An evolutionary coupled neural oscillators with application to pattern recognition مذبذبات عصبية متعانقة تطورية وتطبيقها في التعرف على الأنماط
Auteur(s):
Mahar Khalid Tobal Ahmed
Date de publication:
2001
Référence bibliographique:
An evolutionary coupled neural oscillators with application to pattern recognition مذبذبات عصبية متعانقة تطورية وتطبيقها في التعرف على الأنماط A Tobal and K Maharمجلة جامعة الملك سعود مجلة العلوم الهندسية عمادة شؤون المكتبات، جامعة الملك سعودVol 13 no 2 (1421 H [2001]) p p 227237Tobal AhmedMahar Khalid
Résumé:
تعتبر النشاطات الدورية أساسا لاستمرارية حياة الكائنات الحية واكتشف علماء الأحياء أن الخلية العصبية المنفردة تنتج ذبذبات ذات تردد وشكل مميز يعتمد على خواص الغشاء المحتوي على الخلية كذلك عند ربط أكثر من خلية عصبية مع بعضها البعض، فإنه ينتج عنها ذبذبات تعتمد على نوع الوصلات فيما بينها وبدراسة تزامن هذه الدبذبات والعلاقة المؤقتة فيما بينها وجد أنها تحقق إمكانية التعرف على الأنماط وتعتمد سرعة التعرف على الأنماط على سرعة التزامن بين خلايا المجموعة المرتبطة ومن ثم فإننا نعرض في هذا البحث مذبذبات عصبية متعانقة تطورية يمكنها زيادة سرعة تزامنها ويتم ذلك عن طريق البحث عن معاملات مثالية للخلية العصبية باستخدام خوارزم تطوري يعتمد على قياس مدى قوة العلاقة بين المذبذبات وبهذه الطريقة يتم تفادي استخدام عملية التجربة والخطأ والتي تستخدم في استنباط معاملات الخلية العصبية وتجلى بوضوح تفوق هذه الطريقة على غيرها من خلال تطبيقها في عملية التعرف على الأنماط Cyclical activities are basic characteristics of all living organisms Neurobiologists have discovered that a single neuron often possesses membrane properties that are responsible for the generation of oscillations When coupled with other neurons oscillations with varying properties depending on the type of interconnection can be generated Using synchronization and temporal correlation of these oscillations can carry out the tasks of pattern recognition of different objects The speed of recognition depends on the speed of synchronization In this paper we propose evolutionary coupled neural oscillators to minimize the time of synchronization through the optimization of the neuron parameters by means of a genetic algorithm The genetic algorithm with its global search capability finds the optimum neuron parameters through a fitness measure that reflects the correlation strength between oscillators Thus avoiding the trialanderror process of estimating the neuron parameters The superiority of the method is demonstrated through an application of character recognition process
