Аннотация: Описана система анализа - синтеза речи на основе сетей из нейроподобных элементов, в к-рую введен промежуточный уровень частично сжатой акустической информации между детектором акустических признаков и уровнем управления артикуляцией (УУА). Это сделано с целью возможности обучения системы произнесению новых звуков за счет обратной связи от артикуляторных органов к анализирующей части через внешнюю среду. УУА реализован с использованием компаратора, в к-ром сравнивается распределение активности в системе управления артикуляцией с требуемым распределением активности. После достижения устойчивости коды активности записываются в долговременную память совместном с частично сжатыми акустическими кодами (АК). Число каналов управления соответствует числу степеней свободы. Добавляется также дополнительная связь с УУА, модифицирующая входные АК в зависимости от кодов управления артикуляцией. США, Center for Adaptive Systems Boston Univ. Boston, MA 02215. Ил. 4. Библ. 14.

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.11 + 341.55.19.09.13
Рубрики: РАСПОЗНАВАНИЕ ОБРАЗОВ
РЕЧЬ
СИНТЕЗ
НЕЙРОННЫЕ СЕТИ
АРТИКУЛЯЦИЯ
УПРАВЛЕНИЕ

Доп.точки доступа:
Grossberg, Stephen; Stork, David G.

РЖ ВИНИТИ 34 (BI38) 89.06-04А3.155

Carpenter, Gail A.
Invariant pattern recognition and recall by an attentive self-organizing art architecture in a nonstationary world [Text] / Gail A. Carpenter, Stephen Grossberg // IEEE 1st Int. Conf. Neural Networks, San Diego, Calif., June 21-24, 1987. - San Diego (Calif.), 1987. - Vol. 2. - P737-745
Перевод заглавия: Инвариантное распознавание образов и воспроизведение с помощью искусственных нейронных сетей
Аннотация: Описывается архитектура нейронной сети (НС), к-рая может самоорганизовываться для инвариантного распознавания последовательностей аналоговых и цифровых образов, автоматически подстраиваться под заданный уровень шума, обучаться формированию речевого ответа. В архитектуре НС используются особенности предыдущих НС (ART-1 и ART-2) авт. (Carpenter, G. A., Grossberg, S., "A massively parallel architecture for a selforganizing neural pattern recognition machine". Computer Vision, Graphics, and Image Proc. 1987, 37, 54-115). Приводятся результаты по распознаванию разных типов объектов с наличием шумов. США, Ctr. Adaptive Systems Boston Univ. 111 Cummington Street Boston. MA 02215. Ил. 6. Библ. 42.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19
Рубрики: НЕЙРОННЫЕ СЕТИ
ИНВАРИАНТНОЕ РАСПОЗНАВАНИЕ ПОСЛЕДОВАТЕЛЬНОСТИ
РАСПОЗНАВАНИЕ ОБРАЗОВ
АРХИТЕКТУРА

Доп.точки доступа:
Grossberg, Stephen

РЖ ВИНИТИ 34 (BI38) 89.08-04А3.194

Grossberg, Stephen.
Recent developments in the design of real-time non-linear neural network architectures [Text] / Stephen Grossberg // IEEE 1st Int. Conf. Neural Networks, San Diego, Calif., June 21-24, 1987. - San Diego (Calif.), 1987. - Vol. 1. - PI/1-I/39, I/76
Перевод заглавия: Новые успехи в разработке архитектур нелинейных нейронных сетей, работающих в реальном времени
Аннотация: Работа представляет собой сокращенный до перечисления основных ф-л и понятий обзор наиболее известных результатов, полученных при разработке и анализе моделей нейронов и нейронных сетей. Обзор включает классические результаты Мак-Каллока и Питтса, Розенблата, Ходжкина и Хаксли, Койонена, Гроссберга, Андерсона, Хинтона, Хопфилда и др. ведущих исследователей. Приведены ур-ния для коннекционистских моделей кратковременной и долговременной памяти. Указывается роль обратных связей, симметрии-асимметрии связей. Обсуждаются перспективы использования нейронных моделей в биологии и вычислительной технике.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19
Рубрики: НЕЙРОННЫЕ СЕТИ
ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ
ПАМЯТЬ
АССОЦИАТИВНАЯ ПАМЯТЬ

РЖ ВИНИТИ 34 (BI38) 90.01-04А3.25

Bullock, Daniel.
Neural dynamics of planned arm movements: emergent invariants and speed-accuracy properties during trajectory formation [Text] / Daniel Bullock, Stephen Grossberg // Psychol. Rev. - 1988. - Vol. 95, N 1. - P49-90
Перевод заглавия: Нейронная динамика при произвольных движениях руки: Инварианты и свойства, обеспечивающие скорость и точность при формировании траекторий
Аннотация: Разработана модель нейронной сети, названная моделью интегрирования вектора к конечной точке. Она использована для количеств. моделирования поведенческих и нейронных х-к произвольных и пассивных движений руки. Планирование движений выполняется по команде задания положения цели (КПЦ), к-рая указывает, куда должна двигаться рука, и по команде "движение", к-рая определяет среднюю скорость движения. Автоматические процессы преобразовывают команды в траекторию руки. При этом вычисляется команда текущего положения (КТП) и вектора разности (ВР). ВР - разность между КТП и КПД в текущий момент времени. Покзано, что вычисления КПЦ, КТП и ВР необходимы для обучения связи между КПЦ разных модальностей, таким как команда КПЦ в системе глаз-голова и команда КПЦ в системе кисть-рука. Проведено сравнение с др. моделями управления движениями, такими, как массопружинная модель и модель миним. сокращения. США, Center for Adaptive Systems, Dep. of Mathematics, Boston Univ., 111 Cummington Stroct, Second Floor, Boston, MA 02215. Ил. 26. Табл. 3. Библ. 114.

ГРНТИ	34.55.19

ВИНИТИ 341.55.19.47 + 341.53.19
Рубрики: ДВИЖЕНИЕ
РУКИ
УПРАВЛЕНИЕ
НЕЙРОННЫЕ СЕТИ
ОБЗОРЫ
БИБЛ. 114

Доп.точки доступа:
Grossberg, Stephen

РЖ ВИНИТИ 34 (BI38) 90.04-04А3.186

Grossberg, Stephen.
Neural dynamics of decision making under risk: affective balance theory [Text] / Stephen Grossberg, William Gutowski // IEEE 1th Int. Conf. Neural Networks, San Diego, Calif., June 21-24, 1987. - San Diego (Calif.), 1987. - Vol. 3. - P31-38
Перевод заглавия: Нейродинамика принятия решения в условиях риска. Теория аффективного баланса
Аннотация: Предложена сетевая модель принятия решения по набору альтернатив, каждая из к-рых задается 2-мя параметрами, характеризующими положит. и отрицательные последствия выбора альтернативы. При последовательной подаче альтернатив на вход сети принимается та из них, к-рой соответствует макс. выходной сигнал. Работа сети в реальном времени и наличие обратных связей обусловливают сложную зависимость принимаемого решения от всего набора альтернатив и от дополнительной информации, хранящейся в долговременной памяти. Показано, что условия, при к-рых модель принимает оптим., субоптимальные и неоптимальные решения, сходны с теми, к-рые наблюдаются в психологических экспериментах. Библ. 21.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19
Рубрики: НЕЙРОННЫЕ СЕТИ
ПРИНЯТИЕ РЕШЕНИЯ
НЕЙРОДИНАМИКА
РИСК

Доп.точки доступа:
Gutowski, William

РЖ ВИНИТИ 34 (BI38) 90.07-04А3.74

Grossberg, Stephen.
Sterlo boundary fusion by cortical complex cells: A system of maps, filters, and feedback networks for multiplexing distributed data [Text] / Stephen Grossberg, Jonathan A. Marshall // Neural Networks. - 1989. - Vol. 2, N 1. - P29-51 . - ISSN 0893-6080
Перевод заглавия: Слияние границ с помощью корковых сложных клеток: система распределенного многократного представления данных
Аннотация: Предлагается модель процесса бинокулярного слияния в зрении, основанная на рассмотрении многослойных нейронных сетей в зрительной коре. Модель включает уровень простых, сложных и гиперсложных клеток коры, учитывает их распределение в виде ориентационных и глазодоминантных колонок. Предусмотрены взаимотормозные отношения между нейронами, настроенными на разные ориентации отрезков линий. Одним из главных пунктов модели является тезис об одновременном процессе слияния на уровне крупных и маленьких рецептивных полей нейронов коры (или фильтров низких и высоких частот). Этот пункт объясняет ряд психофизических данных по слиянию стереопар с текстурами, к-рые отличаются по ориентации и пространственной частоте. Описаны модельные нейронные сети, дано мат. описание их работы, результаты машинного моделирования. В модели постулируется механизм подавления ложных решений при вычислении диспаратностей при слиянии. Рассмотренные авт. входные стимулы соответствуют ситуации наличия в поле зрения одного простого стимула типа вертикальной линии. США, Center for Adaptive Systems, Boston Univ. Ил. 18. Библ. 72.

ГРНТИ	34.55.19

ВИНИТИ 341.55.19.17 + 341.55.19.09.13 + 341.53.19
Рубрики: НЕЙРОННЫЕ СЕТИ
ЗРИТЕЛЬНАЯ СИСТЕМА
БИНОКУЛЯРНОЕ СЛИЯНИЕ
ЗРИТЕЛЬНАЯ КОРА
МАТЕМАТИЧЕСКИЕ МОДЕЛИ

Доп.точки доступа:
Marshall, Jonathan A.

10.

РЖ ВИНИТИ 34 (BI38) 90.11-04А3.216

Carpenter, Gail A.
ART2: self-organization of stable category recognition codes for analog input pattern [Text] / Gail A. Carpenter, Stephen Grossberg // Appl. Opt. - 1987. - Vol. 26, N 23. - P4919-4930 . - ISSN 0003-6935
Перевод заглавия: ART2 - самоорганизация кодов устойчивого распознавания классов для аналоговых входных паттернов
Аннотация: Предложен новый класс нейронных сетей - "адаптивные резонансные архитектуры" (АРА) (ART-2), основанные на принципах теории адаптивного резонанса Гроссберга (S. Grossberg, Cognitive Sci.", 1987, 11, 23). Сети с АРА проявляют св-во самоорганизации при подаче на вход произвольной последовательности аналоговых сигналов (напр., полутоновых Из), точно так же, как и двоичных сигналов. Для демонстрации динамики работы схем использовалось машинное моделирование. Особенностью АРА является наличие блока "внимания". США, Boston Univ., Center for Adaptive Systems, MA 02215. Ил. 10. Библ. 10.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19
Рубрики: НЕЙРОННЫЕ СЕТИ
САМООРГАНИЗАЦИЯ
ТЕОРИЯ АДАПТИВНОГО РЕЗОНАНСА
ОБУЧЕНИЕ
РАСПОЗНАВАНИЕ ОБРАЗОВ

Доп.точки доступа:
Grossberg, Stephen

11.

РЖ ВИНИТИ 34 (BI38) 91.01-04А3.90

Grossberg, Stephen.
A neural architecture for visual motion perception: Group and element apparent motion [Text] / Stephen Grossberg, Michael E. Rudd // Neural Networks. - 1989. - Vol. 2, N 6. - P421-450 . - ISSN 0893-6080
Перевод заглавия: Нейронная архитектура для зрительного восприятия движения: групповое и поэлементное иллюзорное движение
Аннотация: Описана модельная нейронная структура, к-рая производит сегментацию движущихся обл. на И. Эта модель основана на физиологич. данных и обобщает известные модели, объясняя пространственно-временные х-ки кажущегося движения (напр., бета-движение, фи-движение, гаммадвижение). Модель проясняет, как рез-ты предобработки Из объединяются и используются кооперативными механизмами более высоких уровней, что позволяет объяснить феномены индуцированного движения, захвата движения и последействия движения. США, Boston Univ., Boston, MA 02215. Ил. 21. Библ. 82.

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.11
Рубрики: ЗРИТЕЛЬНОЕ ВОСПРИЯТИЕ
ВОСПРИЯТИЕ ДВИЖЕНИЯ
КАЖУЩЕЕСЯ ДВИЖЕНИЕ
МОДЕЛИ
ПСИХОФИЗИКА
НЕЙРОННЫЕ МОДЕЛИ
ЧЕЛОВЕК

Доп.точки доступа:
Rudd, Michael E.

12.

РЖ ВИНИТИ 34 (BI38) 91.01-04А3.101

Grossberg, Stephen.
A neural network architecture tecture for preattentive vision: Form and color processing [Text] / Stephen Grossberg // SPSE's 42nd Annu. Conf., Boston, Mass., May 14-19, 1989; Pap. Sum. - Springfield (Va), 1989. - P136-137 . - ISBN 0-89208-144Х-9
Перевод заглавия: Нейронно-сетевая архитектура для зрения нижнего уровня: анализ формы и цвета
Аннотация: Обсуждение нейронно-сетевых алгоритмов и систем, используемых на первых этапах обработки зрительной информации. Рассмативаются архитектуры, пригодные для моделирования зрения нижнего уровня и выделения признаков, характеризующих форму и цвет. Кратко описана процедура выделения границ, анализа текстур, оценки, глубины, цветовых х-к и движения объектов. Показано, что процедуры сегментации и выделения признаков для распознавания могут работать в режиме взаимодействия, устраняя взаимную нехватку информации. США, Boston Univ. Center for Adaptive Systems Boston, MA 02215. Библ. 3.

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.15 + 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
АРХИТЕКТУРЫ
РАСПОЗНАВАНИЕ ОБРАЗОВ
ЗРЕНИЕ НИЖНЕГО УРОВНЯ
ФОРМА
ЦВЕТ

13.

РЖ ВИНИТИ 34 (BI38) 91.05-04А3.216

Grossberg, Stephen.
Recent results on neural network architectures for vision and pattern recognition [Text] / Stephen Grossberg // IEEE Int. Conf. Syst., Man, and Cybern., Cambridge, Mass., 14- 17 Nov., 1989. - New York (N. Y.), 1989. - Vol. 1. - P1-2
Перевод заглавия: Последние результаты по архитектуре нейронных сетей для задач видения и распознавания образов
Аннотация: В аннотации сообщается о разработке в Центре адаптивных систем Бостонского ун-та новой теории работы нейронных структур зрительной системы, учитывающей обобщенное описание сцен в зрении по форму, цвету и глубине. На основе этих представлений создается нейронная архитектура для реализации универсальной системы видения, к-рая должна в реальном масштабе времени объединять в целостный образ сцены данные относительно границ объектов на сцене, текстур, полутонов, глубины и движения. Полученные в последние годы нейрофизиол. данные о х-ках нейронов в высших отделах зрительной зоны коры (включая обл. V5 у обезьян) согласуются с предлагаемой теорией. Данные в обл. психофизики и восприятия также говорят в пользу данной теории. США, Boston Univ., Center for Adaptive Systems, Boston, MA 02215. Библ. 4.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09 + 341.55.21.27.15
Рубрики: ЗРИТЕЛЬНАЯ СИСТЕМА
НЕЙРОННЫЕ СТРУКТУРЫ
НЕЙРОННЫЕ СЕТИ
АРХИТЕКТУРА
РАСПОЗНАВАНИЕ ОБРАЗОВ

14.

РЖ ВИНИТИ 34 (BI38) 91.05-04А3.45

Grossberg, Stephen.
A neural network architecture for prealtentive vision [Text] / Stephen Grossberg, Ennio Mingolla, Dejan Todorovic // IEEE Trans. Biomed. Eng. - 1989. - Vol. 36, N 1. - P65-84 . - ISSN 0018-9294
Перевод заглавия: Нейронно-сетевая архитектура зрения [нижнего уровня]
Аннотация: Дается суммарный анализ работ в обл. нейронно-сетевых моделей механизмов зрения нижнего уровня (до уровня внимания). Эти механизмы отличаются от алгоритмов машинного зрения, к-рые обычно являются узко специализированными, используя ограниченную входную информацию (напр., только границы, или только текстуры). Однако реальные сцены содержат в каждой части. Из множество информации разного рода, что затрудняет использование традиционных алгоритмов машинного зрения. Авт. предлагают схему организации зрительных механизмов, в к-рой имеется общий мононокулярный вход, к-рый дает информацию для 2-х мало связанных каналов - канала признаков и канала границ. С более высокого уровня в 2 эти канала возможно своевременное поступление соотв. эталонов для распознавания (с уровня внимания). Рассмотрены приложения данных модельных представлений в обл. выделения границ, выделения текстур, анализа плавных поверхностей. Моделировали также ряд перцептивных эффектов, в частности, эффект Крейка-О'Брайена. США, Boston Univ., Boston, MA 02215. Ил. 21. Библ. 28.

ГРНТИ	34.55.19

ВИНИТИ 341.55.19.17 + 341.55.19.09.13 + 341.53.19.09
Рубрики: ЗРИТЕЛЬНАЯ СИСТЕМА
НИЖНИЙ УРОВЕНЬ
ГРАНИЦА
ТЕКСТУРЫ
НЕЙРОННЫЕ СЕТИ
СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ

Доп.точки доступа:
Mingolla, Ennio; Todorovic, Dejan

15.

РЖ ВИНИТИ 34 (BI24) 91.10-04М3.345

Grossberg, Stephen.
Attention and recognition learning by adaptive resonance [Text] / Stephen Grossberg // Behav. and Brain Sci. - 1990. - Vol. 13, N 2. - P241-242
Перевод заглавия: Обучение вниманию и опознанию посредством адаптивного резонанса
Аннотация: Комментарий к ст. Naatanen [BBS, 13(2), 1990]. В ст. остается без ответа фундаментальный вопрос - что такое "внимание" (Вн) и для чего оно нужно? Кроме того, не обсуждается функцион. значение взаимосвязи между компонентами связанного с событием ВП, такими как негативность рассогласования, негативность обработки, N2b и Р2а. Нек-рые ответы на эти вопросы м. б. получены в рамках развиваемой авт. теории адаптивного резонанса (ТАР). ТАР не является теорией Вн. Она касается того, как заучиваются стабильные перцептивные и когнитивные коды опознания и как они активируются в быстро меняющейся среде, включающей и неожиданные события. Ключевой идеей ТАР является фокусировка на идущем снизу вверх процессе информационной обработки идущих сверху вниз заученных ожиданий. Несовпадение ожиданий и актуальных данных запускает процесс поиска, к-рый заканчивается выбором подходящего опознавательного кода или началом обучения новому коду. Совместно с Carpenter авт. (1987, 1988) разработал несколько вариантов вычислит. модели ТАР, базирующейся на принципах динамич. систем. Эта модель имитирует основные св-ва негативности обработки. США, Center for Adaptive Systems, Boston Univ. MA 02215.

ГРНТИ	34.39.19

ВИНИТИ 341.39.19.15.15
Рубрики: ПСИХОАКУСТИКА
СЛУХОВОЕ ВОСПРИЯТИЕ
ВЫЗВАННЫЕ ПОТЕНЦИАЛЫ
СВЯЗАННЫЕ С СОБЫТИЕМ
ВНИМАНИЕ
ЧЕЛОВЕК
МОДЕЛИ

16.

РЖ ВИНИТИ 34 (BI38) 91.10-04А3.144

Gaudiano, Paolo.
Vector associative maps: Unsupervised real-time error-based learning and control of movement trajectories [Text] / Paolo Gaudiano, Stephen Grossberg // Neural Neutworks. - 1991. - Vol. 4, N 2. - P147-183 . - ISSN 0893-6080
Перевод заглавия: Векторные карты ассоциаций: обучение без учителя в режиме реального времени и управление траекториями движения
Аннотация: Описаны модели нейронных сетей для адаптивного управления движением манипулятора на основе информации от систем зрения. Рассмотрены различные возможности построения карт ассоциаций, устанавливающих связь между траекториями движения и зрительными представлениями. Подробно описана модель AVITE векторной интеграции движений окончаний манипулятора, векторной разности с обучением на основе рандомизированной генерации обучающих векторов. Предложена реализация модели AVITE, основанная на теории адаптивного резонанса и способная работать в режиме реального времени. Описаны карты соответствий зрительных представлений, траекторий и зрительных представлений. США, Center for Adaptive Sys. and Graduate Program in Cognitive and Neural Sys., Bostgn Univ. Ил. 31. Библ. 66.

ГРНТИ	34.53.19

ВИНИТИ 341.53.19.09
Рубрики: РОБОТЫ
МАНИПУЛЯТОРЫ
УПРАВЛЕНИЕ
НЕЙРОННЫЕ СЕТИ

Доп.точки доступа:
Grossberg, Stephen

17.

РЖ ВИНИТИ 34 (BI38) 91.11-04А3.50

Grossberg, Stephen.
U neural network architecture for atten. tionally-modulated pavlovian conditioning: Conditioned reinforcement, inhibition, and opponent processing [Text] / Stephen Grossberg, Nestor A. Schmajuk // IEEE 1st Int. Conf. Neural Networks, San Diego, Calif., June 21-24, 1987. - San Diego (Calif.), 1987. - Vol. 2. - P795-804
Перевод заглавия: Архитектура нейронных сетей для [моделирования условного рефлекса с наличием модуляции внимания, условным подкреплением, торможением и оппонентной обработкой]
Аннотация: Предложена блок-схема, описывающая выработку условного рефлекса на основе разработанной ранее авт. т. наз. "адаптивной резонансной теорией" (ART) (Grossberg S., "Biol. Cybern.", 1976, 23, 187-202). Блок-схемы на основе ART позволяют описывать процесс запоминания и внутреннего представления сенсорных входов, включая условные и безусловные стимулы. Схема авт. предполагает наличие внутренних моделей (эталонов), к-рые используются при сравнении поступающей сенсорной информации с запомненной ранее. В случае несоответствия вырабатывается возбуждающий сигнал, к-рый позволяет заменить сенсорное представление по всем признакам. Взаимодействие между отдельными блоками модели описано с помощью дифф. ур-ний. Проведено машинное моделирование. Приводятся результаты моделирования в виде изменений одномерных кривых. США, Boston Univ., Boston, MA 02215. Ил. 6. Библ. 7.

ГРНТИ	34.55.19

ВИНИТИ 341.55.19.55 + 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
АРХИТЕКТУРА
УСЛОВНЫЕ РЕФЛЕКСЫ
МОДЕЛИРОВАНИЕ

Доп.точки доступа:
Schmajuk, Nestor A.

18.

РЖ ВИНИТИ 34 (BI38) 91.11-04А3.77

Carpenter, Gail A.
ART 2. Self - organization of stable category recognition codes for analog input patteras [Text] / Gail A. Carpenter, Stephen Grossberg // IEEE 1st Int. Conf. Neural Networks, San Diego, Calif., June 21-24, 1987. - San Diego (Calif.), 1987. - Vol. 2. - P727-735
Перевод заглавия: ART 2 - саморганизация устойчивых кодов при классификации для аналоговых входных паттернов
Аннотация: Предложен новый вариант организации нейронных сетей - адаптивные резонансные архитектуры (ART), к-рые обеспечивают в режиме самоорганизации устойчивое разбиение на классы входной последовательности паттернов. Основой ART является принцип, введенный Гроссбергом ранее (Grossberg S. "Biol. Cybern", 1976, 23, 187-202). Класс ART, названный ART1, описывался системой дифф. ур-ний и использовался для классификации двоичных сигналов (Carpenter G., Grossberg S. "Conput. Gr., Jmag. Proc.", 1987, 37). В данной работе предложен др. класс ART, ART 2, - нейронные сети для категоризации в режиме самоорганизации входной последовательности аналоговых входных паттернов (в т. ч. полутоновых Из). Описан пример ART 2 и нек-рые его св-ва. Проведено машинное моделирование, к-рое показывает динамику работы системы. При моделировании показано, как 50 входных сигналов (1-мерные волновые формы) были сгруппированы в 33 категории по их форме. США, Northeastern Univ., Boston, MA 02115. Ил. 4. Библ. 7.

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.11 + 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
РАСПОЗНАВАНИЕ ОБРАЗОВ
КАТЕГОРИИ
АДАПТИВНЫЕ РЕЗОНАНСНЫЕ АРХИТЕКТУРЫ
ART 2

Доп.точки доступа:
Grossberg, Stephen

19.

РЖ ВИНИТИ 34 (BI38) 91.11-04А3.81

Carpenter, Gail A.
Invariant recognition of Cluttered scenes by a self-organizing ART architecture: CORT-X boundary segmentation [Text] / Gail A. Carpenter, Stephen Grossberg, Courosh Mehanian // Neural Networks. - 1989. - Vol. 2, N 3. - P341-348 . - ISSN 0893-6080
Перевод заглавия: Инвариантное распознавание защумленных сцен с помощью самоорганизующейся архитектуры ART. Алгоритм сегментации границ CORT-X
Аннотация: На базе нейронных сетей, построенных по аналогии с нек-рыми рецептивными полями (РП) коры головного мозга животных, предложен новый способ предварительной обработки Из сцен с зашумлением. Контуры объекта на Из представлены в стандартизованном виде, имеют ширину 1 пиксел, уровень шума составляет до 50%. Этот способ является модификацией системы, предложенной ранее одним из авт. (Grossberg S., Mingolla E. "Percept., Psychophys", 1985, 38, 141-171). Способ реализован в виде "фильтра", названного CORT X-фильтр по аналогии с нейронами коры и по причине использования операций подчеркивания контраста с учетом ориентации (Contrast-Orientation-Ratio Threshold-ma Ximum). Фильтр имеет аналог в виде элиптического РП с определенной ориентацией, выделяющего признака типа "край" черного и белого. Фильтр позволяет выделять фигуру из фона и очерчивать ее границы, после чего обработка Из выполняется нейронными сетями, относящимися к адаптивной резонансной архитектуре, ART 2 (предложенной ранее авт.) (Carpenter G., Grossberg S. "Computer", 1988, 21, 77-88). ART 2 позволяет автономно обучаться распознаванию кодов, соотв. разным классам входных сигналов, аналоговым или доввоичным. Предложен также способ описания, инвариантный к основным геометрическим преобразованиям. Проведено машинное моделирование, где показаны результаты распознавания упрощенных контурных силуэтов автомобилей. США, Boston Univ. Ил. 17. Библ. 31.

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.15 + 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
ART 2
АРХИТЕКТУРЫ
ОБУЧЕНИЕ
САМООРГАНИЗАЦИЯ
РАСПОЗНАВАНИЕ ОБРАЗОВ
ВЫДЕЛЕНИЕ ОБЪЕКТА ИЗ ФОНА

Доп.точки доступа:
Grossberg, Stephen; Mehanian, Courosh

20.

РЖ ВИНИТИ 34 (BI38) 93.01-04А3.074

Grossberg, Stephen.
Computer simulation of neural networks for perceptual psychology [Text] / Stephen Grossberg, Ennio Mingolla // Behav. Res. Meth., Instrum., and Comput. - 1986. - Vol. 18, N 6. - P601-607
Перевод заглавия: Машинное моделирование нейронных сетей в рамках психологии восприятия
Аннотация: Описан подход к моделированию ряда явлений в зрительном восприятии психол. характера, в т. ч. группировку, заполнения контуров, выделения однородных обл. в Из (сегментации). Моделирование основано на использовании ряда нейронных сетей, предложенных ранее авт., и на анализе морфологических особенностей зрительной коры мозга. При моделировании ансамблей нейронов авт. применен новый принцип "пространственной непроницаемости", позволяющий организовывать сложное взаимодействие между соседними нейронами с разными рецептивными полями. США, Boston Univ., Boston, MA. Ил. 9. Библ. 8.

ГРНТИ	34.55.21

ВИНИТИ 341.55.21.27.11 + 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
ЗРИТЕЛЬНОЕ ВОСПРИЯТИЕ
ИМИТАЦИОННЫЕ МОДЕЛИ

Доп.точки доступа:
Mingolla, Ennio

1-20 21-25

"Электронные каталоги и базы данных библиотек СО РАН"

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)

rtvarBDview(" результаты поиска","20190607010228","4682442");

Вид поиска