Поскольку процессы возбуждения нейрона и передачи возбуждения во внешние связи являются в общем случае асинхронными, возможна ситуация, когда нейрон может повторно возбудится до того, как токен был передан во внешние связи. В этом случае происходит добавление токена к выходу O, который работает как накопитель. Каждый последующий цикл передачи возбуждения во внешнюю среду будет уменьшать количество токенов на 1.
ссивное состояние.
Затухание нейрона может выполнять еще одну важную функцию — генерацию возбуждения по истечении определенного периода времени. Мы будем называть это свойство — инверсным возбуждением. Инверсное возбуждение возникает в тот момент, когда нейрон полностью разряжается, и его порог срабатывания установлен в 0. Это свойство позволяет использовать нейрон как синхронизирующий элемент в самом широком смысле. Например, два попарно соединенных нейрона с инверсным возбуждением образуют мультивибратор — генератор возбуждений с заданной частотой. Одиночный инверсный нейрон может служить логическим элементом задержки или выступать в роли генератора событий в определенный момент времени.
Реальные физические процессы отличаются от идеальных математических в первую очередь наличием всевозможных дополнительных динамических составляющих, которые влияют на их поведение. Например, инерционное движение любого реального материального тела подвержено силам трения, которые в конечном счете приведут к его остановке; заряженные элементы разряжаются с течением времени; человеку свойственно забывать факты или события прошлого и т. п.
Для моделирования диалогового взаимодействия нам понадобится еще одно специфическое свойство — забывание. В процессе разговора или поиска информации, контекст является одним из необходимых условий для получения индивидуального и быстро сходящегося результата. Контекстно-зависимые значения могут образовывать сложные ассоциативные группы, для которых мы будем использовать понятие «забывания» или функцию разряда (discharge), позволяющую изменять уровень возбуждения соответствующего нейрона в зависимости от времени
Возможность клонирования является одним из наиболее важных свойств биологических организмов в природе и также является одной из основных операций в объектно-ориентированном программировании. Полученный в результате клонирования новый объект может либо в точности скопировать, либо определенным образом трансформировать внутреннее состояние исходного объекта.
Унифицированное представление внешних и внутренних сигналов, а также универсальный механизм восприятия, делают возможным внутреннее развитие нейронной системы и в то же время позволяют реагировать на внешние воздействия. Иными словами, такая модель совмещает способность внутреннего саморазвития с внешним обучением под руководством автора.
Процесс репродукции является одним из ключевых в нейронном моделировании и от эффективности его решения зависит насколько успешно смогут развиваться построенные с его помощью системы.
Для того чтобы нейрон в определенный момент мог выполнить операцию деления или присоединил свой выход ко входам других нейронов, необходимо наличие некоторого внешнего фактора (интерпретатора) O1.
В традиционном программировании, где состояние переменных основано на статических методах, содержимое переменной не может измениться до тех пор, пока программа не осуществит это изменение. Способность нейрона самостоятельно изменять свое состояние не является принципиально новым в вычислительной технике — элементы аналоговых ЭВМ ведут себя подобным образом. Однако в отличие от жестких коммутационных структур в аналоговых ЭВМ, изменение которых возможно только на этапе предварительного программирования, нейронные модели способны динамически добавлять новые элементы, устанавливать новые связи и изменять их характеристики.
При этом и автомобиль и компьютер прекрасно решают свои задачи — мы можем быстро перемещаться по транспортным магистралям и производить эффективные преобразования данных и вычисления по известным алгоритмам.