Bashny.Net
思维的逻辑。第5部分脑电波
Bashny.Net
所以，我们来的描述模型的关键原则之一的描述。这一原理还没有被用于任何神经网络或在大脑的描述。在这方面，我强烈建议结识以前的部分。至少，你必须阅读第四部分，下面不描述，将完全不知所云。
在前面的文章中我们谈到了一个事实，即神经元分为活性诱导和背景。背景活动相呼应观察，服用脑电图。所记录的信号有一个复杂的形状和应用的位置取决于在电极上的头部，但是，尽管如此，它们分开足够清楚地看到谐波分量。
基本节奏被命名为：
- 在阿尔法节律（8至13赫兹）;
- 公测的节奏（15至35赫兹）;
- 伽马节奏（35至100赫兹）;
- δ节奏（0，以5比4赫兹）;
- 节奏THETA（5〜7赫兹）;
- 西格玛节奏“主轴”（13至14赫兹）。 ul>自然节奏与神经元的振荡特性传统相关。因此，单个神经元的行为由霍奇金 - 赫胥黎方程（霍奇金，1952年）中描述：
这些方程确定自动波的过程中，即规定神经元产生脉冲。霍奇金 - 赫胥黎模型，复杂的建模。因此，存在大量的其简化，保持基本发电特性。最流行的款式：菲茨休 - 南云（菲茨休，1961年），莫里斯 - 医生（莫里斯C.，莱卡尔H.，1981年），欣德马什 - 罗斯（海因德马什JL，和罗斯RM，1984年）。众多车型，如海因德马什 - 罗斯可以模拟如何破灭的活动和孤立的峰值（见下图）。
出现爆棚的活动和尖峰时，神经元模型海因德马什 - 玫瑰 i>的
组合产生在设计自己的冲动，类似于真实树皮的结构的神经元，可以再现多种是典型用于真实神经元的组中的活性的效果。例如，有可能实现的神经元活性或起因波全球同步。最知名的车型：威尔逊 - 考恩（HR威尔逊和JD考恩，1972年）和Kuromoto（藏本，1984年）
。
脑电图记录神经元的关节活动的回声，但很显然，此活动具有特定的时空组织。方法监测皮质的光学活动让你看到直播。在动物实验揭示剧情树皮和注入一种特殊的染料是改变电位敏感。根据神经元的膜电位，例如染料改变其光谱性质的聚合的波动的影响。尽管这些变化是非常小的，但是，它们可以是固定的，例如用一个二极管阵列，其作为高速视频摄像机。光学方法不让我们能深入树皮和跟踪单个神经元的活动，但他们有可能获得有关其表面波流程的过程中的总体思路。
固定皮质的光学活性（迈克尔·T. Lippert的，Kentaroh高垣，李玮锋许，笑迎黄，建扬武，2007年）的计划 I>
原来，大脑的节奏对应的点源产生的树皮下分布，就像在水面上荡漾圈。然而，波前在水中强烈发散了一圈，和脑的神经元活动的波前可以传播更复杂。下图显示了在大鼠脑的皮质5毫米部分波传播的模式。
在大鼠的大脑皮质的区域中的波活动的图象。示出了从蓝色到红色的电位梯度。在6毫秒覆盖波的一个周期间隔14帧（84毫秒 - 12赫兹）（迈克尔·T. Lippert的，Kentaroh高垣，李玮锋许，笑迎黄，建扬武，2007年） i>的
非常有趣的和说明性的视频电波活动给出了（W.-F.许，X.-Y.黄，K.高垣和J.-Y.吴，2007）。在那里，它表明，该波可以密封，前到达皮质的边界可以从其他区域被反射，并创建一个计数器波可以传播双螺旋和创建涡流。
压缩和反射波在初级视觉皮层（W.-F.许，X.-Y.黄，K.高垣和J.-Y.吴，2007） i>的
下面是同样的工作的视频（W.-F.许，X.-Y.黄，K.高垣和J.-Y.吴，2007年）：
用振荡神经元模型可以和计算机模拟，以获得类似的波形。但是本身这个纹波没有多大意义。这是合理的假设，该波活动 - 是运输和处理的机制。但尝试传统模式解释了这种机制的性质并未给出具体结果。这似乎是合乎逻辑的假设，该信息被编码的神经信号的频率和相位特性。但是，这导致需要考虑到干扰的过程，并提出更多的问题比它澄清。
有一种假说认为浪潮“扫描”地壳通过读取它的信息为它的后续传输（皮茨W.，麦卡洛克WS，1947年）。它看起来相当明智的，至少相对于α波和初级视觉皮层。这一假说麦卡洛克和皮茨的作者强调，扫描有助于解释其中一个重要的现象。从初级视觉皮层的信息被进一步沿着穿过白质轴突数量的同时传输的整个状态皮层明显不足的束纤维投射的事实。所以，他们得出结论，扫描可以用来不仅空间，而且时间码，提供所需要的信息的一致性传送。
这个问题是投射光束的狭窄的存在不仅对初级视觉皮层，也用于脑的所有其它区域。在投影路径纤维的根数比形成活动的空间图案的神经元的数目小得多。区之间的通信显然不是在一个位置平行于输送的信号的空间分布，因此需要的是如何压缩和解压广播它们的信息的理解。扫描的假设，虽然没有回答有关编码的机制问题，但可以让你摆在正确的问题面前。
我们的模型是解释基于代谢活性的性质的上述说明中脑的节奏。使用的概念，即在创造涉及神经元不仅突触，而且代谢容易接受簇节律的方法使我们能够评估来自所有的经典理论质的不同。但在此之前，我们继续来形容，我想发出一个警告。我将描述刻意简化的理想模型，将它们放置在固有的真正的大脑遵守一定的程序，但并不认为大脑工作的方式。我们的任务 - 展现的基本原则，理解进化已取得进展，他们的真正实现是相当棘手。您可以绘制随着计算机技术发展的一个比喻。现代计算机是相当复杂的，并且，如果我们开始描述的经典的计算设备的基本原理，它似乎在其纯的形式是几乎不可能找到在当今的系统。其基本思路 - 处理器从程序存储器和数据读取，执行上规定程序中的数据的行为，并把结果写回内存。现在使用的地方，组和共享内存之类的添加到这个使用不同级别的缓存，多线程，超线程，并行计算的。而事实证明，这是很难找到一个真正的电脑字面遵守简单的规则。实际上，这一切都应当通过匹配真实大脑的工作的以下描述中加以考虑。
因此，采取地壳，这将创造一个紧凑的模式诱发活动的典范。而剩下的问题是如何做到这种模式。简单地说，我们假设有元件在其上有一个恒定的脉冲信号。低于形成图案的神经元的身影，标记为红色。在现实中，这对应于皮质轴突传送爆棚的活动，也就是发出一系列尖峰与高频。这些轴突可以属于在皮质区相同的神经元的激发所引起的状态，或者它们可以是从脑的其它部分延伸的纤维的投影。
的模式诱发活性 i>的
现在做免费的神经元产生罕见的随机冲动。在这种情况下，我们施加了一个随机尖峰需要环保活动的某一水平的条件。这意味着，随机尖峰可以在已经激活的神经元的附近只发生。在我们的情况下，它们出现在图案诱发活性的附近。下图显示了随机尖峰绿色。
通常情况下，所有的神经元未引起的活性，称为自发性或背景。这是不是很好，因为在集合所有这些活动的看法是随机的。接下来，我们表明，在一般情况下，在后台活动被严格规定的，并且不巧合。而它只有一小部分 - 它真的很随机尖峰。这样的随机尖峰我们现在各地的活动模式创建的。
模拟的第一步骤。在背景自发活动所引起的活性 i>的
我们的模拟神经元正式接受代谢集群。要做到这一点，给机会来存储神经元，在必要时，活动随行人员的照片。而且不要限制自己，一张图片一个神经元，因为这将是，我们记得突触，并允许每个神经元储存多个这样的画。
让这个它自己的随机尖峰和高环境活性的存在会记住每次基本图像周边（下图）的脉冲。下一步，我们将给予单个神经元的尖峰每次都会重复这些存储的本地画作之一。为了不给他们随机尖峰混淆，我们称这些尖峰波。
省固定活动发出的自发冲动（这是在广场的中心）的神经元中的一个。当造型，便于使用方形的感受野，虽然不匹配等领域，以追求真正的神经元，没有质的影响结果 I>
其结果是，模拟的下一步骤（见下图）中，我们得到的图片，这将是像以前一样，与神经元的诱导活性（红色）的神经元响应于存储在上一步骤中的本地图像（白），以及神经元产生的自发秒杀（绿色）。
模拟的第二步骤。红色 - 诱发的活动，白 - 波活动，绿色 - 自发活动 I>
重复步骤仿真中，我们得到传播中具有一定的独特随机生成图案的皮质活性。
现在我们介绍疲劳神经元的状态。让这个几经代谢（波）尖峰神经元就会失去需要放松的时候，能够产生新的冲动。这会导致这样的事实，该活动将分布不连续区域和脉动波，从它的源发散。
为了防止“堵塞”阻止自发的地区大量神经元的活动放松。其结果是，我们得到一种环神经元波的活性，散射图案诱发活性（参见下图）。
波前的传播。蓝色 - 神经元，在放松 i>的
状态
由此产生的波从中心的距离就会失去密度前，早晚死了。在下图中，你可以跟踪她人生的第一个周期。
波标识符的第一个周期 i>的
松弛时间过去后，开始一个新的浪潮。现在它将会被拾起的神经元，已经培训，并进一步蔓延一点点。与波的每个周期将推动其分布的边界，直到它到达该区域的边缘。为了防止无限制的增长的波前的密度，我们介绍另一个限制：神经元的自发性活动的禁止时他们周围的总活度超过某一阈值
过了一会儿，我们得到一个壳，学习分布在其图案对应的活动波独特到预定图案最初诱导活性（下图）。
已经培训地壳波的传播（200次循环后训练） i>的
下面是学习浪潮的过程的视频：
注：当地壳已经培训从某种模式的波的传播，自然（随机）尖峰消失。由波，非随机尖峰形成这个“试点”浪潮。随机尖峰只有在训练中出现，当波阵面达到甚至未经培训或培训不足地区。此时，自发冲动创建随机延续波图案的被立即存储参与了这一波的神经元的表面上。但只要训练结束，从朋友的地壳波浪纹开始已经波及创建了一个波浪纹，每个周期正好是在重复其路径是一样的非随机已有的模式。
教育皮质不必是渐进的。在模拟参数的选择可以确保起源浪潮是自给自足。也就是说，它不衰减，在第一个周期，并立即扩散到整个空间（见下图）。
举例执着于波传播的第一个周期的学习 I>
由于波前的宽度是恒定的，表面积增加了与来自源的距离。这对应于什么是积极参与更多的神经元的传播。如果我们跟踪由它们产生的总电势，那么我们得到的曲线图，类似于我们对entsifologrammah（如下所示）看到的。
安排节奏的活动模式与单一来源 i>的
请注意，节奏在例如“脑波”中观察到的外观 - 这不是皮质的“呼吸”的节奏。这是不同步的活动关节脉冲串，因为它应该是在大多数现有的模型，并在参与传出波的分布的神经元的数量的变化。如果即使在前面的波前消失新波被发射，他们除了会给出一个更流畅的画面。在一定的选择的模型中的参数再现的情况下波的传播是伴随着几乎总有节奏的活性。这可以涉及到一个事实，即人在脑波波活性约10％的不能被跟踪。
如果我们现在采取的新格局诱发活动，树皮将创建波，从他的传播。而且，这种树皮被训练创造波对任何可持续的模式诱发的活动。由于这样的事实，同样的神经元可以存储多个局部图像，其可以直接部分相对应的多个不同的图案不同波的。如果我们想要更独特波，它是足够的神经元的存储的本地给它们的累积降低了自发尖峰的可能性。
对本地品牌存储的图像感应引进整合的机制。这是不固定在右侧世纪的影像，并设置在此期间，图象应重复的次数的时间。由于学习的波的传播和形成稳定的格局诱发活动 - 并行处理，合并可能会允许抹去教育失败的痕迹
。
但在这一切的最重要的事情 - 这是每一个所产生的故事浪潮的独特性。在任何时候，通过该波，只为她的身影创建了一个独特的特点。这意味着，如果皮层的表面上已经引起了编码任何情况下，它们所造成的电波活动模式，传播有关这种过度皮层的整个空间信息。在每一个地方，这波将创造自己独特的模式是独一无二只此事件。任何其它事件，将创建一个网站不同的模式，及其关联浪潮。
参考
如果过短，不清晰或模糊的规定，请退订的意见。
前面的部分：
第1部分神经元
第2部分因素
第3部分：感知器，卷积网络
第4部分后台活动
阿列克谢Redozubov （2014）
标签
另请参见
思维的逻辑。第6部分投影系统
逻辑思维。第7部分：人机界面
思维的逻辑。第九部分神经探测器的格局。背投
思维的逻辑。第11部分：动态神经网络。关联
逻辑思维。第12部分：记忆的痕迹
思维的逻辑。第14部分：海马
思维的逻辑。部分16批次演示
思维的逻辑。部17的关系数据库模型
艺术人工智能
人工智能的：灭绝或不朽的吗？
