Машинный анализатор. Часть 1. Волновые нейроны

Вступление

В этой и последующих статьях я объясню работу волновых частиц, которые могут переходить из неактивных состояний в активные.Также я опишу их состояния и память, которую можно организовать на основе считывания переходов данных частиц. Поскольку частицы могут активироваться при некотором воздействии извне и распространяются в виде волны, то я назвал их волновыми нейронами.

Для начала рассмотрим модель нейрона мозга человека, и разберем его на ряд понятных компонентов.

Нейрон состоит из тела, дендритов и аксона. Дендриты подают входные сигналы в тело нейрона, аксон подает выход для сигналов нейрона. Само тело(ядро) нейрона накапливает входящие с дендритов(входов) сигналы, и в случае накопления какого-либо критического значения подает сигнал на аксон(выход).

Предположение

Предположим, что у нас есть холст, на котором, мы может отмечать пиксели только трех типов. К примеру это могут быть пиксели черного, белого и красного цветов. Предположим, что пиксели черного цвета представляют собой нейроны, бывшие активными, на данный момент неактивные. Красные пиксели — представляют собой пиксели, которые на данный момент активны(активные нейроны). И черные пиксели — нейроны неактивные.

Мы сканируем весь холст в целях поиска активных нейронов(красных пикселов).Нужно написать условие активации этих нейронов. Предположим, что вокруг неактивных(белых) нейронов имеется 8 клеток(нейронов), к которым подключены «дендриты»- входные сигналы.
Если вокруг белой клетки образуется какое — либо количество черных нейронов, и это количество черных нейронов больше установленного нами порогового значения, того мы окрашивает белую клетку в красный цвет.

Нужно выбрать условие окрашивания клетки в красный цвет. Поскольку вокруг белой клетки 8 нейронов, то и выбирать мы может также от 0 до 7.Если выберем 0 — ничего не произойдет. Нужно выбирать от 1 до 7.Если выбрать 1, то вокруг черного изображения возникнет красный сплошной контур. Если выбрать 2 или 3 то также будет получаться контур, однако не сплошной, эти значения активации не интeресны. Если выбрать значение 4, то получим интересный результат. Программа будет любые вогнутые изображения превращать в выпуклые.

Результаты

Нейроны активируются, если рядом один или более неактивных нейронов

Изображение

Нейроны активируются, если рядом четыре или более неактивных нейронов

Изображение

Разрушение изображения

Предположим, что у нас есть сложное изображение с большим количеством цветов. Мы будем преобразовывать RGB значение цвета в целочисленное значение и находить максимальное значение этого цвета. Потом мы сделаем фрагмент этого изображения прозрачным и снова найдем максимальное значение  RGB цвета на картинке, не включая прозрачные пиксели и найденным цветом заполним прозрачную область изображение.

То есть мы удаляем некую область цвета и заменяем ее другим цветом. Тем самым, на изображение мы удаляем цвета один за другим, «разрушая» изображение. Также мы можем сохранить изобрaжение, которое мы заменяем в черно — белом представлении.

Результаты

Людям с эпилепсией не смотреть

Уничтожение изображения

Создание черно-белого изображения

Зачем я рассказал про уничтожение изображения? При описании изображения можно описать цветное изображение последовательностью черно-белых(бинарных) изображения, и их позже подробно описать.

Спасибо за чтение публикации

Оставить комментарий