Самонавчанна фаззі-спайк-нейронна мережа на основі дискретних динамічних ланок другого порядку для нечіткої кластеризації

Abstract

UK: Розглянуто гібридні нейронні мережі, що засновані на ідеї поєднання спайк-нейронних мереж та принципів нечіткої логіки. У статті запропоновано архітектуру самонавчанної фаззі-спайк-нейронної мережі на основі дискретних динамічних ланок другого порядку. Запропоновано опис спайк-нейронної мережі в рамках теорії автоматичного керування. Синапси спайк-нейрона представлені як ланки другого порядку, а сома як система порогового виявляння. Спайк-нейронна мережа, реалізована таким чином, є аналого-цифровою нелінійною динамічною системою, що передає та обробляє інформацію і в часоімпульсній, і в часонеперервній формах. EN: Hybrid neural networks based on the idea of combining spiking neural networks and the principles of fuzzy logic are considered. The architecture of self-learning fuzzy spiking neural network based on discrete second-order critically damped response units is proposed. It is proposed to define a spiking neural network in terms of apparatus of classical automatic control theory based on the Laplace transform and z-transform. It is shown that a spiking neural network is a pulse-position threshold detection system based on second-order damped response units. Such kind of description allows using it as an analog-digital system in technical problems solving. The output layer takes firing times of spikes arriving from the second layer, and either performs fuzzy partitioning of the input patterns using probabilistic approach