Jump to content

Связывающий нейрон

( Связывающий нейрон БН) — абстрактное понятие обработки входных импульсов в родовом нейроне, основанное на их временной когерентности и уровне нейронального торможения. Математически эта концепция может быть реализована с помощью большинства нейронных моделей, включая хорошо известную модель «протекающей интеграции и запуска» . Концепция БН возникла в 1996 и 1998 годах в статьях А. К. Видибиды, [1] [2]

Описание концепции

[ редактировать ]

Для родового нейрона стимулами являются возбуждающие импульсы. Обычно для возбуждения нейрона до уровня, когда он срабатывает и испускает выходной импульс, необходимо более одного входного импульса.Пусть нейрон получает входные импульсы в последовательные моменты времени . В концепции БН временная когерентность между входными импульсами определяется следующим образом

Высокая степень временной когерентности между входными импульсами позволяет предположить, что во внешних средах все импульсы могут быть созданы одним сложным событием. Соответственно, если BN стимулируется высококогерентным набором входных импульсов, он срабатывает и излучает выходной импульс. В терминологии БН БН связывает элементарные события (входные импульсы) в единое событие (выходной импульс). Привязка происходит, если входные импульсы достаточно когерентны во времени, и не происходит, если эти импульсы не имеют необходимой степени когерентности.

Ингибирование в концепции BN (по сути, медленное соматическое калиевое ингибирование) контролирует степень временной когерентности, необходимой для связывания: чем выше уровень торможения, тем более высокая степень временной когерентности необходима для возникновения связывания.

Схема обработки сигнала в соответствии с концепцией связывающего нейрона. --- моменты получения входных импульсов.

Издаваемый выходной импульс трактуется как абстрактное представление составного события (совокупности когерентных во времени входных импульсов), см. Схему.

Источник

[ редактировать ]

«Хотя нейрону требуется энергия, его основная функция — получать сигналы и отправлять их, то есть обрабатывать информацию». --- эти слова Фрэнсиса Крика указывают на необходимость описания функционирования нейронов с точки зрения обработки абстрактных сигналов. [3] В этом курсе предлагаются две абстрактные концепции, а именно «детектор совпадений» и «временной интегратор». [4] [5] Первый предполагает, что нейрон генерирует спайк, если одновременно получено несколько входных импульсов. В концепции временного интегратора нейрон генерирует всплеск после получения ряда входных импульсов, распределенных во времени.Каждый из двух учитывает некоторые особенности реальных нейронов, поскольку известно, что реалистичный нейрон может отображатьРежимы активности как детектора совпадений, так и временного интегратора в зависимости от применяемой стимуляции,. [6] В то же время известно, что нейрон вместе с возбуждающими импульсами получает и тормозную стимуляцию.Естественным развитием двух вышеупомянутых концепций может стать концепция, которая наделяет торможение собственной ролью обработки сигналов.

В нейробиологии существует идея проблемы связывания . Например, во время зрительного восприятия такие характеристики, как форма, цвет и стереопсис, представлены в мозгу различные нейронные комплексы. Механизм, обеспечивающий восприятие этих функций как принадлежащих одному реальному объекту, называется «привязкой функций».. [7] Экспериментально подтверждено мнение, что для возникновения связывания необходима точная временная координация между нейрональными импульсами. [8] [9] [10] [11] [12] [13] Эта координация главным образом означает, что сигналы о различных функциях должны поступать в определенные области мозга в течение определенного временного окна.

Концепция BN воспроизводит на уровне отдельного родового нейрона требование, необходимое для возникновения привязки признака и которое было сформулированные ранее на уровне крупномасштабных нейрональных ансамблей.Ее формулировка стала возможной благодаря анализу реакции Модель Ходжкина-Хаксли для стимулов, аналогичных тем, которые получают настоящие нейроны.в естественных условиях см. «Математические реализации» ниже.

Математические реализации

[ редактировать ]

Модель Ходжкина – Хаксли (HH)

[ редактировать ]

Модель Ходжкина–Хаксли — физиологически обоснованная модель нейронов, который действует в рамкахтрансмембранные ионные токи и описывают механизм генерации потенциала действия .

В газете [14] реакция модели HH была изучена численно на стимулы состоит из многихвозбуждающие импульсы распределяются случайным образом во временном окне :

Здесь обозначает величину возбуждающий постсинаптический потенциал в данный момент ; — момент прибытия -й импульс; — общее количество импульсов Стимул состоит из. Числа случайны, распределены равномерно в пределах интервала . Стимулирующий ток, применяемый в уравнениях ГХ заключается в следующем

где — емкость единицы площади возбудимой мембраны.Вероятность генерации потенциала действия рассчитывалась как функция ширины окна .В уравнения ГХ были добавлены различные постоянные калиевые проводимости. для того, чтобы создать определенный уровень ингибирующий потенциал. Полученные зависимости, если их пересчитать как функции , что аналогично временной когерентности импульсов в составном раздражителе, имеют ступенчатую форму.Расположение ступени контролируется уровнем потенциала торможения, см. рис. 1. Благодаря такому типу зависимости уравнения HH можно рассматривать как математическую модель концепции BN.

Рис. 1. Вероятность выстрела ( ) нейрона типа Ходжкина–Хаксли, стимулированного набором входные импульсы как функция временной когерентности импульсов. Кривые слева направо соответствуют увеличению калиевой проводимости, то есть увеличению степени ингибирования.

Утечка интеграции и пожарный нейрон (LIF)

[ редактировать ]

«Дырявая интеграция и пожарный нейрон» — широко используемая абстрактная нейронная модель.Если поставить аналогичную задачу для LIF-нейрона с соответствующим образом выбранным механизм торможения,тогда можно получить ступенчатые зависимости, аналогичные рис. 1. также.Следовательно, LIF-нейрон также можно рассматривать как математическую модель концепции BN.

Модель связывающего нейрона

[ редактировать ]

Модель связывающего нейрона реализует концепцию BN в наиболее усовершенствованной форме. [15] В этой модели каждый входной импульс сохраняется в нейроне в течение фиксированного времени. время а затем исчезает.Этот вид памяти служит заменой возбуждающий постсинаптический потенциал .Модель имеет порог. : если количество сохраненных в импульсы БН превышают затем нейрон запускает спайк и очищает свою внутреннюю память. Наличие ингибирование приводит к снижению .В модели БН необходимо контролировать время жизни любых хранимых импульс при расчете нейронаответ на входную стимуляцию. Это усложняет модель БН. для численного моделирования, чем модель LIF.С другой стороны, любой импульс тратит конечное время. в нейроне модели BN. Это в отличие отМодель LIF, в которой следы любого импульса могут присутствовать бесконечно долго. Это свойство модели БН позволяетполучить точное описание выходной активности БН, стимулированной случайными поток входных импульсов, см. [16] [17] . [18]

Предельный случай БН с бесконечной памятью τ →∞ соответствует временной интегратор.Предельному случаю БН с бесконечно короткой памятью τ → 0 соответствует к детектору совпадений.

Реализация интегральной схемы

[ редактировать ]

Вышеупомянутые и другие модели нейронов и сети из них могут быть реализованы на микрочипах. Среди различных микросхем стоит отметить программируемые вентильные матрицы . Эти чипы можно использовать для реализации любой нейронной модели, но модель BN можно запрограммировать наиболее естественно, поскольку она может использовать только целые числа и не требует решения дифференциальных уравнений. Эти функции используются, например, в [19] и [20]

Ограничения

[ редактировать ]

Как абстрактная концепция, модель BN имеет необходимые ограничения. Среди них такие, как игнорирование морфологии нейронов, идентичная величина входных импульсов, замена набора транзиентов с разными временами релаксации, известных для реального нейрона, с единым временем жизни, импульса в нейроне, отсутствие рефрактерности и быстрого (хлорового) торможения. Модель БН имеет те же ограничения, однако некоторые из них можно устранить в более сложной модели, см., например, [21] где используется модель BN с рефрактерностью и быстрым торможением.

  1. ^ Видибида, АК (1996). «Нейрон как дискриминатор временной когерентности». Биологическая кибернетика . 74 (6): 537–542. дои : 10.1007/BF00209424 . ПМИД   8672560 . S2CID   19862684 .
  2. ^ Видибида, АК (1998). «Торможение как контроллер связывания на уровне одного нейрона». БиоСистемы . 48 (1–3): 263–267. дои : 10.1016/S0303-2647(98)00073-2 . ПМИД   9886656 .
  3. ^ Ф. Крик. Удивительная гипотеза. Оселок., 1995.
  4. ^ Абелес, М. (1982). «Роль коркового нейрона: интегратор или детектор совпадений?». Израильский журнал медицинских наук . 18 (1): 83–92. ПМИД   6279540 .
  5. ^ Кениг, П.; Энгель, АК; Сингер, В. (1996). «Интегратор или детектор совпадений? Новый взгляд на роль коркового нейрона». Тенденции в нейронауках . 19 (4): 130–137. дои : 10.1016/S0166-2236(96)80019-1 . ПМИД   8658595 . S2CID   14664183 .
  6. ^ Рудольф, М.; Дестеше, А. (2003). «Настройка неокортикальных пирамидных нейронов между интеграторами и детекторами совпадений». Журнал вычислительной нейронауки . 14 (3): 239–251. дои : 10.1023/А:1023245625896 . ПМИД   12766426 . S2CID   3695640 .
  7. ^ JP Сунье. Проблема с привязкой. В Энциклопедии когнитивной науки. Джон Вили и сыновья, Ltd, 2006 г.
  8. ^ Трейсман, AM; Геладе, Г. (1980). «Теория интеграции функций внимания». Когнитивная психология . 12 (1): 97–136. дои : 10.1016/0010-0285(80)90005-5 . ПМИД   7351125 . S2CID   353246 .
  9. ^ фон дер Мальсбург, К. (1999). «Что и почему связывает: точка зрения моделиста» . Нейрон . 24 (8): 95–104. дои : 10.1016/S0896-6273(00)80825-9 . ПМИД   10677030 . S2CID   7057525 .
  10. ^ Экхорн, Р.; Бауэр, Р.; Джордан, В.; Брош, М.; Крузе, В.; Мунк, М.; Рейтбёк, HJ (1988). «Когерентные колебания: механизм связывания признаков в зрительной коре?». Биологическая кибернетика . 60 (2): 121–130. дои : 10.1007/BF00202899 . ПМИД   3228555 . S2CID   206771651 .
  11. ^ Дамасио, Арканзас (1989). «Концепции в мозгу». Разум и язык . 4 (1–2): 25–28. дои : 10.1111/j.1468-0017.1989.tb00236.x .
  12. ^ А. К. Энгель, П. Кениг, А. К. Крайтер, К. М. Грей и В. Сингер. Временное кодирование когерентными колебаниями как потенциальное решение проблемы связывания: физиологические данные. В книге Х.Г. Шустера и В. Сингера, редакторов, «Нелинейная динамика и нейронные сети», стр. 325. VCH Weinheim, 1991.
  13. ^ Мерцених, Майкл М. (1993). «Нейронные механизмы, лежащие в основе временной интеграции, сегментации и представления входных последовательностей: некоторые последствия для происхождения нарушений обучаемости». Анналы Нью-Йоркской академии наук . 682 (1): 1–22. Бибкод : 1993NYASA.682....1M . дои : 10.1111/j.1749-6632.1993.tb22955.x . ПМИД   8323106 . S2CID   44698935 .
  14. ^ Видибида, АК (1996). «Нейрон как дискриминатор временной когерентности». Биологическая кибернетика . 74 (6): 537–542. дои : 10.1007/BF00209424 . ПМИД   8672560 . S2CID   19862684 .
  15. ^ Энциклопедия информатики и технологий (2014). Мехди Хосров-Пур (ред.). Связывающий нейрон (Третье изд.). Херши, Пенсильвания: IGI Global. стр. 1123–1134. ISBN  978-1-4666-5889-9 .
  16. ^ Видибида, АК (2007). «Выходной поток связывающего нейрона». Украинский математический журнал . 59 (12): 1819–1839. дои : 10.1007/s11253-008-0028-5 . S2CID   120989952 .
  17. ^ Видибида, АК; Кравчук, К.Г. (2013). «Задержанная обратная связь делает статистику активности нейронов немарковской» . Украинский математический журнал . 64 (12): 1793–1815. дои : 10.1007/s11253-013-0753-2 . S2CID   123193380 .
  18. ^ Аруначалам, В.; Ахаван-Табатабаи, Р.; Лопес, К. (2013). «Результаты по модели связывающего нейрона и их значение для модифицированной модели песочных часов для нейронной сети» . Вычислительные и математические методы в медицине . 2013 : 374878. doi : 10.1155/2013/374878 . ПМЦ   3876776 . ПМИД   24396394 .
  19. ^ Росселло, JL; Каналы, В.; Морро, А.; Оливер, А. (2012). «Аппаратная реализация стохастических импульсных нейронных сетей». Международный журнал нейронных систем . 22 (4): 1250014. doi : 10.1142/S0129065712500141 . ПМИД   22830964 .
  20. ^ Ван, Р.; Коэн, Г.; Штифель, К.М.; Гамильтон, Ти Джей; Тэпсон, Дж.; Шайк, А. ван (2013). «Реализация полихронной импульсной нейронной сети на fpga с адаптацией задержки» . Границы в неврологии . 7:14 . дои : 10.3389/fnins.2013.00014 . ПМК   3570898 . ПМИД   23408739 .
  21. ^ Кравчук, К.Г.; Видибида, АК (2014). «Немарковская статистика импульсов нейрона с запаздывающей обратной связью при наличии рефрактерности» . Математические биологические науки и инженерия . 11 (1): 81–104. дои : 10.3934/mbe.2014.11.81 . ПМИД   24245681 .
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 970c58a88dff4fcda43ddc522b6ff73a__1681710840
URL1:https://arc.ask3.ru/arc/aa/97/3a/970c58a88dff4fcda43ddc522b6ff73a.html
Заголовок, (Title) документа по адресу, URL1:
Binding neuron - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)