Клаудия Клопат

Клаудия Клопат
Клаудия Клопат
Альма-матер	EPFL (MS, PhD)
	Научная карьера
Учреждения	Колумбийский университет ; Парижский университет Декарта ; Имперский колледж Лондона
Диссертация	Моделирование синаптической пластичности в разных временных масштабах: влияние напряжения, времени всплесков и синтеза белка (2009).
Докторантура	Вульфрам Герстнер

Клаудия Клопат — профессор вычислительной нейронауки в Имперском колледже Лондона и руководитель исследований в Центре нейронных цепей и поведения Sainsbury Wellcome . Она разрабатывает математические модели для прогнозирования синаптической пластичности как для медицинских приложений, так и для проектирования человекоподобных машин.

Ранняя жизнь и образование

Клопат изучал физику в Федеральной политехнической школе Лозанны . Она осталась там для учебы в аспирантуре, где работала вместе с Вульфрамом Герстнером . Вместе они работали над моделями пластичности, зависящей от времени спайка (STPD), которая включала как пресинаптические , так и постсинаптические мембранные потенциалы . ^{[ 1 ]} После получения докторской степени она работала научным сотрудником у Николя Брюнеля в Парижском университете Декарта . ^{[ 2 ]} Впоследствии она поступила в Колумбийский университет , где работала в Центре теоретической нейронауки. ^{[ 3 ]}

Исследования и карьера

Clopath использует математические модели для прогнозирования синаптической пластичности и изучения последствий синаптической пластичности в искусственных нейронных сетях . ^{[ 4 ]} Эти модели могут объяснить происхождение вибраций в нейронных сетях и определить активность возбуждающих и тормозных нейронов. Она использовала эту модель, чтобы объяснить, что тормозные нейроны важны для определения частоты колебаний сети. ^{[ 5 ]} Она надеется, что созданные ею модели мозга можно будет использовать в медицинских целях, а также при разработке машин, способных обучаться подобно человеческому.

Она изучала связи нервных клеток зрительной коры . ^{[ 6 ]} Модель, разработанная Клопатом, Сандрой Саде и Стефаном Роттером в Центре Бернштейна во Фрайбурге, была первой моделью, объединившей биологические нейронные сети в вычислительную нейронную сеть. ^{[ 6 ]} Это позволяет пользователям заставить нервные клетки зрительной системы обнаруживать различные функции, а также координировать синапсы между клетками. Его можно использовать, чтобы понять, как развиваются нервные клетки, когда они получают информацию от каждого глаза. ^{[ 6 ]}

Clopath работала с DeepMind над созданием систем искусственного интеллекта , которые можно применять для решения множества задач, позволяя им запоминать информацию или осваивать серию шагов. Вместе Clopath и DeepMind использовали синаптическую консолидацию — механизм, позволяющий нейронным сетям запоминать. ^{[ 7 ]} Алгоритм Elastic Weight Consolidation может вычислить, насколько важны различные соединения в нейронной сети, и применить весовой коэффициент, определяющий их важность. ^{[ 7 ]} Это определяет скорость, с которой изменяются значения узла в нейронной сети. ^{[ 7 ]} Они продемонстрировали, что программное обеспечение, использующее Elastic Weight Consolidation, может обучаться и достигать производительности человеческого уровня в десяти играх. ^{[ 7 ]} Разработка систем машинного обучения для задач непрерывного обучения стала центром исследований Clopath, используя вычислительные модели в рекуррентных нейронных сетях , чтобы установить, как торможение управляет синаптической пластичностью. ^{[ 8 ]}

В 2015 году она была удостоена награды Google Faculty Research Award. ^{[ 9 ]}

Избранные публикации

Клопат, Клаудия; Василаки, Элени; Герстнер, Вульфрам (2010). «Связность отражает кодирование: модель STDP на основе напряжения с гомеостазом» . Природная неврология . 13 (3): 344–352. дои : 10.1038/nn.2479 . hdl : 10044/1/21440 . ПМИД 20098420 . S2CID 8046538 .
Фогельс, Тим; Спрекелер, Хеннинг; Зенке, Фридеманн; Клопат, Клаудия; Герстнер, Вульфрам (2011). «Тормозящая пластичность уравновешивает возбуждение и торможение в сенсорных путях и сетях памяти». Наука . 334 (6062): 1569–1573. Бибкод : 2011Sci...334.1569V . дои : 10.1126/science.1211095 . hdl : 10044/1/21441 . ПМИД 22075724 . S2CID 45134325 .
Клопат, Клаудия; Хофер, Соня Б.; Мрсик-Флогель, Томас Д. (2013). «Появление функциональных микросхем в зрительной коре» . Природа . 496 (7443): 96–100. Бибкод : 2013Природа.496...96К . дои : 10.1038/nature12015 . ПМЦ 4843961 . ПМИД 23552948 .

Ссылки

^ Клопат, Клаудия; Бюсинг, Ларс; Василаки, Элени; Герстнер, Вульфрам (24 января 2010 г.). «Связность отражает кодирование: модель STDP на основе напряжения с гомеостазом» . Природная неврология . 13 (3): 344–352. дои : 10.1038/nn.2479 . hdl : 10044/1/21440 . ISSN 1097-6256 . ПМИД 20098420 . S2CID 8046538 .
^ Клопат, Клаудия; Брюнель, Николя (21 февраля 2013 г.). «Оптимальные свойства аналоговых перцептронов с возбуждающими весами» . PLOS Вычислительная биология . 9 (2): e1002919. Бибкод : 2013PLSCB...9E2919C . дои : 10.1371/journal.pcbi.1002919 . ISSN 1553-7358 . ПМЦ 3578758 . ПМИД 23436991 .
^ «Центр теоретической нейронауки | Люди» . www.columbia.edu . Проверено 15 октября 2019 г.
^ «Клаудия Клопат» . www.sainsburywellcome.org . Проверено 15 октября 2019 г.
^ «Часы для мозговых волн» . www.mpg.de (на немецком языке) . Проверено 15 октября 2019 г.
^ Jump up to: ^а ^б ^с «Компьютерная модель показывает, как формируются связи нервных клеток в зрительной коре» . ScienceDaily . Проверено 15 октября 2019 г.
^ Jump up to: ^а ^б ^с ^д Кан, Джереми (15 марта 2017 г.). «DeepMind от Google нашел способ преодолеть проблему забывчивости ИИ» . живая мята . Архивировано из оригинала 15 марта 2017 г. Проверено 15 октября 2019 г.
^ «Мозг — правило растормаживающего обучения для задач непрерывного обучения в искусственных нейронных сетях» . УКР .
^ «Награда преподавателей Google за исследования, февраль 2015 г.» (PDF) . Google . Архивировано (PDF) из оригинала 24 сентября 2015 г. Проверено 15 октября 2019 г.

[1] Клопат, Клаудия; Бюсинг, Ларс; Василаки, Элени; Герстнер, Вульфрам (24 января 2010 г.). «Связность отражает кодирование: модель STDP на основе напряжения с гомеостазом» . Природная неврология . 13 (3): 344–352. дои : 10.1038/nn.2479 . hdl : 10044/1/21440 . ISSN 1097-6256 . ПМИД 20098420 . S2CID 8046538 .

[2] Клопат, Клаудия; Брюнель, Николя (21 февраля 2013 г.). «Оптимальные свойства аналоговых перцептронов с возбуждающими весами» . PLOS Вычислительная биология . 9 (2): e1002919. Бибкод : 2013PLSCB...9E2919C . дои : 10.1371/journal.pcbi.1002919 . ISSN 1553-7358 . ПМЦ 3578758 . ПМИД 23436991 .

[3] «Центр теоретической нейронауки | Люди» . www.columbia.edu . Проверено 15 октября 2019 г.

[4] «Клаудия Клопат» . www.sainsburywellcome.org . Проверено 15 октября 2019 г.

[5] «Часы для мозговых волн» . www.mpg.de (на немецком языке) . Проверено 15 октября 2019 г.

[:0-6] Jump up to: ^а ^б ^с «Компьютерная модель показывает, как формируются связи нервных клеток в зрительной коре» . ScienceDaily . Проверено 15 октября 2019 г.

[:1-7] Jump up to: ^а ^б ^с ^д Кан, Джереми (15 марта 2017 г.). «DeepMind от Google нашел способ преодолеть проблему забывчивости ИИ» . живая мята . Архивировано из оригинала 15 марта 2017 г. Проверено 15 октября 2019 г.

[8] «Мозг — правило растормаживающего обучения для задач непрерывного обучения в искусственных нейронных сетях» . УКР .

[9] «Награда преподавателей Google за исследования, февраль 2015 г.» (PDF) . Google . Архивировано (PDF) из оригинала 24 сентября 2015 г. Проверено 15 октября 2019 г.

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

Базы данных авторитетного контроля
Международный	ВИАФ
академики	ДБЛП Google Академика ОРЦИД zbMATH
Другой	ИдРеф