Математика показывает, как мозг остается стабильным в условиях внутреннего шума и разнообразного мира. - PSORDOC

Математика показывает, как мозг остается стабильным в условиях внутреннего шума и разнообразного мира.

Играете ли вы в Го в парке среди щебетания птиц, легкого ветра и детей, играющих в ловушку поблизости, или вы играете в логове с тикающими часами на книжном шкафу и мурлыкающим котом на диване, если игровая ситуация идентичная и понятная ваш следующий ход, вероятно, тоже будет, независимо от этих различных условий. Вы по-прежнему будете играть тот же следующий ход, несмотря на широкий спектр внутренних ощущений или даже если несколько нейронов здесь и там просто немного неустойчивы. Как мозг преодолевает непредсказуемые и изменяющиеся нарушения, чтобы производить надежные и стабильные вычисления? Новое исследование нейробиологов Массачусетского технологического института предоставляет математическую модель, показывающую, как такая стабильность по своей природе возникает из нескольких известных биологических механизмов.

Более фундаментальная, чем умышленное использование когнитивного контроля над вниманием, модель, разработанная командой, описывает склонность к надежной стабильности, которая встроена в нейронные цепи благодаря связям или «синапсам», которые нейроны создают друг с другом. Уравнения, которые они вывели и опубликовали в PLOS Computational Biology, показывают, что сети нейронов, участвующие в одних и тех же вычислениях, будут многократно сходиться к одним и тем же паттернам электрической активности, или «скоростям возбуждения», даже если они иногда произвольно нарушаются естественной шумностью отдельных людей. нейроны или произвольные сенсорные стимулы, которые мир может произвести.

«Как мозг понимает эту чрезвычайно динамичную, нелинейную природу нейронной активности?» — сказал соавтор исследования Эрл Миллер, профессор нейробиологии Пикауэра в Институте обучения и памяти Пикауэра и на факультете мозговых и когнитивных наук (BCS) Массачусетского технологического института. «Мозг шумный, есть разные стартовые условия — как мозг достигает стабильного представления информации перед лицом всех этих факторов, которые могут его сбить с толку?»

Чтобы выяснить это, лаборатория Миллера, изучающая, как нейронные сетипредставлять информацию, объединил усилия с коллегой по BCS и профессором машиностроения Жан-Жаком Слотином, который возглавляет Лабораторию нелинейных систем в MIT. Слотин применил математический метод «анализа сжатия» — концепцию, разработанную в теории управления, — вместе с инструментами, разработанными в его лаборатории для применения этого метода. Сужающиеся сети демонстрируют свойство траекторий, которые начинаются из разрозненных точек, в конечном итоге сходятся в одну траекторию, как притоки в водоразделе. Они делают это, даже когда входные данные меняются со временем. Они устойчивы к шуму и помехам, и они позволяют объединять вместе многие другие контрактные сети без потери общей стабильности — подобно тому, как мозг обычно интегрирует информацию из многих специализированных областей.

(564 публикаций на сайте)

(Пока оценок нет)
Загрузка...
Понравилась статья? Поделиться с друзьями:
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!:

Содержание

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам:

Adblock
detector