Скачать презентацию Векторная ПФ Нейронные карты детекторов Слуховая Скачать презентацию Векторная ПФ Нейронные карты детекторов Слуховая

F_Школа Соколова_Векторная ПФ.ppt

  • Количество слайдов: 43

Векторная ПФ Векторная ПФ

Нейронные карты детекторов Нейронные карты детекторов

Слуховая кора Слуховая кора

Карта детекторов звуков речи Карта детекторов звуков речи

Векторное описание реакций нейронов-детекторов и КН Векторное описание реакций нейронов-детекторов и КН

Вектор x 2 x 1 Скалярное произведение φ Вектор x 2 x 1 Скалярное произведение φ

Многомерное векторное Евклидово пространство x 2 x 3 x 1 i=1, 2, . . Многомерное векторное Евклидово пространство x 2 x 3 x 1 i=1, 2, . . . n

Понятие метрики Понятие метрики

Обобщённая метрика Минковского Обобщённая метрика Минковского

Сити - блок метрика x 2 x 1 Сити - блок метрика Евклидова метрика Сити - блок метрика x 2 x 1 Сити - блок метрика Евклидова метрика

Детектор f 1 S f 2 Предетекторы с1 с2 D=f 1 c 1+f 2 Детектор f 1 S f 2 Предетекторы с1 с2 D=f 1 c 1+f 2 c 2 Детектор f 1, f 2 - пресинаптические возбуждения с1, с2 - непластичные синапсы D - детектор f 1 c 1+f 2 c 2 - возбуждение детектора

Векторный код детекторов Реакции детекторов D 1 Si, j D 2 D 3 Предетекторы Векторный код детекторов Реакции детекторов D 1 Si, j D 2 D 3 Предетекторы D 4 Детекторы

Si, Sj стимулы; – Fi и Fj – векторы пресинаптических возбуждений для стимулов Si Si, Sj стимулы; – Fi и Fj – векторы пресинаптических возбуждений для стимулов Si и Sj; с i– вектор синаптических связей i-го детектора; (F, С) – скалярное произведение вектора возбуждения и вектора синаптических связей; D – вектор возбуждения детектора.

Концептуальная рефлекторная дуга Дет -Детектор S КН - Командный нейрон Дет КН МН Эф Концептуальная рефлекторная дуга Дет -Детектор S КН - Командный нейрон Дет КН МН Эф R Мод - Модулирующий нейрон МН - Мотонейроны Эф - Эффекторы

Векторный код научения f 1 S w 1 u CN=f 1 w 1+f 2 Векторный код научения f 1 S w 1 u CN=f 1 w 1+f 2 w 2 f 2 Детекторы w 2 Командный нейрон f 1, f 2 - пресинаптические возбуждения w 1, w 2 - пластичные синапсы u - безусловное подкрепление CN - командный нейрон f 1 w 1+f 2 w 2 - возбуждение командного нейрона

Управление реакцией Премоторные нейроны CN Мышечные единицы M 1 M 2 M 3 Командный Управление реакцией Премоторные нейроны CN Мышечные единицы M 1 M 2 M 3 Командный нейрон Мотонейроны M 1, M 2, M 3 - мотонейроны R - реакция R

Векторный код управления реакцией Мышечные единицы CN 1 u 1 CN 2 CN 3 Векторный код управления реакцией Мышечные единицы CN 1 u 1 CN 2 CN 3 u 2 M 1 M 2 M 3 Премоторные нейроны Командные нейроны R Реакции Моторные нейроны

U – управляющий вектор; M – вектор возбуждения мотонейронов; G – вектор синаптических U – управляющий вектор; M – вектор возбуждения мотонейронов; G – вектор синаптических связей мотонейрона.

Синапс Хэбба (Organization of Behavior. 1949) Donald Olding Hebb (1904 -1985) Канадский физиолог и Синапс Хэбба (Organization of Behavior. 1949) Donald Olding Hebb (1904 -1985) Канадский физиолог и нейропсихолог Дональд Хебб сформулировал принцип обучения нейронов: связи между нейронами, которые разряжаются одновременно, должны усиливаться. Если аксон клетки А находится достаточно близко, чтобы возбуждать клетку B, и неоднократно или постоянно принимает участие в ее возбуждении, то наблюдается некоторый процесс роста или метаболических изменений в одной или обеих клетках, ведущий к увеличению эффективности синаптической связи между клетками А и В ( «Организация поведения: нейропсихологическая теория» , 1949). Этот принцип получил название «принцип Хебба» и лег в основу первых моделей нейронных сетей. Что существенно, согласно принципу Хебба, связи могут образовываться «автоматически» , за счет естественной организации нейронных сетей.

Синапсы Хэбба в формировании детекторов Si Sj Sk Gi-1 Gi Gi+1 A «Сенситивный» период Синапсы Хэбба в формировании детекторов Si Sj Sk Gi-1 Gi Gi+1 A «Сенситивный» период Gi+2

Векторное кодирование стимула Детекторы B D Предетекторы Рецепторы S Векторное кодирование стимула Детекторы B D Предетекторы Рецепторы S

S 1. . Si. . Sn B S B Log I D D Log S 1. . Si. . Sn B S B Log I D D Log I w. B 1 Di w. Bi Di Dn w. D 1 w. Bn w. Di Dn w. Dn

Si Гностическая единица Si Гностическая единица

Гештальт - пирамида Гностический нейрон Детекторы простых признаков Детекторы сложных признаков S Гештальт - пирамида Гностический нейрон Детекторы простых признаков Детекторы сложных признаков S

Гн 1 Пр. Н 2 Пр. Н 3 С 1 С 1 С 2 Гн 1 Пр. Н 2 Пр. Н 3 С 1 С 1 С 2 С 3 О б Межсенсорные ассоциации

w. B Реакция клетки, E Si e. B w. D Подкрепление (напр. , RF w. B Реакция клетки, E Si e. B w. D Подкрепление (напр. , RF – опыты Wolf Zinger) w. B w. D e. D E=e. Bw. B+e. Dw. D

Si Sj Interstimulus Differences Stimulus is represented by excitation vector is coded by excitation Si Sj Interstimulus Differences Stimulus is represented by excitation vector is coded by excitation vector The difference between the stimuli is measured in the nervous system by the absolute magnitude of. the vector difference (subjective difference: Stevenson’s law): Value Aij between the vectors is the angular measure of difference between (Fehner law) and

Схема эксперимента для получения матрицы субъективных различий Si Sj dij Схема эксперимента для получения матрицы субъективных различий Si Sj dij

Пример матрицы субъективных различий S 1 S 2 S 3 S 4 S 5 Пример матрицы субъективных различий S 1 S 2 S 3 S 4 S 5 S 6 S 1 0 2 4 6 7 9 S 2 2 0 3 4 5 6 S 3 4 3 0 5 6 8 S 4 6 4 5 0 7 8 S 5 7 5 6 7 0 9 S 6 9 6 8 8 9 0

Матрица Декартовых координат стимулов S 1 S 2 S 3 S 4 S 5 Матрица Декартовых координат стимулов S 1 S 2 S 3 S 4 S 5 S 6 X 11 X 21 X 31 X 41 X 51 X 61 X 12 X 22 X 32 X 42 X 52 X 62

Нахождение различий между стимулами из матрицы координат X 2 Sj Xj 2 Si d*ij Нахождение различий между стимулами из матрицы координат X 2 Sj Xj 2 Si d*ij Xi 2 Xi 1 Xj 1 dij=[(xi 1 – xj 1)2 + (xi 2 – xj 2)2]1/2

Корреляционное поле для исходных и рассчитанных в модели различий между стимулами d*ij Рассчитанные различия Корреляционное поле для исходных и рассчитанных в модели различий между стимулами d*ij Рассчитанные различия dij Исходные различия dij

1980 1980

Нейронные сети Кохонена (базовая версия) ƞ – выходная активность нейрона; ƞ 0 – фоновая Нейронные сети Кохонена (базовая версия) ƞ – выходная активность нейрона; ƞ 0 – фоновая активность нейрона; µi – эффективность синаптической передачи; ξi – входная (пресинаптическая) активность.

Модель «синапса Хебба» (Hebb D. Organization of Behavior. 1949) (Кохонен, 1980) Модель «синапса Хебба» (Hebb D. Organization of Behavior. 1949) (Кохонен, 1980)

Gunnar Johansson (1911 - 1998) Ученик гештальт-психолога Дэвида Катца Gunnar Johansson (1911 - 1998) Ученик гештальт-психолога Дэвида Катца

Экспериментальные исследования мнимого (кажущегося) движения, выполненные Максом Вертгеймером, стали истинным началом гештальт-теории. Прежние теории Экспериментальные исследования мнимого (кажущегося) движения, выполненные Максом Вертгеймером, стали истинным началом гештальт-теории. Прежние теории интерпретировали ощущение движения при отсутствии реального физического движения стимула как иллюзию. Макс Вертгеймер и Дэвид Кац рассматривали данный феноменологический факт как вполне психологически валидный, настаивая, что такого рода движение должно иметь свои нейрологические корреляты и отражать работу реальных мозговых механизмов

Motion and perceptual organization Sometimes, motion is the only cue Motion and perceptual organization Sometimes, motion is the only cue

Примеры экспериментов G. Johansson Примеры экспериментов G. Johansson

Motion and perceptual organization • Even “impoverished” motion data can evoke a strong percept Motion and perceptual organization • Even “impoverished” motion data can evoke a strong percept G. Johansson, “Visual Perception of Biological Motion and a Model For Its Analysis", Perception and Psychophysics 14, 201 -211, 1973.