Образная математика

[antonovvm]

Образная математика
http://technic.itizdat.ru/docs/antonov_v_m/FIL14502671980N305156001/43

Образная математика лучше всего подходит для математического описания нервных систем и, в частности, мозга. В ней единицей информации выступает не число или символ его заменяющий (буква), не математическая матрица и не вектор, а сплошной образ вроде фотографии.
Образная математика может существовать сама по себе; у неё – свои законы, которые ещё предстоит выяснить, Но уже сейчас можно говорить о том. что действия в ней отличаются от действий числовой математики существенным образом.

Символика
Образы будем обозначать прописными (большими) латинскими буквами, а буквенные обозначения численных величин – строчными (малыми).
[ … ] – символ пакета образов.
[BхC] – символ перемножения образов (в цифровом представлении соответствующие пиксели образов B и C перемножаются).
[С+ΔC] – символ просветления образа C образом ΔC (соответствующие пиксели образов C и ΔC складываются). Просветление имеет предел – полное просветление.
[С-ΔC] – символ затемнения образа C образом ΔC (вычитание пикселей образа ΔC из соответствующих пикселей образа C). Затемнение имеет предел – полное затемнение.
( => ) – символ активации пакета образов (поток света в проекторах).
( U ) – символ активирующего образа – напряжение рецепторной среды (источник света в проекторах). Пример: U => [BхC]
( } ) – символ суммации результирующего образа на выходе из пакета при его активации; превращение образа в число (поток света на выходе из проектора при просвечивании пакета слайдов). Пример: U => [BхC]} = e
( • ) – символ усиления или ослабления образа в результате умножения его на число (все пиксели умножаются на одно и то же число). Если число больше единицы – усиление, если меньше – ослабление.

[Ev3658]

Создаю образную операционную систему искусственного интеллекта "АРАМИРА".
Был удивлен в отсутствии конкретной информации и трудов в понимании образной математики.
У вас как-то тоже объясняется через математику, но будет куда понятней если объяснить всё в виде алгоритмов и какой-то стандартизации.

Почему образная математика?
Без образной математики не может существовать настоящее мышление искусственного интеллекта, только имитация и подобие.

[Ilya Geller]

Не забудьте мне забашлять, пред тем как заниматься и удивляться. Все запатентовано.

[Ev3658]

Не забудьте мне забашлять, пред тем как заниматься и удивляться. Все запатентовано

За что башлять? Нет трудов в этой теме приемлемых для использования образной математики в нейронных сетях.
Начало верное, но всё совсем не то и неверно.
Жаль, я надеялся на конструктивный диалог, но раз уж так, то и смысла нет продолжать ветку.
 

[Ev3658]

удивляться

Удивление тут только одно, бесполезность в нейронном пространстве труда автора этого материала: http://314159.ru/antonov/antonov25.htm

Мой проект не коммерческий. Начал его давно, изучая достижения цивилизации вижу что ничего в образной математике для ИИ не достигнуто.
Предположил что тут на форуме можно совместно как-то сконструировать нейронную образную математику, зарегался, но видимо автора темы уже нет.
Хочется сказать что много ошибок в понимании, автор образную математику сделал обычной математикой и видимо не в курсе о простейших нейронных структурах.

[Ilya Geller]

Образная математика, те обработки образов математически, есть статистика. Больше ничего. Гуляй Вася, пинай бананы!

[Ev3658]

Сообщений: 4860
Страна:
Рейтинг: +32/-30
[Одобрям!] [Осуждам!]


Re: Образная математика
« Ответ #5 : Сегодня в 21:07:51 »
Цитировать (выделенное)
Образная математика, те обработки образов математически

Так это же бред.
Спасибо за разъяснение, зря время потратил на регистрацию на этом форуме, не ожидал с первого диалога наткнуться на быдло.

[Антонов Владимир]

Случайно зашёл на этот форум и увидел свою тему.
Материал - слишком большой, поэтому буду выкладывать его по частям.

22. Алгоритм обучения мозга в образной математике

Определимся с образами.
Bj – образ очувствления в j-ой ситуации; это – тот параллельный поток сигналов, который идёт от рецепторов и упирается в кору головного мозга.
Cj – синаптический образ, сложившийся в j-ой ситуации; этот образ составлен из проводимостей синапсов.
U – образ напряжений рецепторной среды. Будем считать на первый случай, что этот образ – однородный и неизменный.
e – сигнал управления.
Напомним, что каждая мышца организма управляется отдельно, тоесть у каждой из них – свой синаптический образ.

В наглядном оптическом примере образы Bj и Cj представляются как диапозитивы; [BjхCj] – блок этих диапозитивов; U – равномерный поток света, пронизывающий указанный блок; e – суммарный световой поток на выходе из блока.

В процессе обучения формируется синаптический образ C. В обученном состоянии он в блоке с образами всевозможных ситуаций обеспечивает заданные сигналы управления:

U => [B1хC]} = e1
U => [B2хC]} = e2
…………………..
U => [BnхC]} = en

Разных ситуаций может быть сколько угодно, но синаптический образ – один.

[Ev3658]

Разных ситуаций может быть сколько угодно, но синаптический образ – один.

Это само собой понятно. Вступление отличное, но примеры и объяснения не применимы к нейронной структуре, разве что только с использованием математики.
Примерное простое представление цифрового нейрона:


Из этого можно создать весовой образ, но для расширения мышления требуется создать некие статичные связи.
То-есть понятия: от и до, начало, бесконечность, предел и т.п.
В качестве эталонных образов и их связи можно использовать "Глаголицу", за исключением системы исчисления.

Разрабатывая ядро образной системы наткнулся на полное отсутствие многих данных.
Это простые наброски (без нейрохимии и т.п.)


Сейчас изучаю образную математику для создания простого конструктора, собственно и нашел вашу статью, где в начале очень правильно изложены мысли, но всё остальное уходит в математику, многое упущено и в целом не годится для воссоздания ИИ исключительно только из связей нейронов (без матриц и БД).

[Антонов Владимир]

Сейчас изучаю образную математику для создания простого конструктора, собственно и нашел вашу статью, где в начале очень правильно изложены мысли, но всё остальное уходит в математику, многое упущено и в целом не годится для воссоздания ИИ исключительно только из связей нейронов (без матриц и БД).

Если Вас интересует "железо", то нами были уже установлены обучаемые (навыковые) системы управления на роботы, и те успешно работали.

Полный материал по образной математике можете найти на яндекс по ключевым словам
антонов мозг русская теория

[Ev3658]

Если Вас интересует "железо",

Собственно разработку и начал с железа, которое обеспечит аппаратный расчёт нейрона с прямым доступом к памяти, без использования операционных систем Windows, Linux и других.

Сейчас на стадии создания первой программы для этого ПК, можно образно сказать "Hello world".
Полную имитацию человеческого сознания не стремлюсь, но базу для создания образного мышления постараюсь создать.
В моей системе нет математики и логики ЦП, исключительно всё на нейронах.
Мир немного не туда начал развиваться в сфере ИИ, почти большинство занято распознаванием всего что можно распознать.
Я же ищу способ создать самодостаточный эволюционирующий механизм, способный различать многие ценности человека, в том числе и духовные.
Не знаю что получится, математика на образах мышления - это точно то что нужно, но её структура пока мне не известна.

[Антонов Владимир]

В моей системе нет математики и логики ЦП, исключительно всё на нейронах.
Мир немного не туда начал развиваться в сфере ИИ, почти большинство занято распознаванием всего что можно распознать.
Я же ищу способ создать самодостаточный эволюционирующий механизм, способный различать многие ценности человека, в том числе и духовные.
Не знаю что получится, математика на образах мышления - это точно то что нужно, но её структура пока мне не известна.

Путь создания технического мозга через распознавание - мы отвергли.

Живой мозг развивался в таком порядке:
рефлексы => инстинкты => навыки => мышление.
Сейчас технический мозг находится пока на этапе инстинкты.
У нас уже разработан технический мозг, реализующий навыки.
Но до мышления - ещё далеко.

[Метафизик]

Я же ищу способ создать самодостаточный эволюционирующий механизм, способный различать многие ценности человека, в том числе и духовные.

Но технических способов подключиться к БД пока не видно... от слова совсем...
Вы же в курсе где находится БД, с которой работает человеческий мозг?

[ABC11]

Образная математика
http://technic.itizdat.ru/docs/antonov_v_m/FIL14502671980N305156001/43

Образная математика лучше всего подходит для математического описания нервных систем и, в частности, мозга. В ней единицей информации выступает не число или символ его заменяющий (буква), не математическая матрица и не вектор, а сплошной образ вроде фотографии.
Образная математика может существовать сама по себе; у неё – свои законы, которые ещё предстоит выяснить, Но уже сейчас можно говорить о том. что действия в ней отличаются от действий числовой математики существенным образом.

Символика
Образы будем обозначать прописными (большими) латинскими буквами, а буквенные обозначения численных величин – строчными (малыми).
[ … ] – символ пакета образов.
[BхC] – символ перемножения образов (в цифровом представлении соответствующие пиксели образов B и C перемножаются).
[С+ΔC] – символ просветления образа C образом ΔC (соответствующие пиксели образов C и ΔC складываются). Просветление имеет предел – полное просветление.
[С-ΔC] – символ затемнения образа C образом ΔC (вычитание пикселей образа ΔC из соответствующих пикселей образа C). Затемнение имеет предел – полное затемнение.
( => ) – символ активации пакета образов (поток света в проекторах).
( U ) – символ активирующего образа – напряжение рецепторной среды (источник света в проекторах). Пример: U => [BхC]
( } ) – символ суммации результирующего образа на выходе из пакета при его активации; превращение образа в число (поток света на выходе из проектора при просвечивании пакета слайдов). Пример: U => [BхC]} = e
( • ) – символ усиления или ослабления образа в результате умножения его на число (все пиксели умножаются на одно и то же число). Если число больше единицы – усиление, если меньше – ослабление.

Хороша математика. Не надо решать и что-то знать, рисуй, что попало и поменьше, т.к. пиксель стремиться к 0.
С возращением к нам Владимир Антонов из Мариуполя! Поздравляю Вас и других жителей в на Украине с закрытием дур. домов! Героям слава!

[Антонов Владимир]

Хороша математика. Не надо решать и что-то знать, рисуй, что попало и поменьше, т.к. пиксель стремиться к 0.
С возращением к нам Владимир Антонов из Мариуполя! Поздравляю Вас и других жителей в на Украине с закрытием дур. домов! Героям слава!

(Не хочется даже комментировать.)

[ABC11]

(Не хочется даже комментировать.)

Расскажите тогда об практическом применении рисовальной математике и как оеа давит на мозги.

[Антонов Владимир]

Проследим за ходом обучения мозга.
Фактический сигнал управления ef на отдельную мышцу в j-ой ситуации перед дообучением определится как
U => [BjхCj-1]} = ef                     (1)

Здесь Cj-1 – синаптический образ, сложившийся в предыдущей ситуации.
Погрешность сигнала управления Δej окажется равной разности требуемого сигнала управления  ej  и фактического сигнала ef :

Δej = ej – ef                                  (2)

Коррекция синаптического образа ΔCj формируется в соответствии с законом самообучения синапсов:

ΔCj = k · Δej · Bj

Здесь k – коэффициент пропорциональности.
При безошибочном обучении в рассматриваемой ситуации корректирующий образ ΔCj полностью устраняет погрешность Δej :

U =>[BjхΔCj]} =Δej

Подставим в это выражение предыдущее и вынесем за пределы потока постоянные величины:

 k · Δej · U => [BjхBj]} = Δej

Определим отсюда выражение для коэффициента k:



Корректирующий образ ΔCj в j-ой ситуации будет иметь вид



Представим это как

ΔCj = Bj · Δej                                (3)

Здесь



есть удельный образ очувствления Bj в j-ой ситуации.
Синаптический образ Cj после обучения в j-ой ситуации определится в результате его просветления на величину ΔCj:

Cj = [Cj-1 + ΔCj]                         (4)

Если корректирующий синаптический образ ΔCj отрицательный (тоесть негативный), то вместо просветления произойдёт затемнение

Cj = [Cj-1 – ΔCj]

Отрицательным корректирующий образ ΔCj будет тогда, когда погрешность сигнала управления Δej окажется отрицательной.
Выражения (1), (2), (3) и (4) представляют собой дискретный алгоритм обучения мозга в образном представлении. По своему виду они напоминают выражения того же алгоритма в пиксельной (числовой) форме.

[ABC11]

Проследим за ходом обучения мозга.
Фактический сигнал управления ef на отдельную мышцу в j-ой ситуации перед дообучением определится как
U => [BjхCj-1]} = ef                     (1)

Здесь Cj-1 – синаптический образ, сложившийся в предыдущей ситуации.
Погрешность сигнала управления Δej окажется равной разности требуемого сигнала управления  ej  и фактического сигнала ef :

Δej = ej – ef                                  (2)

Коррекция синаптического образа ΔCj формируется в соответствии с законом самообучения синапсов:

ΔCj = k · Δej · Bj

Здесь k – коэффициент пропорциональности.
При безошибочном обучении в рассматриваемой ситуации корректирующий образ ΔCj полностью устраняет погрешность Δej :

U =>[BjхΔCj]} =Δej

Подставим в это выражение предыдущее и вынесем за пределы потока постоянные величины:

 k · Δej · U => [BjхBj]} = Δej

Определим отсюда выражение для коэффициента k:



Корректирующий образ ΔCj в j-ой ситуации будет иметь вид



Представим это как

ΔCj = Bj · Δej                                (3)

Здесь



есть удельный образ очувствления Bj в j-ой ситуации.
Синаптический образ Cj после обучения в j-ой ситуации определится в результате его просветления на величину ΔCj:

Cj = [Cj-1 + ΔCj]                         (4)

Если корректирующий синаптический образ ΔCj отрицательный (тоесть негативный), то вместо просветления произойдёт затемнение

Cj = [Cj-1 – ΔCj]

Отрицательным корректирующий образ ΔCj будет тогда, когда погрешность сигнала управления Δej окажется отрицательной.
Выражения (1), (2), (3) и (4) представляют собой дискретный алгоритм обучения мозга в образном представлении. По своему виду они напоминают выражения того же алгоритма в пиксельной (числовой) форме.

Считать буквами мозговые извилины это прекрасно, но зачем и для чего?

[Ev3658]

Ядро мыслительного искусственного интеллекта должно быть полностью на нейронах без цифровых данных.
Чтоб создать мышление необходимо отказаться от стандартной логики и математики.
Образ математики мышления - это не матрица, это совокупность весовых связей и разнообразие в рамках образа.
Просто отключите все знания связанные с машинным языком.
Нет переменных, нет ничего, кроме нейронного механизма (типы нейронов/синапсы).

Математический образ - его основа есть в глаголице (за исключеним числовой системы).
Наша цивилизация развивалась и практические данные как несколько тысяч лет есть в истории.
Создав первый примитивный механизм мышления его можно будет обучить на восприятие современного мира.

Я сделал первый прототип ПК в основе вычисления нейронов в оперативной памяти ПК, но столкнулся с необходимостью стандартизации интерфейсов больших нейроблоков.

Немного ознакомился с вашими трудами. К сожалению они не подходят для нейронной образной математики в основе самих нейронов, так как данные и математика в вашем описании переходят в логические данные.

Восприятие мира нейронной сетью и есть начало такта мышления.
В моем понимании создание образного мышления основывается на самих нейронах без внешних данных, исключительно данные в самих нейронах и их связи.

По поводу синаптической задержки - это ещё рано реализовывать, так как может получится неизвестно что.

Все привыкли давать команду компьютеру и ждать результат, в образном мышлении основанным на уставах образной математики так не получится, ведь это будет уже сознание и как оно эволюционирует - никто не знает.

Что нужно для начала:
1.Стандартизация образов мышления
2.Стандартизация интерфейса нейроблоков для расширения и безопасности

Над чем сейчас работаю:
Создаю инструмент для создания технических образов и инструмент для создания нейронного мышления в основе образов.

Вы правы про инстинкты и рефлексы, это базовый набор нейронной системы - опятьже нейронной, а не логической.
Математическая логика может быть в интерфейсе между человеком и ИИ, но не в мыслительном механизме ИИ.

Образная математика и образное мышление - как раз тут и должно объединять общее, которое отсутствует у вас в книгах, но есть в глаголице.

[Антонов Владимир]

Восприятие мира нейронной сетью и есть начало такта мышления.

Мы долго возились с нейронными сетями, пока не разочаровались в них.

У нас мозг имеет матричную структуру, в которой строки - это очувствление (сенсонейроны), а столбцы - каналы управления мышцами и железами (мотонейроны).