The decision model of identification of significant diagnostic characters (order parameters) is presented within using of neural network decision model for binary classification (division of a group of subjects being in two different ecological and psychic conditions). Similar problems are the basis of cognitive and heuristic activity of a human who has to identify order parameters in any process and analysis of any events. We have shown that the possibility of order parameters identification (significant хi) is low in a small number of iterations (p<100) with initial weight characters xio based on uniform distribution (xio from an interval (0,1)). If p increases (p>100, p>1000), accuracy of order parameters identification increases too. Within the frameworks of the model there is a hypothesis on the connection of reverberation in hippocampus with efficiency of a heuristic brain activity.
order parameter, binary classification problem, neural emulator, iteration, neural network
Введение. I.R. Prigogine в своих работах уделял особое внимание возможным механиз-мам перехода от хаоса к порядку. Однако, формальные модели таких переходов не разработаны и до настоящего времени, т.к. решение этой задачи упирается в изучение механизмов самоорганизации в биосистемах. При этом, обратный переход (от порядка к хаосу) довольно хорошо изучен на многочисленных примерах в рамках детерминистского и стохастического подходов (ДСП) в виде бифуркаций рождения циклов и перехода систем от периодических циклов к хаотической динамике, когда число бифуркаций увеличивается до бесконечности (это одно из определений хаоса). В рамках решения этой глобальной проблемы перехода от хаоса к порядку имеется одна весьма важная задача, которая составляет основу всей науки. Это задача выбора параметров порядка при изучении того или иного природного процесса. Такая задача решается каждым ученым – исследователем, да и просто каждым человеком в его повседневной жизни. Фактически, открытие любого закона природы в физике, химии, технике сводится к многократному наблюдению конкретного процесса и попыток исследователя выявить скрытую закономерность, т.е. это составляет основу когнитивной и эвристической деятельности учёного. Неверно выбранные параметры порядка не дадут научного результата, вся наука сейчас базируется на системном синтезе. При этом возникает принципиальная неопределенность: почему конкретный закон открывает конкретный человек (а не другой) и какими свойствами должен обладать такой человек, каковы свойства его мозга, что особенного содержится в работе его нейронных сетей? В целом – чем работа мозга гениального человека отличается от мозга обычного (и тем более умственно ограниченного) человека? Это фундаментальные вопросы психологии, физиологии и науки в целом [2-4,6-8].
Подобные задачи возникают и в эволюции всего живого. Почему эволюция пошла именно этим путем, а не другим? Ведь порой выбранный путь эволюции не бывает оптимальным с точки зрения современной науки. Один из ответов на данный вопрос скрыт в базовых механизмах перехода от хаоса к порядку, в механизмах самоорганизации мозга, в его когнитивной и эвристической деятельности. Что нужно для изучения этих механизмов и как мозг может проявить свои когнитивные функции, которые неизбежно связаны с эвристической деятельностью нейронных сетей мозга?
Один из ответов на этот фундаментальный вопрос естествознания мы предлагаем в рамках решения задачи бинарной классификации с помощью нейроэмулятора (нейро-ЭВМ, или НЭВМ), как некоторой модели принятия правильного решения мозгом человека, его нейронными сетями. В рамках такой деятельности появляется возможность решения задачи системного синтеза, а это уже область эвристической деятельности мозга и его аналогов. Это лежит и в основе хаотической деятельности биомеханических систем, описанных груп-пой учёных Стенфорда [5].
1. Anokhin PK. Kibernetika funktsional´nykh sistem. Moscow: Meditsina; 1998. Russian.
2. Es´kov VM, Khadartsev AA, Es´kov VV, Filatova OE. Fluktuatsii i evolyutsii biosistem - ikh bazovye svoystva i kharakteristiki pri opisanii v ramkakh sinergeticheskoy paradigmy [Fluctua-tion and evolution are the basic property of biosystem according to synergetic paradigm]. Vestnik novykh meditsinskikh tekhnologiy. 2010;17(1):17-9. Russian.
3. Es´kov VM, Filatova OE, Khadartsev AA, Khadartseva KA. Fraktal´naya dinamika pove-deniya chelovekomernykh sistem [Fractal dynamics of conduct cheloveko-mernyh]. Vestnik novykh meditsinskikh tekh-nologiy. 2011;18(3):330-1. Russian.
4. Es´kov VM, Es´kov VV, Filatova OE, Khadartsev AA. Osobye svoystva biosistem i ikh modelirovanie [Special oriperties of biosystems and their modelling]. Vestnik novykh meditsinskikh tekhnologiy. 2011;18(3):331-2. Russian.Churchland MM, Cunningham JP, Kaufman MT and others. Neural population dynamics during reaching. Nature. 2012;487:51-6.
5. Eskov VM, Eskov VV, Filatova OE. Characteristic features of measurements and modeling for biosystems in phase spaces of states. Measurement Techniques (Medical and Biologi-cal Measurements). 2011;53(12):1404-10.
6. Eskov VM, Gavrilenko TV, Kozlova VV, Filatov M.A. Measurement of the dynamic pa-rameters of microchaos in the behavior of living biosystems. Measurement Techniques. 2012;55(9):1096-100.
7. Eskov VМ, Eskov VV, Filatova OE, Filatov MA. Two types of systems and three types of paradigms in systems philosophy and system science. Journal of Biomedical Science and Engineer-ing. 2012;5(10):602-7.
8.
