El pensamiento lógico. Parte 10: la auto-organización espacial Bashny.Net

Esta serie de artículos describe el modelo de ondas del cerebro, es muy diferente de los modelos tradicionales. Es muy recomendable para aquellos que acaba de unirse, se inicia la lectura de la primera parte de la .

Creemos que los fenómenos del mundo externo afectan a nuestros sentidos, provocando un cierto flujo de señales en las células nerviosas. Durante la formación de la corteza adquiere la capacidad de detectar ciertas combinaciones de señales. Los detectores son las neuronas, los pesos sinápticos se ajustan a las imágenes de actividad correspondientes a los fenómenos detectados. Las neuronas corticales cuidan su entorno local, la formación de su campo receptivo local. Información sobre los campos receptivos de neuronas viene ya sea por la proyección topográfica o a través de la propagación de las ondas identificadores, teniendo patrones únicos correspondientes a la ya característica de extracción. Neuronas detectores que responden a la misma combinación de características para formar un detector de patrón. Los patrones de estos patrones definen identificadores únicos olas que estos patrones comienzan entrar en el estado de actividad evocada.



En 1952, Alan Turing publicó un artículo titulado "la base química de la morfogénesis» (AM Turing, 1952), dedicada a la autoorganización de la materia. Formuló el principio básico era que el orden global está determinada por la interacción local. Es decir, para conseguir la organización estructural de todo el sistema, no es necesario tener un plan global, y se puede limitar exclusivamente a las normas de trabajo que forman una estrecha interacción entre los elementos del sistema.

Neuronas de Educación no se produce de forma aislada, pero en vista de la actividad de su entorno. Las reglas contables que determinan la actividad de auto-organización de la corteza. La auto-organización significa que el curso de estudio no sólo se formó la detección de patrones neurales, y estos patrones están dispuestos en una determinada estructura espacial que tiene un significado definido.

La manera más obvia de la auto-organización - una estructuración según su proximidad. Las neuronas pueden ser entrenados para que los patrones correspondientes a su fin en un sentido, conceptos, resultaron en el espacio al lado de la corteza. Más adelante veremos que sería necesario un acuerdo de este tipo para implementar muchas funciones importantes inherentes en el cerebro. Mientras tanto, basta con ver los mecanismos que pueden proporcionar una organización.

Pregunta bastante ambigua - la forma de medir la cercanía de los conceptos. Un enfoque se basa en el hecho de que cualquier concepto se puede comparar con alguna descripción. Por ejemplo, la descripción del evento puede ser un vector cuyos componentes indicar la gravedad en el caso de ciertas características. Conjunto de características, que se llevó a cabo la descripción constituye una base descriptiva. En este caso, una medida razonable de proximidad - es descripciones de proximidad. La descripción más cerca de los dos fenómenos, más similares entre sí, estos fenómenos. Dependiendo de la tarea, que se resuelve a continuación, utilizando la medida de proximidad, puede elegir uno u otro algoritmo de cálculo. Similitud medida está estrechamente relacionada con la noción de distancia entre los objetos. Uno puede ser contado en el otro y viceversa.

Un enfoque diferente - a efectos de proximidad temporal. Si se producen dos eventos al mismo tiempo, pero tienen diferentes descripciones, aún es posible hablar de su proximidad específico. Cuanto más a menudo eventos ocurren al mismo tiempo, más fuerte debe interpretarse su proximidad.

De hecho, estos dos enfoques no son contradictorios sino complementarios. Si los dos fenómenos ocurren a menudo juntos, es necesario para inferir la presencia del fenómeno, que es una implementación de esta articulación. Este nuevo fenómeno en sí mismo puede ser una señal de que se describe tanto el fenómeno inicial. Ahora, estos fenómenos aparecen en la descripción general, y por lo tanto en el enfoque descriptivo de proximidad. Se llamará la intimidad, que tiene en cuenta tanto la narrativa y la proximidad temporal, la proximidad generalizada.

Imagínese que usted tiene que examinar un objeto desde diferentes ángulos. Quizás estos tipos son muy diferentes en términos descriptivos, pero sin embargo no se puede negar su proximidad en un sentido diferente. Temporal proximidad - una posible manifestación de este sentido en particular. Algo más tarde vamos a desarrollar mucho más profundo de este tema, ahora sólo tenga en cuenta la necesidad de considerar ambos enfoques en la determinación de los conceptos de proximidad.

El más simple para entender la red neuronal, que es bien ilustrado por el grado de auto-organización de la proximidad narrativa - una libre organización de mapas de Kohonen (ver figura abajo)
.


Supongamos que tenemos la información de entrada dada por el vector. Hay red bidimensional de las neuronas. Cada neurona está conectada a el vector de entrada, esta relación se define por un conjunto de pesos. Inicialmente, la red iniciará pequeños pesos aleatorios. La alimentación de la señal de entrada para cada neurona puede ser determinada por el nivel de actividad como un combinador lineal. Tome una neurona que mostrará la mayor actividad, y lo llaman la neurona-ganador. Lo siguiente es cambiar su peso a la parte de la imagen, a la que él era. Por otra parte, Haga lo mismo con todos sus vecinos. Debilitará este cambio como la distancia desde la neurona-ganador.

aquí - la velocidad de aprendizaje, que disminuye con el tiempo, - la amplitud de la zona topológica (n dependencia sugiere que también disminuye con el tiempo)
.
La amplitud de la zona se puede seleccionar, por ejemplo, la función de Gauss:



donde -
la distancia entre las neuronas corregidas y neural ganador.


función de Gauss i>

Como el aprendizaje de un mapa de organización se destinarán zonas correspondientes a cómo las imágenes de capacitación distribuidos. Es decir, la propia red determinará cuando el flujo de entrada para cumplir con imágenes diferentes, y les dará una representación cercana en el mapa. Al mismo tiempo, más fuerte será diferentes imágenes, más alejados unos de otros se ubicarán y su representación. Como resultado, si pintar correctamente el resultado del aprendizaje, que se verá algo como esto, como se muestra en la siguiente figura.



El resultado de las tarjetas de formación Cohanim i>

Función de la amplitud del barrio topológica Mapas Cohanim utilizar, lo que sugiere que las neuronas se comunican a través de las sinapsis, además de intercambiar más información, hablar sobre la naturaleza de la actividad del medio ambiente, y esta información puede influir en el curso de su aprendizaje sináptica. La necesidad de transferir más información ocurrió poco antes y en nuestro modelo. Describiendo formación receptores extrasinápticos, hemos introducido reglas basadas en el conocimiento de las neuronas circundantes un determinado tipo de actividad. Por ejemplo, el conocimiento del nivel general de actividad nos permite tomar decisiones en cuanto a la necesidad de formación, y el rechazo de la misma.

Para permanecer en el modelo dentro de una validez biológico particular, trata de mostrar lo que los mecanismos de la verdadera corteza pueden ser responsables para el cálculo y transmisión de señales adicionales en axones información sin codificar.

Alrededor del 40 por ciento del volumen del cerebro ocupado por las células gliales. Su número total en algún lugar en el orden excede el número de neuronas. Tradicionalmente, las células gliales descansa funciones de servicio de masas. Crean marco envolvente, llenando el espacio entre las neuronas. Participar en el mantenimiento de la homeostasis del medio. En el desarrollo del sistema nervioso involucrado para formar la topología del cerebro. Las células de Schwann y oligodendrocitos, la principal responsabilidad de la mielinización de los axones que conduce a la aceleración múltiple de transmisión del impulso nervioso.

Dado que las células gliales no generan potenciales de acción, que no están directamente involucrados en una interacción de información. Pero esto no significa que sean completamente desprovisto de funciones de información. Por ejemplo, los astrocitos de plasma situadas en la sustancia gris y tienen numerosos procesos altamente ramificados. Estos procesos que rodean sinapsis rodean y afectan a su trabajo (ver figura siguiente).



astrocito y sinapsis (Campos, 2004) i>

Por ejemplo, el siguiente mecanismo se ha descrito (RD Fields, B. Stevens-Graham, 2002). La activación conduce a la neurona, axón que se libera de las moléculas de ATP. ATP (trifosfato de adenosina) - un nucleótido, que desempeña un papel crucial en todo el cuerpo, su función principal - la garantía de los procesos energéticos. Pero aparte de eso ATP puede actuar como una sustancia de la señal. Bajo su influencia se inicia el movimiento de calcio en astrocitos. Esto a su vez conduce a que los estrenos de los astrocitos propia ATP. Como resultado, tal estado se transfiere a los astrocitos adyacentes, que transmiten aún más. Por lo tanto la absorción de astrocitomas de calcio conduce al hecho de que comienza a afectar a las sinapsis, que está en contacto con. Los astrocitos son capaces tanto de aumento sinapsis reacción debido a las emisiones de mediador, y debilitan por su absorción o liberación de las proteínas de unión del neurotransmisor. Además, los astrocitos secretan moléculas de señalización capaces de regular la liberación de neurotransmisor axón. El concepto de transmisión de señales entre neuronas, astrocitos en cuenta el efecto llamado sinapsis tripartita.

Dicha interacción de los astrocitos y las neuronas no transmite información específica de imágenes, pero se adapta muy bien a la función de los mecanismos para asegurar "campo de actividad" que puede manejar las sinapsis de aprendizaje, y por lo tanto establecer las coordenadas espaciales para los nuevos patrones del detector.

Además de astrocitos influir en el comportamiento de las sinapsis también matriz intercelular. Matrix - un conjunto de moléculas producidas por las células del cerebro y llena el espacio intercelular. El artículo (Dityatev A., M. Schachner, Sonderegger P., 2010) muestra que el cambio en la composición de la matriz afecta a la naturaleza de la plasticidad sináptica, es decir, para estudiar las neuronas.

Impulso actividad de las neuronas crea un patrón de punto espacial, que cambia dinámicamente, flujos de información de codificación. Esta actividad cambia el estado del medio ambiente y la matriz entorno glial de tal manera que crea algo así como un campo generalizada de la actividad (ver figura siguiente).



actividad Spot y ámbito de actividad i>

El campo de actividad, por un lado, un punto desdibuja la actividad, la creación de un área que se extiende más allá de la neurona activa, por otro lado, ha sido y sigue la inercia durante un tiempo después de la terminación de la actividad del pulso.

Si dentro de este campo de actividad, vamos a crear la imagen de la oferta actual del detector, que sería cerca de los detectores similares a él. En este caso, la similitud puede ser tan similitud con el campo receptivo y la similitud que surge debido a la combinación de eventos en el tiempo.

En el verdadero cerebro está mejor estudiado la organización espacial de la zona de la corteza visual primaria. Debido a la transformación comienza en la retina, la corteza primaria recibe una señal en la que la información básica - una línea que describe los contornos de los objetos en la imagen original. Las neuronas en la corteza visual primaria ve en su mayoría pequeños fragmentos de líneas que pasan por sus campos receptivos. No es sorprendente que una porción significativa de las neuronas en esta área - líneas de TI detectores procedentes de diferentes ángulos
.
Experimentalmente encontraron que las neuronas están dispuestos verticalmente uno encima del otro, responder al mismo estímulo. Un grupo de neuronas llamado mini columna cortical. Vernon Mountcastle (V. Mauntkasl, J. Edelman, 1981) la hipótesis de que la columna de la cortical del cerebro - esta es la unidad estructural básica de procesamiento de la información
.
Anteriormente hablando de modelos de detectores neuronales, ellos retratados en grupos de neuronas distribuidas en una determinada zona. Esto era debido al hecho de que en la simulación y, en consecuencia, el uso de imágenes planas de la preparación de la red neural. La corteza tridimensional real. La mayor parte de la corteza no afecta a nuestra discusión sobre el origen y la propagación de las ondas de identificadores. En las ondas tridimensionales propagar la corteza como en un avión. Pero la corteza granel, nada impide disponer detectores de neuronas, formando un único patrón, verticalmente uno encima del otro. Esta disposición no es peor y no mejor que cualquier otro. El requisito principal para el patrón - es un patrón de accidente. Dado que las neuronas de comunicación distribuidos al azar, luego se coloca verticalmente en una columna de las neuronas corticales se puede considerar un patrón aleatorio. Esta ubicación vertical es bastante conveniente para determinar el lugar de constitución del patrón de detección. No es necesario para determinar el área local, sino que indica la posición en la que desea crear un patrón. El posicionamiento puede ser, por ejemplo, donde el campo máximo de actividad para todos los altavoces libres determinado barrio. Podemos suponer que la corteza minicolumna verdadera cortical - este es el detector de patrón, que se describe en nuestro modelo
.
Los modelos tradicionales de la corteza, no teniendo en cuenta la ola señala una explicación de lo que todas las neuronas minicolumna responden a un mismo estímulo es cierta dificultad. Tenemos que asumir que está bien duplicado para la tolerancia a fallos, o intentar cobrar juntos las neuronas que responden a un estímulo, pero atentos a su definición en diferentes posiciones del campo receptivo común. Últimos titulares en planos Neocognitrón a través de la utilización de células simples. Modelo Wave nos permite mirar las cosas desde un ángulo diferente. Se puede suponer que el problema de mini altavoces corticales - es aprender el estímulo característica, ejecute el identificador de onda apropiada. Entonces, varias decenas de neuronas que forman una mini columna y reaccionar juntos - este es el mecanismo para la ejecución de onda, es decir, el patrón de detección
.
Organización de las columnas de orientación en la corteza visual de formas reales llamados "tops» («molinete»). Este "top" (que se muestra a continuación (B)) tiene un centro donde convergen diferentes orientaciones columna, y las colas divergentes, que se caracteriza por un cambio suave del estímulo preferido. Uno top hypercolumns formulario. Colas diferentes hypercolumns entre sí, que forman un mapa de orientación de la corteza (Figura a continuación (A)).



La distribución de las columnas de orientación en una corteza de bienes obtenidos mediante un método óptico (J. Nicholls., Martin R., Wallace B., P. Fuchs, 2003) i>

En el ejemplo de la corteza visual es conveniente comparar la distribución real de las columnas de orientación y resultados de la simulación con la actividad de campo.

Vamos a solicitar un fragmento de líneas de corteza en diferentes ángulos. Detectores de actividad neuronal se asumen como el coseno del ángulo entre el camino de flujo y forma en el detector.

Índice neurona tiene coordenadas en la corteza. El valor del campo de la actividad de la neurona en las coordenadas se puede representar, por ejemplo, a través de una distribución gaussiana:



En cada punto del valor final de la corteza de la esfera de la actividad se puede escribir:



Será la publicación de nuevos detectores en una posición libre, para los que el valor máximo. El resultado de esta capacitación se muestra en la siguiente figura.



El resultado de detectores de formación (izquierda), el campo de actividad (derecha) i>

Como puede verse, el resultado de la simulación es muy similar a la distribución real. Pero hay que señalar que este ejemplo es muy convencional. En la corteza real, cada columna se desplazó con respecto a varios vecinos y ver un poco diferentes fragmentos de imágenes. Esto crea las "colas" de los detectores sintonizados en la misma orientación. Pero en los mismos incentivos tales detectores -. Dos imágenes diferentes basadas en diferentes campos receptivos

Auto-organización espacial de la corteza se puede comparar con la auto-organización de la materia en el mundo que nos rodea. Átomos, moléculas, objetos, planetas, estrellas, galaxias y el universo - todo esto es una consecuencia de la existencia de cuatro interacciones fundamentales. Para hablar acerca de las interacciones gravitatorias, electromagnéticas, fuertes y débiles. Las partículas de la materia crean alrededor de sí mismos campos correspondientes interacciones. Los mismos campos tipo y forma se suman campo resultante. La influencia de campo resultante de partículas para determinar su comportamiento. En algún lugar en la misma situación con el cerebro. Parece que la corteza puede crear varios tipos de campos, con diferentes propiedades. Cada campo tiene su efecto sobre el comportamiento de las neuronas. La totalidad de estas interacciones, por ejemplo, un algoritmo de aprendizaje puede determinar las sinapsis y de ese modo la organización espacial de las neuronas detectores.

Es fácil darse cuenta de que la agrupación espacial por proximidad generalizada contiene una contradicción interna. En este sentido, recordar la anécdota. Decidió dividir de alguna manera el león animales en una hermosa e inteligente. Así que vale la pena mono confuso, "Y ahora rompo?". Las dificultades surgen cuando el concepto va a ser colocado cerca de la otra, a distancia unos de otros conceptos.











Referencias


Partes anteriores:
Parte 1. Neurona
Parte 2. Factores
Parte 3: Perceptrón, red de convolución
actividad Parte 4. Antecedentes
Parte 5. Las ondas cerebrales
Parte 6. proyecciones del sistema
Parte 7:
Persona-Ordenador Interfaz Parte 8: Asignación de los factores en las redes onda
Parte 9 patrones de detectores neuronales. Proyección posterior

Alex Redozubov (2014)