Vazebný neuron - Binding neuron - Wikipedia

A vazebný neuron (BN) je abstraktní koncept zpracování vstupních impulsů v generickém neuronu na základě jejich časové koherence a úrovně neuronové inhibice. Matematicky může být koncept implementován většinou neuronových modelů, včetně dobře známých děravý integrovat a střílet Modelka. Koncept BN vznikl v letech 1996 a 1998 v publikacích A. K. Vidybidy ^[1], ^[2]

Popis koncepce

Pro generický neuron jsou stimuly excitační impulsy. Normálně je zapotřebí více než jeden vstupní impuls pro vzrušení neuronu až na úroveň, kdy vystřelí a vydá výstupní impuls. ${ displaystyle n}$ vstupní impulsy v po sobě jdoucích časových okamžicích ${ displaystyle t_ {1}, t_ {2}, tečky, t_ {n}}$. V konceptu BN časová koherence ${ displaystyle tc}$ mezi vstupními impulsy je definován následovně

${ displaystyle tc = { frac {1} {t_ {n} -t_ {1}}} ,.}$

Vysoký stupeň časové koherence mezi vstupními impulsy naznačuje, že v externích médiích vše ${ displaystyle n}$ impulzy mohou být vytvořeny jednou komplexní událostí. Odpovídajícím způsobem, pokud je BN stimulován vysoce koherentní sadou vstupních impulsů, vystřelí a vydá výstupní impuls. V terminologii BN BN váže elementární události (vstupní impulsy) do jedné události (výstupní impuls). K vazbě dochází, pokud jsou vstupní impulsy v čase dostatečně koherentní, a nedojde k tomu, pokud tyto impulsy nemají požadovaný stupeň koherence.

Inhibice v konceptu BN (v podstatě pomalá somatická inhibice draslíku) řídí stupeň časové koherence potřebné pro vazbu: čím vyšší je úroveň inhibice, tím vyšší stupeň časové koherence je nezbytný pro vznik vazby.

Schéma zpracování signálu v souladu s konceptem vazebných neuronů. ${ displaystyle t_ {1}, t_ {2}, tečky, t_ {n}}$ --- okamžiky příjmu vstupních impulsů.

S emitovaným výstupním impulsem se zachází jako s abstraktní reprezentací složené události (množina koherentních vstupních impulsů v čase), viz Schéma.

Původ

„Ačkoli neuron vyžaduje energii, jeho hlavní funkcí je přijímat signály a odesílat je, tj. Zpracovávat informace.“ --- tato slova od Francis Crick poukazují na nutnost popsat fungování neuronů z hlediska zpracování abstraktních signálů ^[3] V tomto kurzu jsou nabízeny dva abstraktní pojmy, jmenovitě „detektor shody“ a „temporální integrátor“,^[4][5]První předpokládá, že neuron vystřelí bodec, pokud je současně přijato několik vstupních impulsů. V konceptu časového integrátoru neuron vystřelí hrot po obdržení řady vstupních impulsů distribuovaných v čase. Každý z těchto dvou bere v úvahu některé vlastnosti skutečných neuronů, protože je známo, že realistický neuron může zobrazovat jak detektory shody, tak režimy dočasného integrátoru aktivita v závislosti na použité stimulaci.^[6]Současně je známo, že neuron spolu s excitačními impulsy přijímá také inhibiční stimulaci. Přirozeným vývojem dvou výše zmíněných konceptů by mohl být koncept, který dává inhibici vlastní rolí zpracování signálu.

V neurovědě existuje myšlenka problém vazby. Například během vizuálního vnímání jsou takové rysy jako forma, barva a stereopse v mozku zastoupeny různými neuronovými sestavami. Mechanismus zajišťující, aby tyto funkce byly vnímány jako patřící k jedinému reálnému objektu, se nazývá „vazba funkcí“.^[7]Experimentálně schválený názor je, že k navázání je nutná přesná časová koordinace mezi neuronovými impulsy,^{[8][9][10][11][12][13]}Tato koordinace znamená hlavně to, že signály o různých vlastnostech musí dorazit do určitých oblastí v mozku v určitém časovém okně.

Koncept BN reprodukuje na úrovni jednoho generického neuronu požadavek, který je nezbytný pro vznik vazby funkce, a který byl formulován dříve na úrovni rozsáhlých neuronálních sestav. Jeho formulace je umožněna analýzou odpovědi Hodgkinův-Huxleyův model na stimuly podobné těm, které skutečné neurony dostávají v přírodních podmínkách, viz níže „Matematické implementace“.

Matematické implementace

Hodgkin – Huxley (H-H) model

Hodgkin – Huxleyův model - fyziologicky podložený neuronový model, který funguje jako transmembránové iontové proudy a popisuje mechanismus generování akční potenciál.

V novinách^[14] reakce modelu H-H byla numericky studována na podněty ${ displaystyle U (t)}$ složený z mnoha excitačních impulsů distribuovaných náhodně v časovém okně ${ displaystyle W}$:

${ displaystyle U (t) = součet _ {k = 1} ^ {NP} V (t-t_ {k}), qquad t_ {k} v [0; W].}$

Tady ${ displaystyle V (t)}$ označuje velikost excitační postsynaptický potenciál v tuto chvíli ${ displaystyle t}$; ${ displaystyle t_ {k}}$ - je okamžik příjezdu ${ displaystyle k}$-tý impuls; ${ displaystyle NP}$ - je celkový počet impulzů, ze kterých se skládá podnět. Čísla ${ displaystyle t_ {k}}$ jsou náhodné, rovnoměrně rozložené v intervalu${ displaystyle [0; W]}$. Stimulační proud aplikovaný v rovnicích H-H je následující

${ displaystyle I (t) = - C_ {M} { frac {dU (t)} {dt}},}$

kde ${ displaystyle C_ {M}}$ - je kapacita jednotkové plochy excitovatelné membrány. Pravděpodobnost generování akčního potenciálu byla vypočítána jako funkce šířky okna ${ displaystyle W}$K rovnicím H-H byly přidány různé konstantní vodivosti draslíku, aby se vytvořily určité úrovně inhibičního potenciálu. Získané závislosti, pokud jsou přepočítány jako funkce ${ displaystyle TC = { frac {1} {W}}}$, která je obdobou časové koherence impulsů ve složeném stimulu, má stupňovitý tvar. Umístění kroku je řízeno úrovní inhibičního potenciálu, viz obr. 1. Kvůli tomuto typu závislosti mohou HH rovnice být považován za matematický model konceptu BN.

Obr. 1. Pravděpodobnost střelby (${ displaystyle fp}$) neuronu typu Hodgkin – Huxley, stimulovaného sadou ${ displaystyle NP}$ vstupní impulsy jako funkce časové koherence impulzů. Křivky zleva doprava odpovídají zvýšení vodivosti draslíku, tj. Zvýšení stupně inhibice.

Děravá integrace a odpálení neuronu (LIF)

Děsivá integrace a odpálení neuronu je široce používaný abstraktní neuronový model. Pokud bychom chtěli uvést podobný problém pro neuron LIF s vhodně zvoleným inhibičním mechanismem, je možné získat také závislost podobnou kroku podobnou obr. 1. Proto také neuron LIF lze považovat za matematický model konceptu BN.

Vazebný neuronový model

Model vazebných neuronů implementuje koncept BN v nejjemnější formě.^[15]V tomto modelu je každý vstupní impuls uložen v neuronu během stanoveného času ${ displaystyle tau}$ a pak zmizí. Tento druh paměti slouží jako náhrada za excitační postsynaptický potenciál.Model má prahovou hodnotu ${ displaystyle N_ {th}}$: pokud počet uložených impulzů BN překročí ${ displaystyle N_ {th}}$pak neuron vystřelí hrot a vyčistí jej vnitřní paměť. Přítomnost inhibice vede ke snížení ${ displaystyle tau}$V modelu BN je nutné během výpočtu reakce neuronu na vstupní stimulaci řídit dobu života jakéhokoli uloženého impulzu. Díky tomu je model BN pro numerickou simulaci komplikovanější než model LIF. Na druhou stranu jakýkoli impuls tráví konečný čas ${ displaystyle tau}$ v neuronu modelu BN. To je na rozdíl od modelu LIF, kde stopy jakéhokoli impulsu mohou být nekonečně dlouhé. Tato vlastnost modelu BN umožňuje přesný popis výstupní aktivity BN stimulované náhodným proudem vstupních impulsů, viz^[16][17].^[18]

Omezující případ BN s nekonečnou pamětí, τ→ ∞, odpovídá časovému integrátoru. Mezní případ BN s nekonečně krátkou pamětí, τ→ 0, odpovídá detektoru shody.

Implementace integrovaných obvodů

Výše uvedené a další neuronální modely a sítě z nich vyrobené mohou být implementovány v mikročipech. Mezi různými čipy stojí za zmínku polní programovatelná hradlová pole. Tyto čipy lze použít k implementaci jakéhokoli neuronového modelu, ale model BN lze naprogramovat nejpřirozeněji, protože může používat pouze celá čísla a nepotřebuje řešení diferenciálních rovnic. Tyto funkce se používají, např. v^[19] a^[20]

Omezení

Jako abstraktní pojem podléhá model BN nezbytným omezením. Mezi ně patří například ignorování morfologie neuronů, stejná velikost vstupních impulsů, nahrazení sady přechodných jevů s různými relaxačními dobami, známé pro skutečný neuron, s jedinou dobou života, ${ displaystyle tau}$impulsu v neuronu, absence žáruvzdornosti a rychlá (chlorová) inhibice. Model BN má stejná omezení, přesto lze některá z nich odstranit v komplikovaném modelu, viz např.^[21] kde se model BN používá s refrakteritou a rychlou inhibicí.

Reference