для некоторого множества нейронов не произволен, но при этом достаточно широк. Таким образом, в модели реализуется не только способность к адаптации, но и способность к обучению.
Предложенная модель сильно отличается как от искусcтвенных нейронных сетей, состоящих из формальных нейронов Маккаллока – Питтса [12], так и от моделей взаимодействия биологических нейронов, строящихся в виде систем дифференциальных уравнений [8, 15]. Наша модель для описания ритмической активности ансамбля является дискретной – это делает ее гораздо более интерпретируемой, чем непрерывные модели, и гораздо менее вычислительно сложной, а значит, легко масштабируемой. С другой стороны, нейроны в модели намного сложнее, а их взаимодействия разнообразнее, чем в стандартных искусственных нейронных сетях. Они имеют два важных отличия: (i) трансмиттер-специфичность и (ii) наличие того или иного типа эндогенной активности. На каждом такте дискретного времени нейроны взаимодействуют, выбрасывая трансмиттеры в общее внеклеточное пространство (ВКП) и затем принимая их из ВКП. Каждый нейрон имеет полный доступ к ВКП и реагирует на все трансмиттеры, рецепторы к которым у него есть. Суммарное воздействие, пришедшее на рецепторы, наряду с эндогенной составляющей, определяет активность нейрона на данном такте. Добавляя в состав ВКП те или иные трансмиттеры и изменяя их пропорции, можно моделировать механизмы адаптивности эндогенных актов на обоих описанных выше уровнях – грубом и тонком (создание новых ритмов и изменение параметров существующих), а также механизмы обучения (сборка новых устойчивых ансамблей).
Мы предполагаем, что результаты, полученные на относительно простых мультитрансмиттерных генераторах моторного поведения, можно будет экстраполировать на механизмы выбора в более сложных системах – таких, как сети из ансамблей нейронов, в которых общий сетевой выход будет зависеть от выборов отдельных ансамблей.
Литература
[1] Базенков Н. И., Воронцов Д.Д., Дьяконова В. Е., Жилякова Л. Ю., Захаров И. С., Кузнецов О. П., Куливец С. Г., Сахаров Д. А. Дискретное моделирование межнейронных взаимодействий в мультитрансмиттерных сетях // Искусственный интеллект и принятие решений. 2017. Т. 2. С. 55–73.
[2] Балабан П. М., Воронцов Д.Д., Дьяконова В. Е., Дьяконова Т. Л., Захаров И. С., Коршунова Т. А., Орлов O. Ю., Павлова Г. А., Панчин Ю. В., Сахаров Д. А., Фаликман М. В. Центральные генераторы паттерна (CPGs) // Журн. высш. нерв. деят. 2013. Т. 63. С. 520– 541.
[3] Дьяконова В. Е. Нейротрансмиттерные механизмы контекст-зависимого поведения // Журн. высш. нерв. деят. 2012. Т. 62. C. 1–17.
[4] Жилякова Л. Ю., Кузнецов О. П. Принципы дискретного моделирования гетерохимических механизмов в нервных системах // XVIII Международная научно-техническая конференция «Нейроинформатика-2016»: Сборник научных трудов. НИЯУ МИФИ. М., 2016. Ч. 3. С. 82–90.
[5] Сахаров Д. А. Биологический субстрат генерации поведенческих актов // Журн. общ. биол. 2012. Т. 73. С. 334–348.
[6] Сахаров Д. А., Каботянский Е. А. Интеграция поведения