January 10th, 2011

Сергей Акимович Яремчук. Консольный клиент Raggle

Консольный агрегатор новостей Raggle (http://www.raggle.org/) написан на языке Ruby и использует библиотеки ncurces. Поддерживает различные версии RSS, импорт и экспорт в OPML, автоопределение веб-браузера и поддержку прокси. Кроме Linux, Raggle прекрасно работает и в некоторых других UNIX-подобных операционных системах – FreeBSD, Mac OS X и OpenBSD. Для установки следует ввести sudo apt-get install raggle. Затем набираете в консоли raggle. Основные маневры в Raggle осуществляются при помощи клавиш. Так, для перемещения используются стрелки. Сначала перемещаетесь по полю Feeds (Ресурс), используя стрелки вверх/вниз, затем стрелкой вправо/влево переходите в поле Items (Пункты). Для добавления новой ленты нажимаете A и вводите внизу адрес; чтобы отредактировать название нового поля, нажимаете E.

Как вариант это все можно ввести одной командой в строке терминала:

$ raggle –add -t «название» -u «адрес» -r «интервал_обновления_в_минутах»

Название может быть взято из заголовка ленты. Для удаления поля переходите на него и нажимаете клавишу Delete; чтобы обновить текущее поле, нажмите U. Поддерживаются поиск (-f), сортировка по алфавиту (-s), просмотр исходного текста (-\), ввод команды оболочки (-!) и многие другие параметры. Для выхода из Raggle нажмите Q.

У Raggle есть еще одна интересная возможность – встроенный HTTP-сервер. Для его запуска в консоли следует набрать raggle –server номер_порта и затем в строке веб-браузера ввести localhost:номер_порта, и вы получите возможность просматривать новости и управлять некоторыми настройками Raggle через браузер (рис. 4.18). Все настройки сохраняются в файлах, расположенных в каталоге $HOME/.raggle/. К сожалению, просмотреть новости на отличном от английского языке с помощью Raggle не удастся, хотя при использовании веб-браузера можно нормально вывести названия каналов, установив кодировку UTF8.

Рис. 4.18. Настройки Raggle через веб-интерфейс

Нейроны. Вадим Викторович Мацкевич

Прежде чем говорить о возможностях моделирования мозга как управляющего центра разумных действий, нужно представить себе элементы сложнейшей нервной системы – нейроны – и попытаться создать их модель.

Значительная или даже, пожалуй, основная часть нынешних исследовательских работ по бионике посвящена созданию аналогов биологического нейрона – нервной клетки – основного элемента нервной системы. Конечная цель этих работ – создание систем, предназначенных для накопления, обработки и передачи большого количества информации, электронных машин, способных решать любые сложные задачи без предварительного программирования, различных самообучающихся, адаптивных (самоприспосабливающихся, самоорганизующихся устройств), обладающих малыми габаритами и высокой надёжностью машин. Иными словами, речь идёт о создании широкого комплекса автоматических систем, работающих по тем же принципам.

Что такое нейрон? Это нервная клетка человеческого мозга (рис. 66). В мозге человека их около 15 миллиардов, и мы о них очень мало знаем. Нейрон был и остаётся величайшей загадкой. Каждый нейрон снабжён выходным каналом – аксоном. По нему передаётся возбуждение к какому – либо органу. Например, тело нервной клетки находится в спинном мозге, а её аксон достигает мышц пальцев ноги. Если бы мы захотели сделать в масштабе большую модель аксона, хотя бы в виде шланга диаметром 4 см, то его длина оказалась бы более 16 км. Другие отростки нейрона – дендриты – являются входами в тело нервной клетки.



Рис. 66. Нейрон

Аксоны и дендриты различных клеток переплетаются и соединяются во многих (до тысячи) контактных точках. Через эти контакты – синапсы – может передаваться возбуждение от аксона одного нейрона к дендриту другого.

Нейроны плотно окружены так называемыми глиальными клетками, которых раз в десять больше, чем нейронов. Раньше считали, что эти клетки лишь «закрепляют» нейроны на месте или помогают им питаться. Однако последние исследования показали: глиальные клетки активно участвуют в проведении нервных импульсов, в формировании реакций и некоторых проявлениях функций памяти. Похоже, что разум равномерно «размазан» по всем структурам нервной системы.

Для создания моделей нейрона применяют главным образом метод физического моделирования. Это естественно: ведь инженеры стремятся разработать элементы для электронных или иных вычислительных машин будущего. Конечно, это должно быть вполне реальное yc тройство, как можно белее компактное и дешёвое. Методом математического моделирования пользуются главным образом при моделировании нейронных сетей.

Прежде чем начать работать над моделью, необходимо из всего многообразия свойств живой нервной клетки выбрать те, которые кажутся наиболее существенными для выполнения поставленной экспериментатором задачи. Этот процесс часто называют формализацией нейрона. Первая модель нейрона, дающая его формальное описание и позволяющая применять аппарат математической логики для анализа и синтеза сетей из нейронов, была предложена У. С. Мак – Калло – ком и У. Питтсом. Допущения, принятые ими. сводятся в основном к тому, что нейрон: имеет и входоь и один выход (аксон) с одной или несколькими концевыми пластинками; может находиться в одном из двух состояний: возбуждения или покоя (т.е. работает по принципу «всё или ничего»); имеет входы (синапсы, возбуждающие и тормозящие; активность какого – либо тормозящего синапса абсолютно исключает возбуждение нейрона; располагает некоторым определённым числом синапсов, при одновременном возбуждении которых он сам приходит в состояние возбуждения; это число не зависит от предыдущего состояния нейрона и от расположения синапсов на нём.



Рис. 67. Модель нейрона Мак-Каллока и Питтса

Три последних положения лишь частично отражают реальные свойства нейрона. Дело в том, что эта модель является математической абстракцией, предназначенной для моделирования нейронных сетей на цифровых вычислительных машинах. Электронные модели нейрона гораздо точнее копируют его свойства.

Для имитации нейронов применяют магнитные ферритовые магнитопроводы, специальные генераторы и другие устройства. Модель нейрона Мак – Каллока и Питтса с мультивибратором показана на рис. 67. Она позволяет воспроизвести многие характеристики нейрона, кроме его способности к адаптации, т. е. к изменению порога срабатывания в зависимости от уровня входных сигналов. Следует иметь в виду, что модель Мак – Каллока и Питтса сильно упрощена. Биологический нейрон значительно сложнее.