Первая концепция - это представлени

Первая концепция - это представление о «нейронах бабушки» и паттернах нейронной активности. Эту концепцию хорошо иллюстрируют многие искусственные нейронные сети (например, многослойный персептрон (Rosenblatt F., 1962) или сверточные сети (Y. LeCun, Y. Bengio, 1995)). За счет настройки своих синаптических весов нейроны, используемые для моделирования, приобретают способность детектировать определенные статистические свойства, характерные для входной информационной картины. В зависимости от типа информации, которая подается на слой нейронной сети, нейроны в процессе обучения приобретают определенную специализацию. В результате таким нейронам можно сопоставить определенные понятия, детекторами которых они являются. Набор нейронов, отреагировавших на текущий образ, создает паттерн активности, который и описывает происходящее.
При переносе этих идей на реальный мозг слоям искусственной нейронной сети ставятся в соответствие зоны коры, а активность формальных нейронов сопоставляется с вызванной активностью реальных нейронов. Такое сопоставление сразу высвечивает несколько трудноразрешимых проблем.
Еще Мак-Каллок и Пите (Pitts W., McCulloch W.S., 1947) заметили противоречие в том, что паттерновое кодирование требует при передаче информации от одной зоны к другой передачи всей картины активности, при этом пучки проекционных волокон реального мозга явно не соответствуют этому требованию ни по своему объему, ни по характеру связей. J
Интеграция информации при переходе к более обобщенным зонам требует в такой модели увеличения пространства слежения для нейронов более высокого уровня, что не наблюдается в реальной коре. Необходимость отслеживать не локальное рецептивное поле, а все пространство предыдущего уровня коры привело к моделям наподобие неокогнитрона Фукушимы (Fukushima, 1980), использующим плоскости простых клеток, отслеживающих инвариантные паттерны по всему пространству коры. Однако этот подход биологически слабо достоверен и применим, по сути, только при моделировании зрительной коры, где таким образом делается попытка объединения инвариантов одного изображения.
Вторая концепция — это концепция спайковых сетей (например, (Izhikevich, 2007)). Так как активность нейронов — это серии импульсов, то предполагается, что информация кодируется временными интервалами следования спайков и их паттерном. В этом случае пространство коры воспринимается как среда, позволяющая распространять импульсные последовательности, сохраняя при этом их основные временные характеристики. Это хорошо соотносится с тем, что работа мозга сопровождается четко выраженной ритмической активностью, фиксируемой на ЭЭГ. Кроме того, показан (например, (Michael Т. Lippert, Kentaroh Takagaki, Weifeng Xu, Xiaoying Huang, Jian-Young Wu, 2007)) волновой характер распространения активности по пространству коры. Кроме того, есть достаточно веская аргументация в пользу того, что в основе информационных процессов мозга и событийной памяти лежат определенные голографические принципы (Прибрам, 1971). Спайковая модель, поскольку допускает описание интерференционных явлений, дает некоторую надежду на прогресс в этом направлении.
Однако в спайковых сетях пока не удалось показать достаточно сильных и помехоустойчивых механизмов обработки информации. Кроме того, спайковые сети предполагают определенный отход от описания информации в дискретных терминах и переход к ее аналоговому описанию.

Результаты (английский) 1:

The first concept is the idea of "Grandma" neurons and neural activity patterns. This concept well illustrate the many artificial neural network (for example, multilayer Perceptron (f. Rosenblatt, 1962) or svertočnye network (y. LeCun, y. Bengio, 1995)). By configuring their synaptic weights neurons used for modelling, acquire the ability to detect certain statistical properties that are specific to the input picture. Depending on the type of information that is filed on a layer of neurons, neural network during training are becoming specialized. As a result of such neurons can map certain concepts which they are triggered. A set of neurons to react to the current image, creates a pattern of activity, which describes what is happening. При переносе этих идей на реальный мозг слоям искусственной нейронной сети ставятся в соответствие зоны коры, а активность формальных нейронов сопоставляется с вызванной активностью реальных нейронов. Такое сопоставление сразу высвечивает несколько трудноразрешимых проблем. Еще Мак-Каллок и Пите (Pitts W., McCulloch W.S., 1947) заметили противоречие в том, что паттерновое кодирование требует при передаче информации от одной зоны к другой передачи всей картины активности, при этом пучки проекционных волокон реального мозга явно не соответствуют этому требованию ни по своему объему, ни по характеру связей. J Интеграция информации при переходе к более обобщенным зонам требует в такой модели увеличения пространства слежения для нейронов более высокого уровня, что не наблюдается в реальной коре. Необходимость отслеживать не локальное рецептивное поле, а все пространство предыдущего уровня коры привело к моделям наподобие неокогнитрона Фукушимы (Fukushima, 1980), использующим плоскости простых клеток, отслеживающих инвариантные паттерны по всему пространству коры. Однако этот подход биологически слабо достоверен и применим, по сути, только при моделировании зрительной коры, где таким образом делается попытка объединения инвариантов одного изображения. Вторая концепция — это концепция спайковых сетей (например, (Izhikevich, 2007)). Так как активность нейронов — это серии импульсов, то предполагается, что информация кодируется временными интервалами следования спайков и их паттерном. В этом случае пространство коры воспринимается как среда, позволяющая распространять импульсные последовательности, сохраняя при этом их основные временные характеристики. Это хорошо соотносится с тем, что работа мозга сопровождается четко выраженной ритмической активностью, фиксируемой на ЭЭГ. Кроме того, показан (например, (Michael Т. Lippert, Kentaroh Takagaki, Weifeng Xu, Xiaoying Huang, Jian-Young Wu, 2007)) волновой характер распространения активности по пространству коры. Кроме того, есть достаточно веская аргументация в пользу того, что в основе информационных процессов мозга и событийной памяти лежат определенные голографические принципы (Прибрам, 1971). Спайковая модель, поскольку допускает описание интерференционных явлений, дает некоторую надежду на прогресс в этом направлении. Однако в спайковых сетях пока не удалось показать достаточно сильных и помехоустойчивых механизмов обработки информации. Кроме того, спайковые сети предполагают определенный отход от описания информации в дискретных терминах и переход к ее аналоговому описанию.