Лекция 7 Локальные нейронные сети Уровни организации

Лекция 7 Локальные нейронные сети

Уровни организации ЦНС Локальные нейронные системы (цепи, сети, петли и т. д. ). Включает в себя все предыдущие уровни

Процессы, участвующие в формировании нейронных сетей Интеграция синаптических влияний на каждом нейроне Интеграция нейронов между собой

Объединение нейронов в цепи

Объединение нейронов в цепи. Дивергенция Роль дивергенции в процессах обработки информации в ЦНС: Схема дивергенции двух волокон дорзальных корешков спинного мозга – афферентных сенсорных волокон периферических рецепторов – на спинальных нейронах Афферентная сенсорная информация поступает одновременно к разным участкам ЦНС Усиление слабых сигналов за счет увеличения количества «задействованных» нейронов Параллельная обработка в разных отделах мозга Повышение надежности

Объединение нейронов в цепи. Конвергенция Роль конвергенции в процессах обработки информации в ЦНС: Усиление слабых сигналов за счет пространствен ной суммации Схема конвергенции аксонов биполярных клеток на дендритах ганглиозных клеток сетчатки Интеграция влияний из разных источников

Объединение нейронов в цепи. Конвергенция. «Общий конечный путь» Схема конвергенции возбуждающих и тормозных влияний на мотонейроне На одном мотонейроне конвергирует несколько тысяч коллатералей аксонов от разных структур мозга, по которым распространяются возбуждающие и тормозные влияния. Генерация ПД в мотонейроне определяется результирующей этих влияний (интеграцией влияний). Шеррингтон: мотонейрон – «общий конечный путь»

Торможение в локальных сетях спинного мозга Реципрокное торможение обеспечивает координацию активности мышц сгибателей и разгибателей Ограничивает импульсацию мотонейронов спинного мозга, обеспечивающих поддержание позы

Роль латерального торможения – выделение отдельных признаков сенсорных сигналов Латеральное торможение между параллельными нейронными ансамблями препятствует «смешиванию» сигналов, а на границах «усиливает контраст» Движущийся предмет последовательно активирует сенсорные нейроны. Распространению возбуждения по всему нейронному слою второго порядка препятствует ЛТ – так выделяется признак «направление движения» Свет

Латеральное торможение ослабляет сигнал в соседних сенсорных каналах

Циклические сети с отрицательной обратной связью Ритмической чередование возбудительных и тормозных постсинаптических потенциалов под влиянием возвратного торможения в локальной цепи нейронов. Синхронизация ритмического изменения МП множества нейронов в нейронных сетях создает в различных структурах мозга суммарное ритмическое изменение электрической активности.

Объединение нейронов в цепи. Циклические сети с положительной обратной связью Поддержание возникшей однажды активности в нейронной сети. Предполагается, что это - один из механизмов кратковременной памяти.

Некоторые функции нейронных сетей üУсиление слабых сигналов üВыделение отдельных свойств üИнтергация отдельных свойств üПараллельная обработка, повышение надежности üГенерация и поддержание ритмической электрической активности üДлительное поддержание активного состояния нейронов

Исследование нейрофизиологических механизмов поведения на простых нейронных системах беспозвоночных.

Рефлекс сокращения жабр и сифона

На модели этого рефлекса можно исследовать несколько форм научения: Привыкание – уменьшение реакции при повторении безопасных и незначимых для организма стимулов При отмене стимулов рефлекс восстанавливается через некоторое время

Исследование нейронных механизмов привыкания: внутриклеточная регистрация нейронов, участвующих в рефлексе с целю обнаружить, в каком звене этой нейронной цепи происходят изменения При отмене стимулов рефлекс восстанавливается через некоторое время

Возможные причины снижения амплитуды ВПСП в мотонейроне: снижение эффективности синапса СНМН, активность вставочного тормозного нейрона. ВПСП появляется с одинаковой задержкой и весь процесс не зависит от концентрации внекоеточного кальция, который блокирует передачу сигнала во вставочных нейронах Вывод – привыкание происходит за счет снижения эффективности в синапсе СН-МН:

Сенсетизация – усиление реакции при повторяющемся воздействии опасного раздражителя, например электрического разряда

Физиология малых систем нейронов. Рефлексы спинного мозга. Строение спинного мозга. Посегментная иннервация поверхности тела и мышц – особенность строения спинного мозга Шейный Грудной Поясничный Крестцовый

Физиология малых систем нейронов. Рефлексы спинного мозга. Строение сегмента спинного мозга.

Рефлекс – простейшая форма реакции организма на изменение среды и наиболее простая организация нейронной сети.

Физиология малых систем нейронов. Рефлексы спинного мозга. Рефлекс растяжения (миотатический)– моносинаптический. Коленный рефлекс

Рефлексы спинного мозга. Сгибательный рефлекс (отдергивания) и разгибательный рефлекс на противоположной стороне – полисинаптические рефлексы

Свойства полисинаптических рефлексов Суммация слабых раздражителей до достижения порогового уровня (кашлевой рефлекс): уменьшение времени рефлекса при увеличении интенсивности стимула, иррадиация (увеличение количества вовлеченных мышц). Влияние локализации стимула на характер двигательной реакции Привыкание (при раздражении кожи, не вызывающем боли) Сенситизация (болевые рефлексы) (снижение порога, укорочение времени реакции, иррадиация)

Принципиальные отличия мозга от существующих компьютеров ØДля передачи сигналов компьютер использует простой двоичный код (есть сигнал/нет сигнала). На активность нейрона (есть ПД/нет ПД) влияют множество факторов (количество и свойства синапсов, их текущая активность, модулирующие влияния на синапсы и сами нейроны). Работа нейрона – процессора в мозге определяется как состоянием самого нейрона, так и его связями в локальных нейронных сетях ØОбработка информации в мозге происходит параллельно в распределенных сетях, образующих локальные цепи, связанных между собой нейронов, в компьютере – последовательно ØМозг человека, в отличие от компьютера, обладает огромной компенсаторной способностью: он может работать даже при серьезных повреждениях. Ø. В компьютере есть специальное устройство, в котором хранятся данные (память). В мозге человека нет отдельных элементов, отвечающего за хранение информации, и хранение и обработка информации может осуществляться одним и тем же нейроном ØМозг ищет информацию по содержанию и ассоциациям, компьютер – по определенному адресу, который никак не зависит от самой информации ØОбработка информации и ее извлечение из памяти в мозге зависят от целей поведения самого субъекта, которая определяется на физиологическом уровне процессами в мозге, в компьютере алгоритм обработки информации задается извне

Перцептрон - один из самых простых типов искусственных нейронных сетей. Он был придуман в 1957 году Франком Росенблаттом. На вход искусственного нейрона поступает некоторое множество сигналов, каждый из которых является выходом другого нейрона. Каждый вход умножается на соответствующий вес, аналогичный синаптической силе, и все произведения суммируются, определяя уровень активации нейрона.

Сопоставление организации «мыслительной деятельности» стандартного компьютера и нейронной сети Машина фон Неймана (традиционные компьютеры) Сложный Простой Высокоскоростной Низкоскоростной Один или несколько Большое количество Отделена от процессора Процессор Биологическая нейронная система и искусственные нейронные сети Интегрирована в процессор Локализована Распределенная Память

Централизованные Биологическая нейронная система и искусственные нейронные сети Распределенные Последовательные Параллельные Хранимые программы Самообучение Высокая уязвимость Живучесть Машина фон Неймана (традиционные компьютеры) Вычисления Надежность

В наиболее распространенном семействе сетей прямого распространения, называемых многослойным перцептроном, нейроны расположены слоями и имеют однонаправленные связи между слоями. Сети прямого распространения являются статическими: на заданный вход они вырабатывают одну совокупность выходных значений, не зависящих от предыдущего состояния сети. Рекуррентные сети являются динамическими, так как в силу обратных связей в них модифицируются входы нейронов, что приводит к изменению состояния сети.

Применение ИНС Классификация образов. Задача состоит в указании принадлежности входного образа (например, речевого сигнала или рукописного символа), представленного вектором признаков, одному или нескольким предварительно определенным классам. К известным приложениям относятся распознавание букв, распознавание речи, классификация сигнала электрокардиограммы, классификация клеток крови. Аппроксимация функций. Задача аппроксимации состоит в нахождении оценки (приближении ее к известным) неизвестной функции. Аппроксимация функций необходима при решении многочисленных инженерных и научных задач моделирования. Предсказание/прогноз имеют значительное влияние на принятие решений в бизнесе, науке и технике. Предсказание цен на фондовой бирже и прогноз погоды являются типичными приложениями техники предсказания/прогноза. Оптимизация. Многочисленные проблемы в математике, статистике, технике, науке, медицине и экономике могут рассматриваться как проблемы оптимизации. Задачей алгоритма оптимизации является нахождение такого решения, которое удовлетворяет системе ограничений и максимизирует или минимизирует целевую функцию. Память, адресуемая по содержанию. В модели вычислений фон Неймана обращение к памяти доступно только посредством адреса, который не зависит от содержания памяти. Ассоциативная память, или память, адресуемая по содержанию, доступна по указанию заданного содержания. Содержимое памяти может быть вызвано даже по частичному входу или искаженному содержанию. Ассоциативная память используется при создании мультимедийных информационных баз данных. Управление. В системах управления с эталонной моделью целью управления является расчет такого входного воздействия, при котором система следует по желаемой траектории, диктуемой эталонной моделью.