книги из ГПНТБ / Автоматы и разумное поведение. Опыт моделирования

Подробный анализ процессов воспроизведения последо­ вательностей М-автоматом является темой отдельного иссле­ дования [61]. Операции (8.11) реализуются специальным алгоритмом Bas.

Bud — алгоритм ускорения действий — задает М-автомату «установку» па выполнение действий, повышает его «двига­ тельную активность». Из описания работы автомата, приве­ денного в § 2 настоящей главы, можно заключить, что воз­ можны такие режимы его функционирования (определяемые совокупностью воспринятых ситуаций, состоянием сферы оценок и т. п.), при которых в течение длительного времени не выполняются условия действия. В свободной интерпрета­ ции это означает, что автомат «слишком долго думает» перед выбором шага. Такие режимы представляют определенный интерес, так как дают материал для изучения и оценки ра­ циональности «хода мышления» автомата. В связи с этим, однако, существенно возрастают затраты машинного време­ ни, что затрудняет исследование собственно двигательного поведения. Следовательно, целесообразно ввести алгоритм, ускоряющий выбор действия в необходимых случаях.

Алгоритм выполняет следующие операции: 1) сравнива­ ет ситуацию, существующую в блоке восприятия в момент t, с ситуацией, существовавшей в момент t — 1; 2) определяет меру совпадения тп3 обеих ситуаций так, что 0 ^ ms ^ 9. При полном совпадении ситуаций т3 = 9, при полном не­ совпадении — пг3 = 0; 3) увеличивает возбужденность i-мо­ дели «желание действовать» (Tljd) на величину Д;-<г:

к следующему. Если в течение нескольких тактов М-автомат не совершает действий и, следовательно, воспринимаемая им ситуация не меняется, то возрастает величина возбуждения Ujd. Это приводит к увеличению возбуждения i-модели дей­ ствий, что, в свою очередь, приближает момент выполнения условий действия. Аналогичный процесс происходит и в тех случаях, когда выполнение действия не ведет к изменению

обеспечивает установление адекватных связей между i-моде- лямп раздражителей, составляющих воспринимаемую в мо­ мент t ситуацию, и одной из «резервных» i-моделей.

В момент (такт) восприятия ситуации описываемый алго­ ритм определяет свободную (не связанную с другими) i-мо­ дель первого уровня блока памяти ситуаций и приписывает ей определенную, задаваемую заранее возбужденность ГЬ». Далее, при работе блока установления связей A r между этой i-моделью и i-моделями раздражителей устанавливаются необходимые связи. В случае, если резерв свободных i-моде­ лей исчерпан, алгоритм определяет среди i-моделей первого уровня блока памяти ситуаций такую i-модель, которая наи­ более слабо связана с остальными, уничтожает все направ­ ленные к ней н от нее связи (устанавливая нулевое значе­ ние их проходимости) и приписывает ей возбужденность Usit. Через каждые к (к > 1 и заранее задано) тактов ана­ логичные операции выполняются для i-моделей второго уров­ ня блока памяти ситуаций.

В0 — алгоритм задержанного обучения — обеспечивает установление адекватных связей между i-моделямп ситуаций и действий. Пусть в момент t М-автомат находится в пекоторой ситуации St и выполняет шаг, переводящий его в дру­ гую ситуацию. В этот момент в М-сети автомата имеется i-модель, соответствующая ситуации St. Обозначим помер этой i-модели nsit. Номер i-модели шага, выполненного в мо­ мент t, обозначим ngou. В момент t + 1 описываемый алго­ ритм, используя запомненные значения nsit и ngou, увели­ чит возбужденность соответствующих i-моделей на некото­ рую постоянную заранее заданную величину. В результате по формулам (8.8) будет установлена связь Rngo\i, паи. При этом, если воспринятая в момент t + 1 новая ситуация со­ держит фактор наказания (поощрения), то тормозный (уси­ ливающий) компонент связи Rngou, nsit будет преобладаю­ щим. Таким образом, в М-сети окажется зафиксированной информация о том, что «в ситуации типа nsit не следует (следует) выполнять шаг ngdu».

В ряде случаев, однако, новая ситуация может не содер­ жать факторов реакции, тогда ее «эмоциональная оценка» вырабатывается с задержкой в ходе пересчетов сети. Пусть в момент t выполнен шаг ngou, а следующий шаг выполня­ ется в момент t + п, причем п > 1. В этом случае в момент t + 1 будет установлена связь Rngou, nsit, проходимости ко­ торой отражают текущее состояние центров Пр и НПр. По­ следнее запоминается, и в течение последующих тактов про­

от знака разности, изменяется значение тормозного или уси­ ливающего компонента связи Rngou, nsit. После выполнения

в момент t + п следующего шага описанные процессы по­ вторяются.

B V P — алгоритм ограничения количества связей — введен

сцелью уменьшения машинного времени счета программы.

Всвязи с ограниченной емкостью ОЗУ существует огра­ ничение и на количество связей между i-моделями сети, так

Гц и Tij связи Rn, тем меньшее влияние оказывает Rij на функционирование М-сети. Поэтому представляется целесо­ образным введение числовой переменной gvs с тем, чтобы

в первую очередь будут исключаться из рассмотрения связи с наименьшей проходимостью.

B r — алгоритм рандомизации возбуждений — вводит слу­ чайный компонент в распределение возбуждений М-сети. Содержательно такой компонент отражает влияние на функ­ ционирование модели факторов, не учтенных при моделиро­ вании. На каждом такте работы М-автомата алгоритм формирует последовательность (длиной меньше пли много меньше числа i-моделей сети) случайных чисел, с помощью которых вычисляется количество случайно возбуждаемых i-моделей, их номера (Ri) и величина добавочного возбуж­

ситуациях — введен с целью создания условий, удобных для исследования некоторых процессов обучения М-автомата. Используется при работе автомата в простых средах. Особой является такая ситуация, в которой одно (произвольно вы­ бираемое экспериментатором) действие из множества воз-

эффекторные алгоритмы. Ее блок-схема приведена на рис. 59. Между подпрограммами установлены отношения, показан­ ные на блок-схеме рис. 60.

Подпрограммы были написаны на входном языке транс­ лятора АЛГОЛ-БЭСМ. Рабочая программа содержит около 110008 команд ЦВМ БЭСМ-6.

Машинное время, необходимое для просчета одного так­ та работы модели, зависит в основном от количества связей между i-моделями сети и в меньшей степени — от количе­ ства i-моделей. Для основного варианта модели оно состав­ ляет 30—50 сек. Количество i-моделей и связей М-сети ав­ томата, а также размеры всех остальных массивов числовых данных, с которыми оперирует программа, ограничены (в сумме) объемом оперативной памяти машины БЭСМ-6.

Программа позволяет произвольно разбивать М-сеть на сферы или блоки. Поэтому с помощью программы может быть реализовано множество М-автоматов, отличающихся друг от друга количеством i-моделей в различных сферах (блоках). Для обозначения разных вариантов М-автомата введем специальную символику. Перечислим еще раз блоки М-сети автомата: блок приема информации (Р); блок поня­ тийных обобщений (П); блок памяти ситуаций (С), блок эмоций (Э), блок желаний (Ж) и блок действий (Д). Пусть правый нижний символ при букве, соответствующей назва­ нию блока, обозначает количество i-моделей в блоке, а пра­ вый верхний — количество уровней его организацпи. Зафик­ сируем порядок написания буквч Р, П, С, Э, Ж, Д. Если автомат является вырожденным, т. е. не включает в себя алгоритм ^сут, после буквы Д будем ставить 0. Если в ав­ томате реализована одноуровневая СУТ, вместо 0 будем ста­

чения из результатов проведенных ранее работ по исследо­ ванию М-автомата РЭМ. Для ряда параметров были опре­ делены допустимые области их значений на основе анализа ограничений, вводимых естественным образом при рассмот­ рении свойств соответствующих процессов. Наконец, для оп­ ределения допустимых значений некоторых параметров были проведены тестовые эксперименты. Адекватность выбранных значений проверялась также путем проведения тестов, боль­ шая часть которых имела демонстрационный характер.

В результате исследования М-автомата РЭМ установлены оптимальные значения ряда параметров М-сети и обслужи­ вающих ее алгоритмов. Некоторые из этих значений мы бу­ дем использовать в дальнейшем (табл. 7).

Следует отметить, что выбор значений порогов возбуж­ дения G, для i-моделей должен осуществляться отдельно в каждом конкретном случае. Задание 9* определяет общую логику переработки информации сетью и является одним из способов ее предорганизации. Возможности этого способа, глубоко исследованные для сетей из простых формальных нейронов, для случая рассматриваемых нами М-сетей будут продемонстрированы на конкретном примере несколько ниже.

Для того чтобы приступить к выбору параметров установ­ ления связей, рассмотрим на примере выражения (8.8а) их содержательное значение. Как указывалось ранее, установ­

шающим» фактором установления, поскольку выполнение неравенства

указывает на то, что установление связи в момент t разре­ шено. Соответственно, параметр кй определяет «базовое» зна­ чение проходимости устанавливающейся связи, т. е. значе­ ние, зависящее только от «разрешающего» фактора и не скорректированное «эмоциональным» фактором происходя­ щего акта обучения. Упомянутая коррекция задается значе­ нием параметра ki. Очевидно, отношение определяет значимость «эмоционального» фактора в обучении. Так, при постоянных значениях возбужденностей i-моделей увеличе­ ние ki повышает «чувствительность» системы к поощрениям. Аналогичные рассуждения могут быть проведены относитель­ но выражения (8.86).