یادگیری الگوی اسپایک مبتنی بر stdp رقابتی

این هشدار با موفقیت اضافه شد و به این آدرس ارسال خواهد شد: هر زمان که سابقه ای که انتخاب کرده اید ذکر شد به شما اطلاع داده می شود.

برای مدیریت تنظیمات برگزیده هشدار، روی دکمه زیر کلیک کنید. مدیریت هشدارهای من

هشدار نقل قول جدید!

لطفا وارد حساب کاربری خود شوید

ذخیره در Binder

نام

محاسبات عصبی

خلاصه

اخیراً نشان داده شده است که تکرار الگوی سنبله مکانی-زمانی دلخواه پنهان در قطارهای سنبله حواس پرتی به همان اندازه متراکم را می توان به طور قوی توسط یک نورون منفرد مجهز به انعطاف پذیری وابسته به زمان سنبله (STDP) شناسایی و آموخت (Masquelier, Guyonneau, & Thorpe, 2008). به طور دقیق، نورون نسبت به تصادفات پی در پی الگو انتخابی می شود.

در اینجا ما این طرح را به یک سناریوی واقعی تر با الگوهای تکراری متعدد و نورون های STDP متعدد که به قطارهای سنبله ورودی گوش می دهند، گسترش می دهیم. این نورون های «شنوا» در حال رقابت هستند: به محض اینکه یکی شلیک می کند، از طریق اتصالات جانبی (مکانیسم یک برنده-برنده-همه) به شدت دیگران را مهار می کند. این باعث می شود که نورون ها نتوانند الگوهای تکرار شونده (بخش هایی از) مشابه را که در شبیه سازی نشان داده شده است، یاد بگیرند. در عوض، جمعیت خود سازماندهی می شود و سعی می کند الگوهای مختلف را پوشش دهد یا یک الگو را با شلیک های متوالی چندین نورون کدگذاری کند، و یک طرح کدگذاری توزیع شده قدرتمند پدیدار می شود.

در مجموع، این نتایج نشان می دهد که چگونه مغز می تواند به راحتی اطلاعات را در زمان های افزایش، رمزگشایی و رمزگشایی کند، نظریه ای که به آن کدگذاری زمانی گفته می شود، و چگونه STDP می تواند با شناسایی الگوهای تکراری و ایجاد پاسخ انتخابی به آنها، نقش کلیدی ایفا کند.

منابع

1. آبلز، ام (2004). عصب شناسی: زمان ارزشمند است. علم، 304 (5670)، 523-524. مرجع Google ScholarCross
2. آماری، س.، و آربیب، م. (1977). علوم اعصاب سیستمیسن دیگو، کالیفرنیا: انتشارات آکادمیک. Google Scholar
3. Bi, G., & Poo, M. (1998). تغییرات سیناپسی در سلول های عصبی هیپوکامپ کشت شده: وابستگی به زمان سنبله، قدرت سیناپسی و نوع سلول پس سیناپسی. J. Neurosci., 18 (24)، 10464-10472. Google Scholar
4. بی، جی، و پو، ام. ام. (2001). اصلاح سیناپسی توسط فعالیت مرتبط: اصل هب مورد بازبینی قرار گرفت. انRev. Neurosci., 24, 139-166. مرجع Google ScholarCross
5. Cassenaer, S., & Laurent, G. (2007). Hebbian STDP در بدن قارچ، جریان همزمان اطلاعات بویایی در ملخ ها را تسهیل می کند. طبیعت، 448 (7154)، 709-713. مرجع Google ScholarCross
6. Coultrip ، R. ، Granger ، R. ، & Lynch ، G. (1992). یک مدل قشر مغزی از رقابت برنده همه از طریق مهار جانبی. شبکه های عصبی ، 5 ، 47-54. کتابخانه Scholardigital Google
7. Crouzet ، S. ، Thorpe ، S. ، & Kirchner ، H. (2007). تغییرات وابسته به دسته در زمان پردازش بصری. مجله دید ، 7 ، 922a. Google Scholarcross Ref
8. Delorme ، A. ، Perrinet ، L. ، Thorpe ، S. ، & Samuelides ، M. (2001). شبکه های نورونهای یکپارچه و آتش با استفاده از کدگذاری ترتیب رتبه بندی B: انعطاف پذیری وابسته به زمان سنبله و ظهور انتخاب جهت گیری. نوروکومتر ، 38-40 ، 539-545. Google Scholarcross Ref
9. الیاس ، س. ، و گروسبرگ ، س. (1975). شکل گیری الگوی ، کنترل کنتراست و نوسانات در حافظه کوتاه مدت از خاموش کردن شبکه های خارج از مرکز در مرکز. بیولCyb. ، 20 ، 69-98. کتابخانه Scholardigital Google
10. فلدمن ، د. (2000). LTP و LTD مبتنی بر زمان در ورودی های عمودی به سلولهای هرمی لایه II/III در قشر بشکه موش. نورون ، 27 (1) ، 45-56. Google Scholarcross Ref
11. Fellous ، J. M. ، Tiesinga ، P. H. ، Thomas ، P. J. ، & Sejnowski ، T. J. (2004). کشف الگوهای سنبله در پاسخ های عصبی. J. Neurosci. ، 24 (12) ، 2989-3001. Google Scholarcross Ref
12. Finelli ، L. A. ، Haney ، S. ، Bazhenov ، M. ، Stopfer ، M. ، & Sejnowski ، T. J. (2008). قوانین یادگیری سیناپسی و برنامه نویسی پراکنده در یک سیستم حسی مدل. رایانه PLOS. Biol. ، 4 (4) ، E1000062. Google Scholarcross Ref
13. Frostig ، R. D. ، Frostig ، Z. ، & Harper ، R. M. (1990). الگوهای تخلیه مکرر در چندین قطار سنبله. بیولCybe. ، 62 (6) ، 487-493. کتابخانه Scholardigital Google
14. Gerstner ، W. ، Kempter ، R. ، Van Hemmen ، J. L. ، & Wagner ، H. (1996). یک قانون یادگیری عصبی برای کدگذاری زمانی زیر میلی ثانیه. طبیعت ، 383 (6595) ، 76-81. گوگل دانشکده
15. Gerstner ، W. ، & Kistler ، W. (2002). مدل های نورون سنبله. کمبریج: انتشارات دانشگاه کمبریج. گوگل دانشکده
16. Gerstner ، W. ، Ritz ، R. ، & Van Hemmen ، J. L. (1993). چرا سنبله؟یادگیری هبیایی و بازیابی الگوهای تحریک زمان حل شده. بیولCybe. ، 69 (5-6) ، 503- 515. کتابخانه Google Scholardigital
17. Gütig ، R. ، & Sompolinsky ، H. (2006). The Tempotron: نورون که تصمیمات مبتنی بر زمان سنبله را می آموزد. نات. Neurosci. ، 9 (3) ، 420-428. گوگل دانشکده
18. Guyonneau ، R. ، Van Rullen ، R. ، & Thorpe ، S. (2004). کدهای موقتی و بازنمودهای پراکنده: کلید درک پردازش سریع در سیستم بصری. J. Physiol. پاریس. ، 98 (4-6) ، 487-497. Google Scholarcross Ref
19. Guyonneau ، R. ، Van Rullen ، R. ، & Thorpe ، S. (2005). نورونها از طریق STDP به اولین سنبله ها تنظیم می شوند. رایانه عصبی. ، 17 (4) ، 859-879. کتابخانه Scholardigital Google
20. Hosaka ، R. ، Araki ، O. ، & Ikeguchi ، T. (2008). STDP بستر را برای اشتعال زنجیره های سینفیر توسط الگوهای ورودی مکانی و مکانی فراهم می کند. رایانه عصبی ، 20 (2) ، 415-435. کتابخانه Scholardigital Google
21. Ikegaya ، Y. ، Aaron ، G. ، Cossart ، R. ، Aronov ، D. ، Lampl ، I. ، Ferster ، D. ، et al.(2004). زنجیرهای Synfire و آهنگ های قشر مغز: ماژول های زمانی فعالیت قشر مغز. علوم ، 304 (5670) ، 559-564. گوگل دانشکده
22. Izhikevich ، E. M. (2006). چند ضلعی: محاسبه با سنبله. رایانه عصبی. ، 18 (2) ، 245-282. کتابخانه Scholardigital Google
23. Jacob ، V. ، Brasier ، D. J. ، Erchova ، I. ، Feldman ، D. ، & Shulz ، D. E. (2007). افسردگی سیناپسی وابسته به زمان سنبله در قشر بشکه داخل بدن موش. J. Neurosci. ، 27 (6) ، 1271-1284. Google Scholarcross Ref
24. Kempter ، R. ، Gerstner ، W. ، & Van Hemmen ، J. L. (1999). نورونهای یادگیری هبیان و سنبله. فیزیکRev. E ، 59 (4) ، 4498-4514. گوگل دانشکده
25. Knoblich ، U. ، Bouvrie ، J. ، & Poggio ، T. (2007). مدلهای بیوفیزیکی محاسبات عصبی: مدارهای حداکثر و تنظیم.(گزارش فناوری). کمبریج ، MA: MIT. گوگل دانشکده
26. Kouh ، M. ، & Poggio ، T. (2008). یک مدار عصبی متعارف برای عملیات غیرخطی قشر مغز. رایانه عصبی ، 20 (6) ، 1427-1451. کتابخانه Scholardigital Google
27. Legenstein ، R. ، Naeger ، C. ، & Maass ، W. (2005). نورون با انعطاف پذیری وابسته به سنبله چه چیزی می تواند یاد بگیرد؟رایانه عصبی. ، 17 (11) ، 2337-2382. کتابخانه Scholardigital Google
28. Luczak ، A. ، Barthó ، P. ، Marguet ، S. L. ، Buzsáki ، G. ، & Harris ، K. D. (2007). ساختار متوالی فعالیت خود به خودی نئوکورتیکال در داخل بدن. پروکناتلACADعلمیایالات متحده ، 104 (1) ، 347-352. Google Scholarcross Ref
29. Maass ، W. (2000). در مورد قدرت محاسباتی برنده همه. رایانه عصبی. ، 12 (11) ، 2519-2535. کتابخانه Scholardigital Google
30. Markram ، H. ، Lübke ، J. ، Frotscher ، M. ، & Sakmann ، B. (1997). تنظیم اثربخشی سیناپسی با همزمانی AP های پس سیناپسی و EPSP. علوم ، 275 (5297) ، 213-215. گوگل دانشکده
31. Masquelier ، T. (2008). مکانیسم های یادگیری برای به حساب کردن سرعت ، انتخاب و عدم تغییر پاسخ ها در قشر بصری. پایان نامه دکتری منتشر نشده ، Université Paul Sabatier Toulouse 3. Google Scholar
32. Masquelier ، T. ، Guyonneau ، R. ، & Thorpe ، S. J. (2008). انعطاف پذیری وابسته به زمان سنبله شروع الگوهای تکرار در قطارهای سنبله مداوم را پیدا می کند. PLOS یک ، 3 (1) ، E1377. Google Scholarcross Ref
33. Masquelier ، T. ، & Thorpe ، S. J. (2007). یادگیری بدون نظارت از ویژگی های بصری از طریق انعطاف پذیری وابسته به زمان سنبله. رایانه PLOS. Biol. ، 3 (2) ، E31. گوگل دانشکده
34. Mehta ، M. R. ، Quirk ، M. C. ، & Wilson ، M. A. (2000). شکل نامتقارن وابسته به تجربه زمینه های گیرنده هیپوکامپ. نورون ، 25 (3) ، 707-715. Google Scholarcross Ref
35. Meliza ، C. D. ، & Dan ، Y. (2006). اصلاح میدان گیرنده در قشر بینایی موش ناشی از تحریک بصری زوج و سنبله تک سلولی. نورون ، 49 (2) ، 183-189. گوگل دانشکده
36. Mu ، Y. ، & Poo ، M. M. (2006). LTP/LTD وابسته به زمان سنبله واسطه انعطاف پذیری وابسته به تجربه بصری در یک سیستم شبکیه در حال توسعه است. نورون ، 50 (1) ، 115-125. Google Scholarcross Ref
37. Pfister ، J. ، & Gerstner ، W. (2006). سه گانه سنبله در یک مدل از انعطاف پذیری وابسته به زمان سنبله. مجله علوم اعصاب ، 26 (38) ، 9673-9682. Google Scholarcross Ref
38. Prut ، Y. ، Vaadia ، E. ، Bergman ، H. ، Haalman ، I. ، Slovin ، H. ، & Abeles ، M. (1998). ساختار فضایی فعالیت قشر مغز: خصوصیات و ارتباط رفتاری. J. Neurophysiol. ، 79 (6) ، 2857-2874. Google Scholarcross Ref
39. Rolston ، J. D. ، Wagenaar ، D. A. ، & Potter ، S. M.(2007). الگوهای فضایی و مکانی فعالیت عصبی دقیقاً به موقع در کشت قشر مغز جدا شده. علوم اعصاب ، 148 (1) ، 294-303. Google Scholarcross Ref
40. Song ، S. ، Miller ، K. ، & Abbott ، L. (2000). یادگیری رقابتی Hebbian از طریق انعطاف پذیری سیناپسی وابسته به سنبله. نات. Neurosci. ، 3 (9) ، 919-926. گوگل دانشکده
41. Thorpe ، S. (1990). زمان ورود سنبله: یک طرح برنامه نویسی بسیار کارآمد برای شبکه های عصبی. در R. Eckmiller ، G. Hartmann ، & G. Hauske (Eds.) ، پردازش موازی در سیستم های عصبی و رایانه ها (صفحات 91-94). Dordrecht: Elsevier. گوگل دانشکده
42. Thorpe ، S. ، Crouzet ، S. ، Kirchner ، H. ، & Fabre-Thorpe ، M. (2006). تشخیص چهره فوق العاده رپید در تصاویر طبیعی: پیامدهای محاسبه در سیستم بصری. در مجموعه مقالات اولین کنفرانس فرانسه در مورد علوم اعصاب محاسباتی (صص 124-127). پونتا موسون ، فرانسه. گوگل دانشکده
43. Tiesinga ، P. ، Fellous ، J.-M. ، & Sejnowski ، T. J. (2008). تنظیم زمان بندی سنبله در مدارهای قشر بینایی. نات. Rev. Neurosci. ، 9 (2) ، 97-107. Google Scholarcross Ref
44. Van Rossum ، M. ، Bi ، G. ، & Turrigiano ، G. (2000). یادگیری Hebbian پایدار از انعطاف پذیری وابسته به زمان سنبله. مجله علوم اعصاب ، 20 (23) ، 8812-8821. Google Scholarcross Ref
45. Vislay Meltzer ، R. L. ، Kampff ، A. R. ، & Engert ، F. (2006). ویژگی مکانی و مکانی فعالیت عصبی ، اصلاح زمینه های گیرنده در سیستم رتینوتیك در حال توسعه را هدایت می كند. نورون ، 50 (1) ، 101-114. Google Scholarcross Ref
46. Yoshioka ، M. (2002). قانون یادگیری وابسته به سنبله برای رمزگذاری الگوهای مکانی مکانی در شبکه ای از نورونهای سنبله. فیزیکRev. E. Stat. غیرلیننرمفیزیک ماده ، 65 (1 ص 1) ، 011903. Google Scholarcross Ref
47. Young ، J. M. ، Waleszczyk ، W. J. ، Wang ، C. ، Calford ، M. B. ، Dreher ، B. ، & Obermayer ، K. (2007). سازماندهی قشر مغز سازگار با زمان بندی سنبله-اما انعطاف پذیری وابسته به همبستگی نیست. نات. Neurosc. ، 10 (7) ، 887-895. Google Scholarcross Ref
48. Yu ، A. J. ، Giese ، M. A. ، & Poggio ، T. (2002). اجرای بیوفیزیولوژیکی قابل قبول از حداکثر عملکرد. Comp. عصبی ، 14 (12) ، 2857-2881. کتابخانه Scholardigital Google
49. Yuille ، A. L. ، & Grzywacz ، N. M. (1989). یک مکانیسم برنده همه بر اساس بازخورد مهار پیش سیناپسی. Comp. عصبی ، 1 (3) ، 334-347. کتابخانه Scholardigital Google
50. Zhang ، L. ، Tao ، H. ، Holt ، C. ، Harris ، W. ، & Poo ، M. (1998). یک پنجره مهم برای همکاری و رقابت بین توسعه سیناپسهای شبکیه. طبیعت ، 395 (6697) ، 37-44. Google Scholarcross Ref