Формирование самоорганизующихся отображений сенсорных сигналов на непрерывные нейросетевые аттракторы

В работе описывается простая модельная нейронная система, в которой осуществляется самоорганизующееся отображение многомерных рецепторных сигналов $R$-мерного пространства (где $R$ — количество рецепторов) на состояния сети из $N$ взаимодействующих нейронов. Рекуррентная сеть из $N$ взаимодействующих нейронов обладает одномерным непрерывным аттрактором («Bump attractor»). В отличие от нейрообразной конструкции Т. Кохонена, отображение входного сигнала осуществлялось на устойчивые состояния рекуррентной сети. В том случае, когда множество входных сигналов представляло собой одномерное циклическое многообразие в $R$-мерном пространстве, а нейронная сеть представляла полное кольцо нейронов с локальными возбуждающими связями, в результате процесса обучения формировалось топологически корректное отображение множества входных сигналов на устойчивые состояния нейронной сети. Продемонстрированы свойства системы, устойчивые к детализации модели нейрона.