Виталий Ященко
 | Ященко Виталий Александрович, канд. техн. наук, ст. научный сотрудник Института математических машин и систем Национальной Академии Наук Украины занимается разработкой интеллектуальных систем и интеллектуальных роботов на основе нового класса нейроподобных растущих сетей. Является членом ассоциации пользователей интеллектуальных систем, ответственным редактором журнала «Математические машины и системы», ученым секретарем секции «Математические машины и системы» научных семинаров по проблеме «Кибернетика» при НАН Украины. Доцент кафедры ММЭД факультета Кибернетики Национального Университета им. Т. Г. Шевченко. |
Исследования
На основе анализа научных идей отражающих закономерности в строении и функционировании биологических структур мозга, а также анализа и синтеза знаний выработанных различными направлениями в Computer science, В. Ященко были разработаны основы теории нового класса нейроподобных растущих сетей, не имеющих аналога в мировой практике.
* Новый класс - нейроподобные растущие сети, состоит из однослойных, многослойных, многомерных однослойных и многомерных многослойных нейроподобных растущих сетей, а также из однослойных, многослойных, многомерных однослойных и многомерных многослойных рецепторно-эффекторных нейроподобных растущих сетей.
* Нейроподобные растущие сети дают возможность образовывать смыслы, как объекты и связи между ними по мере построения самой сети. При этом каждый смысл (понятие) приобретает отдельную компоненту сети как вершину, связанную с другими вершинами. В общем это вполне соответствует структуре отражаемой в мозге, где каждое явное понятие представлено определенной структурой и имеет свой обозначающий символ. Сеть практически свободна от ограничений на количество нейроподобных элементов в котором и нужно разместить соответствующую информацию, т.е. построить саму сеть, представляющую данную предметную область. Кроме того, сеть приобретает повышенную семантическую ясность за счет образования не только связей между нейроподобными элементами, но и самих элементов как таковых, т.е. здесь имеет место не просто построение сети путем размещения смысловых структур в среде нейроподобных элементов, а, собственно, создание самой этой среды, как эквивалента среды памяти. Таким образом нейроподобные растущие сети представляются удобным аппаратом для моделирования механизмов целенаправленного мышления, как выполнения определенных психофизиологических функций.
* В нейроподобных растущих сетях информация хранится в следствии ее отражения в структуре сети. Многомерные нейроподобные растущие сети представляются многоуровневой, многомерной структурой, отражающей структуру описываемых классов объектов. Информация об объектах и их классах представлена ансамблями ассоциативно взаимосвязанных вершин, распределенных по структуре сети. Ввод новой информации в сеть вызывает процесс построения ее структуры (перераспределение связей между уже существующими и вновь возникающими вершинами) с одновременным возбуждением нейроподобных элементов. В результате этого процесса происходит включение описываемого объекта в класс к которому он принадлежит или образуется новый класс объектов. Так осуществляется классификация и выделение общих признаков объектов. Алгоритм построения сети автоматически устанавливает ассоциативные связи между описаниями объектов по общим их признакам. Описание объекта или класса объектов локализуется в некоторой части сети, что позволяет эффективно выполнять различные операции ассоциативного поиска. Экономичность представления информации в н-РС осуществляется за счет сжатия информации на каждом ее уровне, а также за счет того, что одинаковые сочетания признаков нескольких объектов представляются одним общим подмножеством вершин сети. Емкость н-РС составляет N запомненных объектов или их пересечений на N нейроподобных элементов. Обучение сети осуществляется одновременно с ее построением в соответствии с правилами построения и функционирования сети.
* Важным свойством рецепторно-эфекторных нейроподобных растущих сетей (рэн-РС), является возможность формировать управляющие воздействия на внешнюю среду (т.е. обучать сеть вырабатывать управляющие сигналы в эффекторной зоне), в соответствии со знаниями приобретенными сетью в результате накопления, анализа, классификации и обобщения информации из внешнего мира (т.е. обработки информации в рецепторной зоне рэн-РС). В случае аппаратной реализации рэн-РС это свойство приобретает еще большее значение (особенно при построении робототехнических систем) за счет возможности параллельного приема информации на рецепторное поле от воспринимающих органов, распространения и выдачи во внешний мир управляющих воздействий.
* Кроме того, что не менее важно, нейроподобные растущие сети, в следствии их принципиального отличия от нейронных сетей, совершенно свободны от таких недостатков, как проблема локального минимума, временная неустойчивость и паралич сети, присущих структурам сформированным на идеологии нейронных сетей.
* Разработана концепция архитектуры мультипроцессорной системы с однородной матричной многомерной нейроподобной растущей структурой. Система предназначается для решения сложных задач, требующих выполнения значительного объема параллельных вычислений, обработки больших информационных массивов, формирования признакового пространства и описания классов, распознавания образов, контроля и диагностики технических средств, формирования баз знаний, создания интеллектуальных систем с мощной аппаратной поддержкой в реальном масштабе времени из различных областей человеческой деятельности: биологии, медицины, военного дела, метеорологии, геологии, ядерной физики, криминалистики, управления производством, экономики, экологии и др., а также для создания интеллектуальных роботов.
Исследовательские проекты
Исследования проводились в рамках конкурсной государственной научно-технической программы 6.03.01 "Конкурентно-способные средства вычислительной техники для решения задач Украины. Высокопродуктивные ЭВМ и проблемно-ориентированные комплексы широкого использования" Государственного Комитета по Науке и Технологиям Украины по теме 6.03.03/027-93 "Разработка и создание мультимикропроцессорных вычислительных средств с однородной матричной нейроансамблевой структурой", а также в рамках научно-технической программы Академии Наук Украины по теме "Исследования и разработка теоретических основ создания высокоинтеллектуальных ЭВМ с использованием новых нейроподобных растущих сетей".
Педагогическая деятельность
Чтение лекций по спецкурсу "Искусственный интеллект и интеллектуализация ЭВМ на нейроподобных растущих сетях" для стуентов 4 и 5 курсов факультета Кибернетики Национального университета им. Т.Г.Шевченко.
Публикации
Более 35 публикаций по теме искусственный интеллект в том числе 12 авторских свидетельств на изобретения.
Список основных публикаций
1. Ященко В.А. Нейроподобные растущие сети как средство построения интеллектуальной микропроцессорной системы с нейроансамблевой структурой // Кибернетика и сист анализ №3, 1994.С.43 - 62
2. Ященко В.А. Многомерные нейроподобные растущие сети как средство интеллектуализации ЭВМ // Кибернетика и сист. анализ № 4, 1994. С. 41 - 55
3. Ященко В.А. Дуализм архитектуры интеллектуальной мультимикропроцессорной системы с многомерной нейроансамблевой структурой // Кибернетика и сист. анализ № 5, 1994. С. 34 - 44
4. Ященко В.А. Рецепторно-эффекторные нейроподобные растущие сети эффективное средство моделирования интеллекта. I, II - // Кибернетика и сист. анализ № 4,5 1995. С. 54 - 62, 94 - 102.
5. JashchenkoV.A., ShagunV.A. Receptor-effector neurosimilar growing networks //International Journalon Information Theories & Application1995, Vol.3, No.7 p. 36 - 41
6. Ященко В.А. Моделирование основных функций нервной деятельности - // KDS-95. Международная конференция "Знания - Диалог - Решение" ( Ялта, 9 -14 октября 1995 г. ) Сборник научных трудов в двух томах. Т.2 С.458-465
7. Jashchenko V., Shagyn V. Representation of the Knowledge of Receptor Effector Neural Growing Networks.//Conference INFORMATION THEORIES & APPLICATIONS ITA'96 Fourth International May, 12-22 1996 Troyan & Sofia, Bulgaria
8. Рабинович З.Л., Ященко В.А. Подход к моделированию мыслительных процессов на основе нейроподобных растущих сетей // Кибернетика и сист. анализ № 5, 1996. С.3-20.
9. Морозов А.А., Ященко В.А. Интеллектуализация ЭВМ на базе нового класса нейроподобных растущих сетей. Киев, ГКПП «Тираж», 1997, с.125.
Контактный адрес
03187, Украина, Киев-187, пр-т акад. Глушкова, 42,
тел. (044) 526 70 45, факс (044) 526 40 91, e-mail: mis[at]immsp.kiev.ua
