Global Temporal Dynamic

การสนทนา
การวิจัยที่อธิบายไว้ที่นี่ได้รับแรงบันดาลใจจากการเปลี่ยนแปลงทางโลกของระบบประสาทที่มีชีวิตและโดยเฉพาะอย่างยิ่งความสามารถทางโลกของมนุษย์และสัตว์ที่สูงขึ้น สมองของเราสามารถตอบสนองต่อสัญญาณที่แปรผันตามเวลาสามารถสร้างรูปแบบที่แปรผันตามเวลาสามารถประมวลผลข้อมูล (คิด) เมื่อเวลาผ่านไปสามารถแสดงแนวคิดและรูปภาพทางจิตใจสำหรับช่วงเวลาตามอำเภอใจและมีสถานะที่แตกต่างกัน ตื่นขึ้นมาตื่นนอน) นอกจากนี้เราดูเหมือนจะมีทักษะและพลวัตที่เกี่ยวข้องกับเวลาโดยอัตโนมัติเช่นการจดจำรูปแบบ spatiotemporal เมื่อเกิดขึ้น การประสานงานของการประมวลผลภายในในสมองแม้จะไม่มีนาฬิกาเวลาควบคุมที่ชัดเจน และการมีกิจกรรมพลวัตที่ยั่งยืนในตัวเองในหลาย ๆ พื้นที่ของสมองผ่านการสั่น (เช่นเซลล์ประสาทระบบทางเดินหายใจ) หรือกิจกรรมต่อเนื่องอื่น ๆ ที่ซับซ้อนกว่านี้ (“ กิจกรรมที่เกิดขึ้นเอง”) อาเรย์ของความสามารถทางโลกและกิจกรรมที่แปรผันตามเวลาที่กว้างขวางนี้ชี้ไปที่เครือข่ายประสาทแบบไดนามิกชั่วคราวที่ใช้กระบวนการเหล่านี้ จนถึงปัจจุบันรุ่นของระบบประสาทจำนวนมากแสดงความสามารถในการทำแผนที่รูปแบบ แต่ขาดการเปลี่ยนแปลงและพฤติกรรมชั่วคราวของระบบที่พวกเขาตั้งใจจะทำแบบจำลอง
เราได้สำรวจกระบวนทัศน์ที่เกี่ยวข้องกับกิจกรรมไดนามิกในเครือข่ายประสาทเทียม เราได้แสดงให้เห็นว่าแบบจำลองง่ายๆของโครงข่ายประสาทสามารถพัฒนาตัวดึงดูดแบบไดนามิกกิจกรรมที่ยั่งยืนด้วยตนเองและความสับสนวุ่นวายได้อย่างไร ควบคุมพารามิเตอร์ g ซึ่งเป็นตัวคูณน้ำหนักช่วยให้การปรับพลวัตด้วยความก้าวหน้าจากตัวดึงดูดจุดตรึงแบบง่ายไปจนถึงความโกลาหล เมื่อเราสร้างรูปแบบกิจกรรมที่วุ่นวายในเครือข่ายประสาทเราสามารถใช้รูปแบบการกระตุ้นและล็อคเครือข่ายให้เป็นตัวดึงดูดรอบ จำกัด ภาพจำลองนี้แสดงถึงวิธีการจดจำรูปแบบและการจำแนกสัญญาณ เนื่องจากระบบแบบไดนามิกอาจมีขอบเขตลุ่มน้ำที่ซับซ้อนสำหรับตัวดึงดูดจึงมีเหตุผลที่จะคาดหวังว่าประสิทธิภาพที่เพิ่มขึ้นและความสามารถในการวางนัยทั่วไปจากวิธีการประเภทนี้
การพัฒนาตัวดึงดูดหลายตัวในโครงข่ายประสาทเทียมสามารถทำได้โดยวิธีการแบบเสริมแรงกับการรบกวนของน้ำหนัก ในเครือข่ายที่เกิดขึ้นชุดของสถานะเริ่มต้นแต่ละทำให้เกิดความดึงดูดของตัวเอง งานการคำนวณในการจำแนกรูปแบบและหน่วยความจำเชื่อมโยงสามารถทำได้ผ่านสถานะเริ่มต้นที่แตกต่างกันทำให้เกิดตัวดึงดูดไดนามิกที่แตกต่างกัน
ในเครือข่ายไบนารี่ไดนามิกการสำรวจแอสซิสแทนอร์และความยืดหยุ่นของแอพพลิเคชั่นนั้นแสดงให้เห็นว่าความสามารถในการดึงดูดความสนใจจะสูงกว่าจำนวนความทรงจำในเครือข่าย Hopfield คงที่ (0.15n) ด้วยเซลล์ประสาทเพียงห้าเซลล์ในเครือข่ายไบนารี่แบบไดนามิกคุณจะสามารถเรียนรู้ลุ่มน้ำได้หลายพันคลาส
ในการฝึกอบรมตัวดึงดูดเฉพาะเข้าไปในโครงข่ายประสาทเทียมโครงข่ายประสาทที่มีการหน่วงเวลาได้รับการฝึกฝนให้สร้างวิถีโคจรแบบวงปิด เครือข่ายที่ได้รับการฝึกอบรมสร้างวิถีการทำงานนี้แม้จะมีเงื่อนไขการเริ่มต้นที่มีเสียงดังและด้วยส่วนเริ่มต้นที่แตกต่างกัน ผลลัพธ์ที่ได้คือสัญญาณที่แข็งแกร่งและตัวสร้างเส้นทางสำหรับแอปพลิเคชันการสื่อสารและการควบคุม
รถไฟ Impulse เพิ่มมิติใหม่ของการประมวลผลแบบ spatiotemporal ในระบบประสาทชีวภาพ รูปแบบชั่วคราวของแรงกระตุ้นเส้นประสาทและซิงโครไนซ์ในกลุ่มของเซลล์ประสาทเป็นรหัสสมมุติสำหรับการประมวลผลข้อมูลและการเป็นตัวแทน กิจกรรมการยิงของเซลล์ประสาทและตระการตาประสาทสามารถสะท้อนชั่วคราวและดึงดูดแบบไดนามิกซ้อนทับบนโครงสร้างรถไฟแรงกระตุ้นของการประมวลผลประสาทชีวภาพ
ปัญหาทั่วไปของการรับรู้และการสร้างสัญญาณ spatiotemporal ดูเหมือนจะแก้ไขได้ด้วยเครือข่ายประสาทแบบไดนามิกแม้ว่าการวิจัยจำนวนมากยังคงต้องทำ ความสามารถในการสร้างและฝึกกิจกรรมที่ยั่งยืนด้วยตนเองตามตัวดึงดูดแบบไดนามิกจะแสดงในผลลัพธ์เบื้องต้นที่อธิบายไว้ที่นี่