逻辑思维。第12部分：记忆​​的痕迹 Bashny.Net

本系列文章描述了大脑的电波模式，从传统的模式有很大不同。强烈建议对于那些谁刚刚加入，从开始的 中的第一部分阅读。

印迹叫发生的脑在记忆的瞬间的变化。换言之，一个印迹 - 一个记忆痕迹。很自然地，对记忆痕迹的性质的认识是由所有的研究人员中的思维的性质的研究的一个关键问题察觉。

什么是这个问题的复杂性？如果你把一个普通的书或外部的计算机驱动器，然后既可以叫做记忆。这两种存储信息。但小商店。这些信息是有用的，它必须能够读取并知道如何操作。而事实证明，存储的形式非常密切，其处理原则联系在一起。一种在很大程度上决定了其他。



人类的记忆 - 不只是存储一大组不同图像的能力，也是一个工具，可以让您快速找到并播放相关的记忆。因此，除了联想进入我们的记忆片段任意我们能够在回忆的年代链的沟通，没有发挥出单一的形象，和事件的顺序。

怀尔德彭菲尔德已经收到当之无愧的表彰他对皮质的功能研究的贡献。捕癫痫的治疗中，他开发开脑，将其在电刺激过程中使用的一种方法，允许指定的癫痫病灶。的脑的不同区域的激励电极，潘菲尔德记录响应中有意识的患者。因此能够获得一个详细的洞察皮层（彭菲尔德，1950）的功能组织。刺激的某些地区，主要是颞叶，导致患者生动的记忆，其中往事浮出水面很详细。而再刺激相同的地方引起同样的回忆。

潘菲洛夫揭示的许多功能的皮质明确定位在寻找同样良好的局部记忆痕迹。此外，计算机和相应的想法如何组织的计算机信息的物理介质的出现，刺激了搜索类似的东西的大脑结构。

在1969年，杰里Letvin说：“如果人类大脑由专门的神经元，它们编码不同对象的独特性，那么，在原则上，地方在大脑中必须有一个神经元，通过它我们学习和记忆你奶奶。”那句“祖母神经元”盘踞，并经常弹出时开始谈论设备内存。此外，也有直接的实验证实。神经元中检测到响应于某些图像，例如，清楚地认识到特定人或特定的现象。但是，当更详细的研究证明，所观察到的“专”神经元仅一件事作出反应否，并且该组中的类似图像的方法。因此，它被发现，神经元珍妮弗·安妮斯顿做出反应，只是反应和丽莎·库卓出演与安妮斯顿在电视连续剧“老友记”，而神经元识别卢克天行者教训和尤达大师（RK基罗加，K.科赫，J·弗里德，2013年）。

在二十世纪上半叶，卡尔·拉什利把一个非常有趣的体验本地化内存。他首先教老鼠找到通过迷宫的方式，然后删除它们大脑的不同部位，并开始在迷宫。于是，他试图找到大脑中负责的获得的技能内存的一部分。但事实证明，在这样或那样的记忆一直保持着，尽管有时相当运动功能障碍。这些经历激发了卡尔·普里布拉姆制定成为家喻户晓的大众的全息存储理论（普里布拉姆，1971年）。

全息的原则，术语，丹尼斯盖伯，谁在1971年获得了诺贝尔物理学奖创造于1947年。全息在下面的本质。如果你有一个稳定的频率的光源，然后除以半透明镜分成​​两个，我们得到两个相干光束。一个流可以被发送到一个对象，并在照相底片的第二位。



创建一个全息图 i>的

其结果是，当来自物体的反射光到达感光板，它会流动到板覆盖的干涉图案。

干涉图案被打印在照相底片，保存信息不仅左右的幅度，而且光场的相位特性，由物体反射的。现在，如果暴露的印版前的光，然后恢复到原来的光输出，并且我们将看到其全部所存储的对象。



播放全息图 i>的

全息图有一些惊人的性能。首先，光输出量保持，那就是，看着从不同的角度幻象对象，你可以从不同的侧面看到它。其次，全息图的每个部分包含所有有关的光场中的信息。所以，如果我们削减了一半的全息图，那么首先我们会看到只有一半​​的对象。但是，如果我们倾斜你的头，然后将全息图的其余部分的边缘，我们可以看到第二个“切断”的一部分。是，小于全息图的一个片段，下部的分辨率。但即使是在小范围内可以通过一个锁孔，要考虑整个画面。有趣的是，如果该全息图是放大镜，然后通过它，可以从捕获的有所增加的其他对象可见。

关于存储器普里布拉姆配制：“全息概念的实质是，图像被恢复时它们在与处于激活状态适当地列出分布式信息系统的形式表示”（普里布拉姆，1971）
。
全息存储性能提到可以在两种环境中找到。一方面，指的是全息存储器，应力的分布性质及其回收利用的神经元的仅一部分的图像的能力，只是因为它与全息图的片段反应。在另一方面，假设具有类似于全息性能存储器中，基于相同的物理原理。这意味着，全息的，因为是基于该光束的干涉图案的固定，所述存储器显然​​不知何故发生使用作为脉冲编码信息的结果的干涉图案。脑节律是公知的，并在有振动和波，因此，不可避免的，它们的干扰。这意味着物理比喻似乎很合适和有吸引力的。

但薄片的干涉，在所述信号的频率或相位的微小变化，必须彻底改变其图象。然而，大脑中的节奏差异很大成功地工作。此外，试图阻碍他的阴谋的夹层电活动的传播和投入到位云母矿，铺设金箔片创建一个电路，创造癫痫灶注射铝银浆没有违反大脑（普里布拉姆，1971）太病理活动。

说到内存，这是不可能忽略有关记忆和海马的关系已知的事实。 1953年，患者，被称为HM （亨利Molaison em>的），外科医生取出海马（W. Scoviille，米尔纳B. 1957年）。这是一个冒险的尝试治愈癫痫严重。已知的是除去海马的半球之一其实这种疾病会有所帮助。鉴于癫痫HM的卓越实力，医生切除了两侧的海马。其结果是，H.M.完全消失记住任何东西的能力。他还记得，他与他的操作之前，但新的从他头上摘下，一旦交换了他的注意力。



亨利Molaison I>

H.M.研究了很长的时间。在这些研究的过程中进行了无数不同的实验。其中之一是特别有趣。该患者提供五角星圈，看着她在镜子里。这不是一个很简单的任务，在没有适当的技术人员造成困难。任务给予H.M.多次，每一次他看见了他，看到的第一次。但有趣的是，每次作业给他越来越容易。他注意到反复实验，预期这将是困难得多。



海马是大脑半球的一个 I>

此外，人们发现，在一定的内存事件仍然被特征HM例如，他知道关于肯尼迪遇刺，即使它是去除他的海马后

从这些事实，人们得出的结论是，至少有两种不同类型的存储器。一种类型是负责的特定存储器的固定，而另一个是负责获得一定广义体验，这表现在的事实，或者购置一定技能的常识。

案例H.M.相当独特。在与取消海马，那里有这样一个完整的双边的损坏，像HM，记忆障碍，或者是不太明显或根本不存在（W. Scoviille，米尔纳B. 1957年）相关的其他情形。

现在让我们试着比较所有与我们的模型来描述。我们已经表明，稳定重复的现象形成的神经探测器的图案。这些模式都能够认识到自己的特点的功能组合，并添加一个新一波的图片标识。我们已经展示了如何可以在概念的标识出现反向播放功能。这可以用的广义经验的存储器进行比较。

但这种广义的内存不能重现特定事件。如果同样的现象重复在不同的情况下，我们在我们的神经网络刚刚获得描述这种情况下，有关的现象和概念的概念之间的关联链接。利用这种关联性，你可以创建一个抽象的描述，包括发生一起概念。事件记忆的任务 - 它不玩一个抽象绘画，并重新创建早期记忆的情况下，只能用他所有的特征独特的功能描述一个特定的事件
。
复杂性本身，在我们的模型中没有这样的任何地方，局部地方发生的事情充分和完整的描述。完整的描述是由许多描述，活跃在皮层个别地区。每个区域都具有在波，这是典型的这部分大脑的方面的描述。而且，即使我们以某种方式记住在每个区域发生了什么单独，这些描述将仍然需要链接，所以，有一个完整的图像。

当我们地形勘测，投射神经元与当地的感受野类似的情况出现。假设我们有一个神经网络由两个平层（下图）。假设第一层的神经元的状态形成一个明确的图片。通过对所述第二纤维层中的投影的图象传送。第二层的神经元具有与纤维，它属于其感受野范围内的突触连接。因此，每个第二层的神经元的看到，第一层的原始图像中的一小片段。



图像上的本地感受野 I>
地形投影
有一个明显的方式来记住在第二层提供的图片。有必要选择一组神经元向他们的感受域完全覆盖投影图像的。记住你的每个图像的神经元。并且内存收购连通 - 选择这些神经元一般标记，表明它们属于一组
。
这种存储是很简单的，但在涉及神经元的数目非常浪费。每一个新的形象，需要一套新的分布式内存。

获取储蓄就可以了，如果事实证明，不同的图像被重复的任何公用部分，那么你不能让一个新的神经元要记住这样一个片段，并充分利用现有的神经元通过简单的新图​​片将它添加另一个标记，现在。<溴/ >
因此，我们得出的分布式记忆的基本思想。我们描述了她的第一个图像和地形投影。

我们馈送到第一区，不同的图像，并将其投射到一个第二区。如果我们使神经元的感受域足够小，独特的图像在每个局部区域中的数量将是没有那么大。我们可能会发现的感受野为其尺寸大约相同尺寸的神经元的感受野的区域的尺寸，将所有的局部图像的独特的变化。

创建一个包含神经探测器的空间区域。使它使得每个区域包含所有可能的检测器和独特的图像区域覆盖第二区域的整个空间。要做到这一点，我们可以用描述的因素，早期版本集原则。

任务探测器 - 比较送达他们的感受野的图像与那些特征对他们的图像。对于该比较，该图像可以使用的感受域的研究 EM>的卷积：



神经元的响应将是越高，越新图像覆盖存储的图像。如果我们不感兴趣的覆盖度和匹配的图像水平，你可以使用图像的相关性，这是没有办法比的归一化卷积：



顺便说一下，同样的值是由该矢量图像和加权的矢量所形成的角的余弦：



因此，提交一个新的图片的神经元时，每个本地组探测器将火灾探测器最能说明当地的片段。

现在，请执行下列操作：我们将生成的唯一的标签标识符的每一个新的形象，标志着其激活神经元的探测器。我们发现，每个图像是伴随着在第二皮层活动图案，这是本图像的描述，可通过第二区标志备案。创建一个唯一的标识符，并标注其活跃的神经元探测器 - 这是要记住特定事件

如果我们选择的标记物之一，我们发现神经元探测器含有它，以恢复其特性局部图像，我们获得原始图像的恢复。

记忆和再现了许多不同的图像，神经元探测器必须有不断的突触的权重，并有保存尽可能多的指标为回忆，他们会记住的能力。

我们将显示记忆分布通过一个简单的例子的工作。让我们假设我们生成各种几何形状的轮廓图像的上部区域（见下图）。



提供的图片 I>

将由去相关训练的各种因素分配的下部区域。这出现在每个小感受野主图像 - 从不同的角度的一条线。还会有其他的图像，诸如十字路口和角固有的几何形状。但线将占据主导地位，即以满足更频繁。这意味着，他们将脱颖而出主要在形状因子。本次培训的实际结果见下图。



现场因素，从轮廓图像 i>的
提取片段
可以看出，突出了大量的垂直线和水平线，通过在感受野位置区分。这并不奇怪，因为即使是轻微的移位创建一个新的因素，这是没有交集与他们平行的“双胞胎”。让我们假设我们以某种方式具有复杂我们的网络，使相邻的平行“双生”已合并成一个因子。进一步假设在小区域确定的因素，如在下面的图中，与某些离散的描述所有可能的方向。



因素中的一个小区域对应于不同的方向上与一个小时为单位 i>的

然后学习皮层的整个区域的结果，可以大致表示如下：



有条件的学习成果皮层。为了清楚起见，神经元被放置于不规则网格 i>的

现在将提供一个正方形的学习区地壳图像。神经元将其感受野的特点看他们激活刺激（见下图）。



反应训练有素皮质以形成正方形 i>的

现在，生成一个唯一的随机数 - 的回忆。
















参考


以前的部分：
第1部分神经元
第2部分因素
第3部分：感知器，卷积网络
部分4.背景活动
第5部分的脑电波
部分6.系统预测
第7部分：人机界面
第8部分：要素分配的浪潮网络
部分神经探测器9模式。背投
第10部分：空间的自组织
第11部分动态神经网络。关联

亚历克斯Redozubov （2014年）