Global Temporal Dynamic

Thảo luận
Nghiên cứu được mô tả ở đây được thúc đẩy bởi các động lực học tạm thời của các hệ thống thần kinh sống và đặc biệt là khả năng tạm thời của con người và động vật bậc cao. Bộ não của chúng ta có thể phản ứng với các tín hiệu thay đổi theo thời gian, có thể tạo ra các mẫu thay đổi theo thời gian, có thể xử lý thông tin (suy nghĩ) theo thời gian, có thể biểu thị các khái niệm và hình ảnh về mặt thời gian tùy ý và có các trạng thái khác nhau của hoạt động tự duy trì ( thức, đánh thức, ngủ). Hơn nữa, chúng ta dường như tự động có các kỹ năng và động lực liên quan đến thời gian như nhận biết các mô hình không gian khi chúng xảy ra; phối hợp xử lý nội bộ trong não, mặc dù không có đồng hồ thời gian kiểm soát rõ ràng; và sự hiện diện của hoạt động năng động tự duy trì trong nhiều khu vực của não, thông qua dao động (ví dụ, tế bào thần kinh hô hấp) hoặc hoạt động tiếp tục phức tạp khác (hoạt động tự phát Hồi giáo). Mảng rộng lớn này của các khả năng tạm thời và hoạt động thay đổi theo thời gian chỉ ra một mạng lưới thần kinh động theo thời gian theo các quy trình này. Cho đến nay, nhiều mô hình thần kinh cho thấy khả năng lập bản đồ mẫu nhưng thiếu tính năng động và hành vi tạm thời của các hệ thống mà chúng dự định mô hình hóa.
Chúng tôi đã khám phá một loạt các mô hình liên quan đến hoạt động năng động trong các mạng lưới thần kinh. Chúng tôi đã minh họa làm thế nào một mô hình đơn giản của một mạng lưới thần kinh có thể phát triển các lực hấp dẫn động, hoạt động tự duy trì và hỗn loạn. Kiểm soát tham số g, hệ số nhân trọng lượng, cho phép điều chế động lực học với sự tiến triển từ một công cụ thu hút điểm cố định đơn giản sang hỗn loạn. Khi chúng ta tạo các mẫu hoạt động hỗn loạn trong mạng thần kinh, chúng ta có thể áp dụng mô hình kích thích và khóa mạng vào một công cụ thu hút chu kỳ giới hạn. Kịch bản này đặt ra một cách tiềm năng để thực hiện nhận dạng mẫu và phân loại tín hiệu. Bởi vì các hệ thống động có thể có ranh giới lưu vực phức tạp cho những người thu hút của họ, có lý do để mong đợi tăng hiệu suất và khả năng khái quát hóa từ cách tiếp cận này.
Phát triển nhiều người thu hút trong một mạng lưới thần kinh có thể được thực hiện thông qua một phương pháp bồi đắp với nhiễu loạn trọng lượng. Trong mạng kết quả, một tập hợp các trạng thái ban đầu, mỗi trạng thái gợi lên sức hấp dẫn riêng của chúng. Các nhiệm vụ tính toán trong phân loại mẫu và bộ nhớ kết hợp có thể được thực hiện thông qua các trạng thái ban đầu khác nhau gợi lên các yếu tố thu hút động khác nhau.
Trong các mạng nhị phân động, việc thăm dò các lưu vực thu hút và tính linh hoạt của các lưu vực thu hút đó cho thấy khả năng của các công cụ thu hút cao hơn đáng kể so với số lượng bộ nhớ trong mạng Hopfield tĩnh (0,15n). Chỉ với năm nơ-ron trong một mạng nhị phân động, hàng ngàn lớp lưu vực có thể phân chia các kiểu mẫu thành các lưu vực khác nhau.
Để đào tạo một người thu hút cụ thể vào một mạng lưới thần kinh, một mạng lưới thần kinh với độ trễ thời gian đã được đào tạo để tạo ra một quỹ đạo vòng kín. Mạng được đào tạo tạo ra quỹ đạo này bất chấp các điều kiện bắt đầu ồn ào và với các phân đoạn ban đầu khác nhau. Kết quả là một bộ tạo tín hiệu và đường dẫn mạnh mẽ cho các ứng dụng truyền thông và điều khiển.
Các chuyến tàu Impulse thêm một chiều hướng mới của quá trình xử lý không gian trong các hệ thống thần kinh sinh học. Các mô hình tạm thời của các xung thần kinh và sự đồng bộ giữa các nhóm tế bào thần kinh là các mã giả định để xử lý thông tin và biểu diễn. Hoạt động bắn của các nơ-ron thần kinh và các tổ hợp thần kinh có thể phản ánh các quá độ và các lực hấp dẫn động được đặt lên trên cấu trúc đào tạo xung của quá trình xử lý thần kinh sinh học.
Vấn đề chung về nhận dạng và tạo tín hiệu không gian xuất hiện có thể giải quyết được với các mạng thần kinh động, mặc dù vẫn còn nhiều nghiên cứu phải được thực hiện. Khả năng tạo và huấn luyện hoạt động tự duy trì, dựa trên các công cụ thu hút dao động động, được thể hiện trong các kết quả sơ bộ được mô tả ở đây.