तंत्रिका तंत्र का सिम्युलेटर। भाग 3. साहचर्य तंत्रिका संबंधी

तंत्रिका तंत्र के सिम्युलेटर पर काम में, अब तक हम केवल इसके काम के अच्छी तरह से अध्ययन किए गए पहलुओं के साथ काम कर रहे हैं। लेकिन तंत्रिका तंत्र के मॉडलिंग की जटिलता और कृत्रिम बुद्धिमत्ता का कारण अभी तक नहीं बनाया गया है, तंत्रिका कोशिका कैसे काम करती है, इसकी पूरी समझ का अभाव है। तंत्रिका सेल और तंत्रिका तंत्र में होने वाली कई प्रक्रियाएँ पूरी तरह से वर्णित हैं, लेकिन उनके काम के लिए कोई स्पष्ट एल्गोरिथ्म नहीं है जिसे किसी मॉडल या कंप्यूटर प्रोग्राम में स्थानांतरित किया जा सकता है।

एक न्यूरॉन एल्गोरिदम के सरल विचार ने इस समस्या को हल करने में मदद की।

सामग्री
1. तंत्रिका तंत्र के सिम्युलेटर। भाग 1. सरल योजक
2. तंत्रिका तंत्र का सिम्युलेटर। भाग 2. संशोधित न्यूरोलेमेंट
3. तंत्रिका तंत्र सिम्युलेटर। भाग 3. साहचर्य तंत्रिका संबंधी
4. स्मृति, स्मृति समेकन और दादी न्यूरॉन्स
5. भावना मॉडलिंग या नवीनता की इलेक्ट्रॉनिक भावना
6. अद्भुत अनुमस्तिष्क
7. संरचना और मस्तिष्क सेटिंग्स शुरू

मुझे जेफ हॉकिंस की पुस्तक ऑन इंटेलिजेंस से एक पहेली को इकट्ठा करने के साथ मस्तिष्क के काम के सिद्धांत को आकर्षित करने की समानता पसंद है। इस पहेली को संकलित करने में, हमारे पास कुछ तत्वों और कुछ तत्वों की दूसरी पहेली से कमी है, लेकिन हमारे पास तंत्रिका तंत्र और मस्तिष्क पर डेटा की एक बड़ी सरणी है, जिसका अर्थ है कि हमारे पास लगभग एक इकट्ठी पहेली है, इसलिए हम लगभग पूरी तस्वीर की कल्पना कर सकते हैं, और उपयोग कर सकते हैं हमारी कल्पना से लापता तत्वों की पहचान होती है।

मेरा लक्ष्य तंत्रिका तंत्र का एक तार्किक मॉडल बनाना है, हम एक अधूरे पहेली पर चित्रण के एक स्केच के निर्माण को कह सकते हैं, इसके अलावा, यह पहेली के सभी उपलब्ध तत्वों के साथ मेल खाना चाहिए और विरोध नहीं करना चाहिए। अंतराल में भरने के लिए, कुछ सैद्धांतिक आधार बनाया गया था, जो कुछ के लिए विवादास्पद लग सकता है। लेकिन इस स्तर पर मॉडल के लिए, मुख्य बात यह है कि यह आपको तंत्रिका तंत्र में होने वाली आंतरिक और बाहरी दोनों प्रकार की घटनाओं का अनुकरण करने की अनुमति देता है। प्राप्त मॉडल के ढांचे के भीतर, कई घटनाओं को समझाया जा सकता है, जैसे कि स्मृति और स्मृति समेकन, भावनाओं, न्यूरॉन्स की विशेषज्ञता, और बहुत कुछ।

दूसरे भाग में, हमने पाया कि शिक्षाविद I.P द्वारा तीन प्रकार की प्रतिवर्त गतिविधि स्थापित की गई हैं। पावलोव। यदि लत और संवेदीकरण के जैविक तंत्र के साथ सब कुछ बहुत स्पष्ट है, तो वातानुकूलित सजगता का गठन इतना सरल नहीं है जितना कि लगता है। तथ्य यह है कि इस तंत्र की बाहरी अभिव्यक्तियों का व्यापक रूप से अध्ययन और वर्णन किया गया है, इस बात का कोई स्पष्टीकरण नहीं है कि सेलुलर स्तर पर यह कैसे होता है।





उदाहरण के लिए, हम जानते हैं कि जब दो तंत्रिका केंद्रों की गतिविधि को समय के साथ जोड़ा जाता है, तो उनके बीच एक पलटा चाप बनता है। यानी बाद में, एक तंत्रिका केंद्र के सक्रियण पर, दूसरे तंत्रिका केंद्र में उत्तेजना का हस्तांतरण होगा। यदि हम इस तरह के एक पलटा चाप को खंडों में विभाजित करते हैं, और ऐसे खंडों को व्यक्तिगत तत्व मानते हैं। यह कहा जा सकता है कि जब एक वातानुकूलित पलटा का रिफ्लेक्स चाप बनता है, तो प्रत्येक खंड में दिशात्मक स्विचिंग होती है। प्रत्येक खंड एक विशिष्ट दिशा का चयन करता है जिसमें यह होगा, सक्रिय होने पर तंत्रिका उत्तेजना का संचरण होता है। बेशक, यह ध्यान देने योग्य है कि यह दिशा खंड के लिए स्पष्ट रूप से परिभाषित नहीं है, लेकिन कुछ मूल्यों में सहसंबद्ध हो सकती है।तुम भी एक निश्चित दिशा में संचरण को मजबूत करने और अन्य दिशाओं में कमजोर करने के बारे में बात कर सकते हैं।



जब बार-बार दोहराए जाने से पलटा मजबूत होता है, तो हम प्रत्येक खंड के लिए दिशा में संचरण को परिष्कृत और मजबूत करने के बारे में बात कर सकते हैं। यह अवधारणा इस निष्कर्ष की ओर ले जाती है कि यदि हम पूरे कोर्टेक्स को समान खंडों में विभाजित करते हैं, तो हम प्रत्येक दिशा में एक निश्चित अभिविन्यास का निरीक्षण अलग-अलग सटीकता और शक्ति के साथ करेंगे। प्रत्येक खंड को वातानुकूलित या बिना शर्त रिफ्लेक्स के कुछ रिफ्लेक्स चाप के एक भाग से सुखाया जाएगा। संभवतः, सीखने की प्रक्रिया में इस अभिविन्यास को परिष्कृत या बदला जा सकता है।



यदि हम तंत्रिका प्रतिमान की ओर मुड़ते हैं, तो यह दिशा में अभिविन्यास प्रदान नहीं करता है। हमारे पास एक झिल्ली और डेंड्राइट्स हैं जो सिग्नल और एक अक्षतंतु प्राप्त करते हैं, जिसके साथ सिग्नल को अंतरिक्ष-समय के सारांश के बाद अन्य कोशिकाओं में प्रेषित किया जाता है, अर्थात, सिग्नल एक दिशा में अक्षतंतु के साथ इसके सिरों तक प्रेषित होता है। लेकिन एक ही समय में, हम अभी भी मस्तिष्क में उत्तेजना के निर्देशित वितरण के गठन का निरीक्षण करते हैं, वातानुकूलित सजगता के साथ।

न्यूरॉन प्रतिमान

, . . -, , .. . -, - -. -, . , — , . , . , , . .

यदि हम एक एकल कक्ष को दिशात्मक स्विचिंग की एक कार्यात्मक इकाई के रूप में नहीं मानते हैं, लेकिन कोशिकाओं का एक छोटा क्षेत्र है, तो हम देख सकते हैं कि कोशिकाएं और उनकी प्रक्रियाएं बहुत कसकर, और अलग-अलग दिशाओं में होती हैं। यह विभिन्न दिशाओं में कई इनपुट और आउटपुट के साथ दिशात्मक संचार का एक तत्व प्रदान करता है।



न्यूरॉन का आकार विकासवादी परिवर्तनों के कारण है। कोशिका का आकार तंत्रिका तंत्र में बना था जिसमें केवल तंत्रिका गतिविधि का सबसे सरल कार्य किया गया था। जब पृथ्वी पर जीवन के विकास के लिए तंत्रिका तंत्र के कार्यों के सेट के लिए कैच रिफ्लेक्सिस के गठन की आवश्यकता होती है, तब विकास सेल पुनर्गठन के मार्ग का पालन नहीं करता था, लेकिन उनकी संख्या में वृद्धि और उनकी प्रक्रियाओं की घनी अंतरविकास।

इस प्रकार, दिशात्मक स्विचिंग की संपत्ति को न्यूरॉन्स के समूहों में वितरित किया जाता है, उनके सिनेप्स की ताकत में बदलाव होता है। मॉडलिंग में एक सहयोगी तंत्रिका तंत्र एक कार्यात्मक इकाई है और इसलिए इसके लिए जीव विज्ञान में एक एनालॉग न्यूरॉन्स का एक समूह है जिसके लिए दिशात्मक स्विचिंग की घटना व्यक्त की जाएगी।

हमें पता चला कि उत्तेजना के प्रसार की दिशा हमारे लिए महत्वपूर्ण है, लेकिन प्रत्येक कार्यात्मक तत्व के लिए इस दिशा का निर्धारण कैसे किया जाता है। यह ज्ञात है कि उत्तेजना उत्तेजना के दूसरे स्रोत तक फैलती है, और उत्तेजना का एक मजबूत और व्यापक फोकस कमजोर लोगों (आई। पावलोव के निष्कर्ष) को आकर्षित करता है। यानी यदि एक कार्यात्मक तत्व उत्तेजना प्राप्त करता है, तो किसी तरह इसे उस दिशा को निर्धारित करना चाहिए जो बाद में इसकी संरचना में बनाई और बनाए रखी जाएगी।

मॉडलिंग पर अपने काम में, मैंने तंत्रिका कोशिकाओं के विद्युत चुम्बकीय संपर्क के विचार से शुरू किया , और इस विचार ने मस्तिष्क के बारे में कई पहेलियों के जवाब दिए, एक सिद्धांत और मॉडल दिया जो तंत्रिका तंत्र के कई पहलुओं को बताता है।



पूरे तंत्रिका तंत्र में तंत्रिका आवेग का एक ही आकार होता है, और इसके साथ सादृश्य द्वारा, एक सहयोगी तंत्रिका तंत्र में एक चार्ज की संपत्ति होती है जो एक कार्यात्मक इकाई के झिल्ली की सतह पर कुल चार्ज में परिवर्तन को दर्शाती है। यानी एक निश्चित विशेषता के परिवर्तन का एक निश्चित नियम जिसे चार्ज कहा जाता है।



तो कानून कार्यक्रम में सेट किया गया है, क्षैतिज पैमाने एक सेकंड के सौवें में समय है, सापेक्ष इकाइयों में ऊर्ध्वाधर चार्ज। यह स्पाइक शेड्यूल से कुछ हद तक भिन्न होता है, जो कि अधिकतम समय में होता है। यह इस तथ्य के कारण है कि स्पाइक के मूल्यों को उत्तेजना के पारित होने के दौरान तंत्रिका ऊतक में एक बिंदु पर निर्धारित किया जाता है, और चार्ज ग्राफ एक सेल या कोशिकाओं के समूह की सभी सतह पर चार्ज का प्रतिबिंब है। साथ ही, तंत्रिका ऊतक के बाकी हिस्सों की स्थिति को चार्ज स्केल पर शून्य के रूप में लिया जाता है। यह ध्यान दिया जाना चाहिए कि चार्ज परिवर्तन का कानून ट्रेस क्षमता को भी दर्शाता है, जिसे पहले झिल्ली द्वारा अलग किए गए चार्ज के एक निश्चित दोलन या संरेखण के परिणामस्वरूप माना जाता था, लेकिन मॉडल के लिए चार्ज का यह व्यवहार बहुत महत्वपूर्ण था।



ऊपर दिया गया आंकड़ा एक सहयोगी न्यूरेलमेंट का आरेख दिखाता है। प्रत्यक्ष-अभिनय सिनैप्स (एक्स 1, एक्स 2, एक्स 3 ... एक्सएन) से सिग्नल योजक (ए) में प्रवेश करते हैं। और यदि परिणामी राशि एक निश्चित सीमा (बी) से अधिक हो जाती है, तो एक न्यूरॉलेमेंट सक्रिय हो जाएगा। जब एक न्युरोएलेमेंट सक्रिय हो जाता है, तो इसका चार्ज स्थापित कानून (सी) के अनुसार बदलना शुरू हो जाएगा। इन परिवर्तनों और तत्व के स्थान के बारे में जानकारी पूरी प्रणाली के लिए उपलब्ध होगी। अगला, एक निश्चित समय पर, उत्तेजना (जी) के प्रसार की पसंदीदा दिशा के वेक्टर को निर्धारित करने के लिए तंत्र शुरू होता है। यह सभी सक्रिय न्यूरॉलेमेंट्स की एक निश्चित औसत चार्ज स्थिति प्राप्त करने से होता है, अर्थात। अंतरिक्ष में एक बिंदु की विशेषता, आरोपों के द्रव्यमान का केंद्र। इस बिंदु को पैटर्न का बिंदु कहा जाता है,क्योंकि सक्रिय कोशिकाओं के प्रत्येक संयोजन और उनके आरोपों की स्थिति के लिए प्रत्येक न्यूरॉलेमेंट के लिए समय पर गणना की जाती है, इस बिंदु की स्थिति अलग होगी। सीधे शब्दों में कहें, तो न्यूरेलमेंट्स के आरोप उत्तेजना के पसंदीदा प्रसार की दिशा वेक्टर के निर्धारण को प्रभावित करते हैं, एक सकारात्मक चार्ज उत्तेजना को आकर्षित करता है, एक नकारात्मक चार्ज repels।

पसंदीदा उत्तेजना प्रसार के वेक्टर को निर्धारित करने के लिए, एक नियम चुना गया था:



आर जहां वेक्टर है जिसकी शुरुआत न्यूरोलेमेंट के केंद्र में होती है, जिसके लिए वेक्टर निर्धारित होता है, और अंत नथ न्यूरेलमेंट के केंद्र में होता है।

आवेश परिवर्तन के नियम और कानून को अनुभवपूर्वक चुना गया था, ताकि सशर्त सजगता के गठन का अनुकरण किया जा सके। लेख में अधिक जानकारी ।



उत्तेजना (टी) के प्रसार की पसंदीदा दिशा के वेक्टर प्राप्त करने के बाद, synapses (Y1, Y2, Y3 ... Yn) की गणना की जाती है। प्रत्येक सिनैप्स को एक सिनैप्स वेक्टर (एस) की विशेषता है, जिसकी शुरुआत न्यूरोलेमेंट के केंद्र में होती है और अंत लक्ष्य न्यूरोलेमेंट के केंद्र से जुड़ा होता है, जिस पर सिग्नल प्रसारित होता है। सिनैप्स का मुख्य पैरामीटर इसकी ताकत एफ है, बल का मूल्य एक निश्चित ढांचे के भीतर सीमित है, उदाहरण के लिए, इंडक्शन सिनैप्स में 0 से 10 तक मान हो सकते हैं।

कल्पना कीजिए कि वेक्टर टी अपने चारों ओर एक शंकु बनाता है जिसका शीर्ष न्यूरोलेमेंट के केंद्र में स्थित है, और बेस प्लेन वेक्टर टी के लंबवत है, यदि सिंटैप वेक्टर इस शंकु से बंधे हुए क्षेत्र में आता है, तो सिंटैप का मान एक निश्चित मूल्य से बढ़ जाएगा। और तदनुसार, यदि श्लेष्म वेक्टर शंकु के क्षेत्र के बाहर है, तो श्लेष्म बल कम हो जाता है, लेकिन बल मूल्य स्थापित अधिकतम और न्यूनतम से आगे नहीं जाता है।

वेक्टर टी के चारों ओर शंकु का क्षेत्र दिए गए शंकु के शीर्ष पर कोण द्वारा विशेषता है, इस कोण को फोकस कहा जाता है। जितना छोटा फोकस होगा, उतना ही सटीक रूप से न्यूरॉलेमेंट में उत्तेजना के संचरण की दिशा निर्धारित की जाएगी। जैसा कि पहले उल्लेख किया गया है, जब शरीर उसी वातानुकूलित पलटा को दोहराता है, तो इसे परिष्कृत किया जाता है। इसलिए, वेक्टर के लिए गणना करते समय, मॉडल के लिए निम्न फ़ोकस परिवर्तन विधि को चुना गया था, इसकी तुलना इसके पिछले मान से की जाती है, और यदि वेक्टर का महत्व बदल जाता है, तो फ़ोकस एक निश्चित मान से कम हो जाता है, लेकिन यदि वेक्टर को दृढ़ता से बदला गया है, तो फोकस अपने अधिकतम मूल्य पर लौटता है। यह समान स्थितियों की पुनरावृत्ति के साथ फ़ोकस में धीरे-धीरे कमी की ओर जाता है।

यह एक बहुत महत्वपूर्ण बिंदु है, यह है कि प्रत्येक सक्रियण के साथ सिनेप्स की ताकत कितनी बदल जाएगी। यह न्यूरोप्लास्टिकिटी पैरामीटर पी द्वारा निर्धारित किया जाता है। सिंकैप्स

बल के नए मूल्य के लिए सूत्र होगा:

Fnew = Fold + I × P × (Fmax - Fmin);
Fmin min Fnew m Fmax;
जहां P न्यूरोप्लास्टिक है (0 is P; 1);
मैं एक ऐसा पैरामीटर है जो यह निर्धारित करता है कि सिंकट वेक्टर शक्ति बढ़ने के क्षेत्र के भीतर है (I = 1) या घटती हुई सिंकैप्स शक्ति के क्षेत्र में (I = -1);
गुना - पिछले सिनैप्स ताकत मूल्य;
Fmin - सिनैप्स बल का न्यूनतम मूल्य;
Fmax - सिनैप्स बल का अधिकतम मूल्य।

जीव विज्ञान में न्यूरोप्लास्टिकिटी यह दर्शाती है कि एक न्यूरॉन बाहरी परिस्थितियों के प्रभाव में इसकी संरचना में परिवर्तन के लिए निंदनीय कैसे है। मस्तिष्क के विभिन्न क्षेत्रों में प्लास्टिसिटी की अपनी डिग्री की विशेषता है, और यह कुछ कारकों के आधार पर भी भिन्न हो सकता है।



यह उदाहरण हमें यह समझने की अनुमति देता है कि साहचर्य न्यूरॉलेमेंट्स के आधार पर कैसे रिफ्लेक्स किए गए हैं। श्वेत स्नायुतंत्र "R" और उत्तर "1" के साथ बिना शर्त प्रतिवर्त के प्रतिवर्त चाप का निर्माण करते हैं। ये न्यूरेलमेंट उनके सिनेप्स के शक्ति मूल्यों को नहीं बदलते हैं। ब्लू न्यूरोलेमेंट्स शुरू में किसी भी रिफ्लेक्स कृत्यों में भाग नहीं लेते हैं, वे तंत्रिका तंत्र के बाकी हिस्सों को भरने लगते हैं, और वे गलती से सिनेप्स के माध्यम से जुड़े होते हैं। इसलिए, यदि हम "क्यू" रिसेप्टर से जुड़े एक ऐसे तंत्रिका तत्व को सक्रिय करते हैं, तो उत्तेजना का एक निश्चित ध्यान प्रसार की एक यादृच्छिक प्रकृति होगी और खुद के साथ चक्र में जाने के बाद, यह बिना किसी उत्तर के, थोड़ी देर बाद बाहर निकल जाएगा। यदि हम बिना शीर्षक के "बिना" रिफ्लेक्टर और "क्यू" रिसेप्टर की सक्रियता के साथ लगभग एक ही समय अंतराल में जोड़ते हैं, तोतब वातानुकूलित प्रतिवर्त का एक प्रतिवर्त चाप बनेगा। और पहले से ही सिर्फ "क्यू" रिसेप्टर की सक्रियता जवाब "1" की ओर ले जाएगी।

मॉडल की स्पष्टता और अनुकूलन के लिए, हमने तंत्रिका तत्वों के गतिशील निर्माण का उपयोग किया, जो यादृच्छिक रूप से जुड़े तत्वों के साथ तंत्रिका तंत्र के भरे हुए स्थान का अनुकरण करता है। यहां, नए न्यूरॉन्स की कुछ वृद्धि, या नए कनेक्शन को मॉडल नहीं किया गया है, सभी परिवर्तन केवल सिनेप्स की ताकत में होते हैं, बस पहले से किसी भी पलटा अधिनियम में शामिल नहीं होने वाले तंत्रिका तत्वों को नहीं दिखाया गया है।



निम्नलिखित उदाहरण से पता चलता है कि जब विभिन्न केंद्र समान स्थितियों में और पूर्ण प्लास्टिसिटी (पी = 1) के साथ सक्रिय होते हैं तो उत्तेजना कैसे व्यवहार करती है।



उत्तेजना के दो केंद्रों के प्रभाव में उत्तेजना के प्रसार की दिशा में एक बदलाव, जब प्लास्टिसिटी निरपेक्ष है (पी = 1):



और कम प्लास्टिसिटी (पी = 0.1) पर:



इस पर हमने तंत्रिका तंत्र के मॉडल की मूल बातों पर विचार करना समाप्त कर दिया है। अगले भाग में, हम लागू चीजों पर विचार करेंगे, स्मृति, भावनाओं और न्यूरॉन्स की विशेषज्ञता का अनुकरण करने के लिए यह सब कैसे उपयोग करें।

Source: https://habr.com/ru/post/hi397441/