결합 뉴런

결합 뉴런(BN)은 시간적 일관성과 뉴런 억제 수준을 바탕으로 일반 뉴런에서 입력 임펄스를 처리하는 추상적인 개념이다.수학적으로, 이 개념은 잘 알려진 누출형 적분 및 화재 모델을 포함한 대부분의 뉴런 모델에 의해 구현될 수 있다.BN 개념은 A. K. 비디비다에 의해 1996년과 1998년에 시작되었다.^[1][2]

개념 설명

일반적인 뉴런의 경우 자극은 흥분 충동이다.보통 뉴런이 발포하고 출력충동을 방출할 때 수준까지 흥분시키는 데는 1회 이상의 입력충동이 필요하다.뉴런이 연속적인 ${\displaystyle {시간\mathrm{}}_{}}$ t 1,${\displaystyle {}_{}}$t ${\displaystyle {}_{}}$,${\displaystyle }$t ${\displaystyle {2\mathrm{}}_{}}$ ,${\displaystyle {}_{}}$ ${\displaystyle n_{}}$ ${\$의 순간에 $n{\displaystyle }$ ${\displaystyle$ $tc}$ 입력$$ 임펄스를 수신하도록 한다$.$ BN 개념에서 입력 임펄스 사이의$$ 시간적 일치 $t{\displaystyle }$ ${\displaystyle c}$ ${\desplaysty$ tc}은 다음과 같이 정의된다.

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

입력 자극 간의 높은 시간적 일관성은 외부 매체에서 $모든{\displaystyle }$ n ${\displaystyle n}$ 자극이$$ 단일 복합 이벤트에 의해 생성될 수 있음을 시사한다.이에 따라 BN이 매우 일관성 있는 입력 임펄스 집합에 자극을 받으면 발화하여 출력 임펄스를 방출한다.BN 용어에서 BN은 기본 이벤트(입력 충동)를 단일 이벤트(출력 충동)로 묶는다.결합은 입력 임펄스가 시간 내에 충분히 일관성이 있는 경우 발생하며, 그러한 임펄스가 필요한 수준의 일관성을 가지고 있지 않은 경우 발생하지 않는다.

BN 개념의 억제(본질적으로 느린 체성 칼륨 억제)는 결합에 필요한 시간적 일관성의 정도를 제어한다. 즉, 더 높은 수준의 억제, 더 높은 시간적 일관성의 정도는 결합이 일어나기 위해 필요하다.

방출된 출력 임펄스는 복합 사건(시간 입력 임펄스의 일관성 집합)의 추상적 표현으로 취급된다(Scheme)를 참조한다.

기원

프랜시스 크릭 포인트 필요성을 추상적인 신호 처리의 두가지 추상적인 개념, 즉,"우연의 일치 검출기"과 "시간적 integrat[3]측면에서 막을 뉴런 기능을 묘사하기에"비록 신경 세포 에너지를 필요로 한다, 호놀룰루의 주요 기능이 있는데 정보 처리 그들을 보내기 신호를 수신하는 것이다."...-이 말.or"첫 번째 코스는 다수의 입력 자극을 동시에 받으면 뉴런이 스파이크를 발사할 것으로 예상한다.^[4][5]시간적 통합자 개념에서 뉴런은 시간 내에 분산된 다수의 입력 자극을 받은 후 스파이크를 발사한다.현실성 있는 뉴런은 적용된 자극에 따라 우연의 일치 검출기와 시간적 통합자 활동 모드를 모두 표시할 수 있다는 것이 알려져 있기 때문에 두 가지 각각은 실제 뉴런의 몇 가지 특징을 고려한다.^[6] 동시에 흥분성 충동과 함께 뉴런도 억제 자극을 받는 것으로 알려져 있다.위에서 언급한 두 개념의 자연스러운 발전은 자신의 신호 처리 역할로 억제를 내포하는 개념일 수 있다.

신경과학에서는 구속력 있는 문제에 대한 생각이 있다.예를 들어, 시각적 지각 동안 형태, 색, 입체 같은 특징들은 서로 다른 뉴런 조립체에 의해 뇌에 표현된다..[7]그 실험적으로 승인된 의견을 바인딩 이 조정 주로 다른 featu에 대해 알리는 의미 occur,[8][9][10][11][12][13]에 신경 충동 사이 정확한 일시적 조정이 필요하다 그 메커니즘은 단일 실제 개체에 속하는 인식되기 이러한 기능을 보장하기"기능 결합",라고 불린다.Res에 certa 도착해야 한다.특정 시간 내에 뇌에 있는 부위로 말이야

BN 개념은 특징 결합이 일어나는데 필요한 단일 일반 뉴런 수준에서 재현되며, 대규모 뉴런 조립 수준에서 초기에 공식화되었다.그것의 공식화는 호지킨-의 반응 분석을 통해 가능하다.헉슬리는 실제 뉴런이 자연 조건에서 받는 것과 유사한 자극에 대해 모델링을 한다. 아래의 "수학적 구현"을 참조한다.

수학적 구현

호지킨-Huxley(H-H) 모델

호지킨-Huxley 모델 - 생리학적으로 입증된 뉴런 모델로서, 투과성 이온 전류 측면에서 작동하며, 작용 전위 생성 메커니즘을 설명한다.

본 논문에서 ${\displaystyle \mathrm{H-H}}$ 모델의 반응은 시간 $창{\displaystyle }$ W$${\$displaystyle W}$ 내에서 무작위로 분포된 많은 흥분성 충동으로$$ $구성$된 자극 U${\displaystyle }$( t${\displaystyle }$) ${\displaystyle U(t)}$에 대해 수치로 연구되었다$.$

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

여기서 $V{\displaystyle }$( ${\displaystyle t}$) ${\$displaystyle $V(t)}$은 순간 $t{\displaystyle }$ ${\displaystyle t$ t ${\displaystyle k_{}}$ ${\$ —$$는 k ${\displaysty k}$ -th$$ 임펄스의 도착 순간이며, $N{\displaystyle }$ ${\displaystyle P}$ ${\displaystystyle NP}$ —$$는 자극이 구성되는 총 임펄스의 수입니다.$숫자{\displaystyle {}_{}}$ t ${\displaystyle k_{}}${\$displaystyle t_{k}$는 랜덤으로$,{\displaystyle }$ [ ${\displaystyle 0;}$ ${\displaystyle W}$ ${\displaystyle ]}$ ${\displaystyle [0;W]}$ 간격으로 균일하게 분포한다$.$ H-H 방정식에 적용되는 자극 전류는 다음과 같다.

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

여기서 $C{\displaystyle {}_{}}$ ${\displaystyle M_{}}$ ${\$ —$$는 호기성 막의 단위 면적 용량이다.작용 전위를 발생시킬 확률은 창폭 $W{\displaystyle }$ ${\displaystyle W}$의 함수로 계산되었다$.$ 특정 수준의 억제 전위를 생성하기 위해 H-H 방정식에 서로 다른 상수 칼륨 전도성을 추가했다.$T{\displaystyle }$ ${\displaystyle C}$= ${\displaystyle \frac{1}{}}$ W ${\$1}의 함수로 재계산된 경우 얻은 종속성{{\frac$}{$$복합$ 자극에서 충동들의 일시적 일관성과 유사한$$W$}}$은 계단 같은 형태를 가지고 있다.단계의 위치는 억제 전위 수준에 의해 제어된다(그림 1 참조).이러한 유형의 의존성 때문에 H-H 방정식은 BN 개념의 수학적 모델로 취급될 수 있다.

누출성 적분 및 화재 뉴런(LIF)

누출성 적분 및 화재 뉴런은 추상적 뉴런 모델로서 널리 사용되고 있다.적절히 선택된 억제 메커니즘으로 LIF 뉴런에 대해 유사한 문제를 언급하는 경우 그림 1과 유사한 단계적 의존성을 얻을 수 있다.따라서 LIF 뉴런도 BN 개념의 수학적 모델로 간주할 수 있다.

결합 뉴런 모델

결합 뉴런 모델은 BN 개념을 가장 정제된 형태로 구현한다.^[15] 이 모델에서 각 입력 임펄스는 고정 시간 $\tau {\displaystyle }$ ${\displaystyle \tau }$ 동안 뉴런에 저장되었다가$$ 사라진다.이런 종류의 기억은 흥분성 시냅스 후 전위를 대신하는 역할을 한다.모델에는 임계값 $N{\displaystyle {}_{}}$ ${\displaystyle t_{}}$ ${\displaystyle h_{}}$ ${\$: BN 임펄스에 저장된 $수$가 N t ${\displaystyle h_{}}$ ${\$을 초과하면$$ 뉴런이 스파이크를 발사하여 내부 메모리를 지운다.억제력의 존재는 감소된 ${\displaystyle \tau }$를 초래한다$.$BN 모델에서는 입력 자극에 대한 뉴런의 반응을 계산하는 동안 저장된 충동의 생존 시간을 조절할 필요가 있다.이것은 BN 모델을 LIF 모델보다 수치 시뮬레이션에 더 복잡하게 만든다.반면에 어떤 충동도 BN 모델 뉴런에서$$ 유한한 시간 ${\displaystyle \tau }$을 소비한다.이는 어떤 충동의 흔적이 무한히 오래 존재할 수 있는 LIF 모델과는 대조적이다.BN 모델의 이 특성은 임의의 입력 임펄스 스트림으로 자극된 BN의 출력 활동에 대한 정확한 설명을 얻을 수 있다(^[17][18] 참조).

무한 기억력을 가진 BN의 제한 사례인 →→∞은 시간적 통합자에 해당한다.무한히 짧은 메모리를 가진 BN의 제한 사례인 τ→0은 우연 검출기에 해당한다.

집적회로 구현

위에서 언급한 것과 다른 뉴런 모델과 그것들로 만들어진 그물은 마이크로칩으로 구현될 수 있다.다른 칩들 중에서 현장 프로그램 가능한 게이트 배열을 언급할 가치가 있다.이 칩들은 어떤 뉴런 모델의 구현에도 사용될 수 있지만, BN 모델은 정수만 사용할 수 있고 미분 방정식을 풀 필요가 없기 때문에 가장 자연스럽게 프로그래밍될 수 있다.그러한 특징들이 사용된다(예^[20]: 그러한 기능이^[19] 사용된다.

제한 사항

추상적인 개념으로 BN 모델은 필요한 제한을 받는다.그 중에는 뉴런 형태학 무시, 입력 임펄스의 동일한 크기, 실제 뉴런으로 알려진 서로 다른 이완 시간을 가진 과도기 집합의 교체, 단 한 번의 생존으로 뉴런에서의 충동$,$ $굴절성$의 부재, 빠른 ($클로로린)$ 억제 등이 있다.BN 모델도 같은 한계를 가지고 있지만, 예를 들어,^[21] BN 모델을 굴절성과 빠른 억제와 함께 사용하는 복잡한 모델에서 일부를 제거할 수 있다.

참조