Cu peste 35 de ani in urma a aparut un puternic curent de gandire prin care se cauta preluarea de catre tehnologie a procedeelor organismelor vii in scopul realizarii de dispozitive si sisteme tehnice performante. Astfel a aparut bionica, a carei denumire deriva de la prefixul bios (viata) si de la sufixul ic (avand natura), care este stiinta sistemelor (artificiale) ce prezinta caracteristici ale organismelor vii. Acest transfer de tehnologie dinspre organismele vii spre tehnologie se refera atat la procesele informationale, cat si energetice sau substantiale. Cu trecerea timpului bionica a devenit mai mult decat o disciplina, a devenit un mod de gandire. Pe masura ce s-au realizat progrese evidente in neurobiologie privind intelegerea proceselor de receptionare, inmagazinare si prelucrare a informatiilor de catre biosisteme, ponderea cercetarilor s-a deplasat spre neurobionica (sau bionica informationala). Neurobionica ar putea fi definita ca ramura bionicii care se ocupa de conceperea sistemelor artificiale compuse din elemente asemanatoare neuronilor si asamblate dupa principiile organizarii retelelor neuronale. Teoria ce este consacrata astazi pe deplin ca sistemul nervos este format din celule individuale separate, neuronii, a fost propusa convingator de marele neuroanatomist spaniol Ramon y Cajal in jurul anului 1900. Deci, neuronul constituie elementul de baza morfologic si fiziologic al sistemului nervos, fiind o celula excitabila cu un inalt grad de specializare, care asigura receptia, codificarea, transmisia si prelucrarea informatiei continuta de stimuli. Conexiunile interneuronale se realizeaza prin contactele sinaptice, specificitatea si complexitatea comportarii retelelor neuronale fiind determinata in esenta, nu atat de numarul si natura neuronilor constituenti, cat de numarul extrem de mare al interconexiunilor si caracterul tridimensional al retelei. De fapt, din volumul cortexului, numai 2-3 % este constituit din corpul celulelor nervoase, restul fiind ocupat de reteaua interconexiunilor neuronale. Modelele fizice (tehnice) neuronale se bazeaza pe fenomene electromecanice, termice, electronice, magnetice, optice, elecro-optice, etc. Aceste modele sunt dispozitive active care simuleaza un set de caracteristici functionale neuronale, care pot varia de la o aplicatie la alta, pastrand insa un minim comun de atribute specifice neuronului biologic. In general, retelele neuronale formale (artificiale) pot fi concepute ca sisteme de prelucrare nonalgoritmica, nedigitala si masiv paralela a informatiei. Ele sunt constituite dintr-un numar mare de celule elementare de procesare cu un nivel ridicat de interconectare denumite alternativ neuroni, noduri sau unitati elementare de procesare si care sunt echivalentul celulelor neuronale biologice. Intr-o retea neuronala nu exista instructiuni care sa fie executate sau date care sa fie pastrate in memorie, ca in cazul sistemelor conventionale de procesare a informatiei. Neuronii sau elementele procesoare genereaza valori de iesire corespunzand valorilor lor paralele de intrare. Rezultatul este starea generala a retelei imediat ce a atins o stare de echilibru. Prin urmare, cunostintele unei retele neuronale nu sunt localizate intr-un anumit loc (adresa), ci sunt distribuite de-a lungul intregii retele ca o configuratie. Metodele de arhitectura si de instruire singure determina cum lucreaza o retea. Un model abstract al unei retele neuronale consta din conexiuni (periferice-edges) si noduri (neuroni), care evalueaza functia. Perifericele au o directie si sunt, de obicei, canale de informatie ponderata, ce transporta argumentele pentru functia de evaluare de la un nod la celalalt. Nodurile au mai multe intrari independente si o singura iesire, adica informatia curge intr-o directie specificata. Tipurile de retele neuronale se disting unele de altele prin arhitectura lor (numarul de neuroni si cum sunt ei conectati) si prin algoritmii de invatare. Invatarea pentru o retea de neuroni inseamna stabilirea ponderilor acestora pentru a satisface anumite sarcini, astfel incat un anumit semnal de intrare produce semnalul de iesire dorit. Ponderile sunt ajustate gradat de fiecare data cand regulile de invatare sunt aplicate. Multidisciplinaritatea teoriei calcului neuronal se rasfrange spre aria aplicatiilor acestuia, mergand de la inginerie, informatica, medicina, economie, etc. si pana la domenii umaniste, ca sociologie, lingvistica, psihologie, etc.
Atat tehnologia microsistemelor cat si bionica au ca scop principal crearea de copii tehnice ale fiintelor din lumea noastra. De exemplu, cercetatorii de la Toyota se concentreaza asupra reproducerii functionalitatii unui tantar - un microsistem natural care cauta celulele sanguine folosind senzori, inteapa pielea si extrage si pompeaza sangele. Teoretic, un astfel de dispozitiv ar putea fi folosit ca un microaparat pentru diagnosticarea sangelui. Intregul domeniu al roboticii ar putea fi revolutionat prin dezvoltarea actuatorilor si a senzorilor superminiaturizati. In prezent, robotii inteligenti cu functiuni multiple au devenit o realitate. Importanta si potentialul aplicativ al retelelor neuronale in MST este mare. Ele prezinta interes in special acolo unde modelarea este dificila si cand exista la indemana numai un singur set de exemple de invatare in locul cunostintelor competente descrise lingvistic. De exemplu, valorile nemasurabile ale unui proces pot fi determinate din multe valori obtinute de la diferiti senzori sau parametrii de control necesari pot fi calculati dintr-un spatiu de intrare multidimensional indiferent de cat de complicate sunt relatiile functionale. Deoarece recunoasterea de diagrame este foarte importanta pentru MST, retelele neuronale vor juca un rol tot mai important in procesarea informatiei in microsisteme. O sarcina caracteristica este procesarea semnalelor de intrare de la mai multi senzori diferiti astfel incat chiar semnale cu zgomot sau partial distorsionate sa conduca la rezultate rezonabile. O aplicatie foarte buna este asa-numitul nas artificial, un sistem senzor mono-cip facut din mai multi senzori de gaze. Recunoasterea formei este necesara pentru controlul calitatii produselor MST. Aici, clasificatorii neuronali care sunt potriviti pentru procesarea informatiei senzorilor vizuali formeaza inima testelor si diagnozelor automate, nedistructive. Am prezentat putin mai pe larg importanta retelelor neuronale in tehnologia microsistemelor deoarece asa cum am aratat MST joaca si va juca un rol decisiv
Pentru a descărca acest document,
trebuie să te autentifici in contul tău.
