猪草烟草，一种研究动物大脑的模型生物尽管在机器学习和神经网络方面取得了所有进步，但是计算机系统的原理与生物系统的工作明显不同。 科学家仍然不了解生物神经网络的可靠和快速训练所基于的基本生物力学机制。 因此，他们继续受到彻底调查。
用于此类研究的最合适的对象之一是昆虫的嗅觉系统。 尤其是，蝴蝶的嗅觉系统（例如，caddis，
Manduca sexta ）是一个相对简单的生物神经网络，具有学习能力。 因此，蝴蝶是了解神经网络的机制的理想模型生物。
在过去的几年中，科学家在鹰的大脑各个部分中记录了神经信号。 这些组件具有生物系统标准的结构和机制：
- 使用神经调节剂（章鱼碱和多巴胺）进行大脑训练-顺便说一句，在人类中，它们对于情绪，情绪调节和其他心理功能也很重要；
- 级联网络结构；
- 网络之间的维度（例如神经元数量）发生重大变化；
- 多维网络中的数据稀疏编码（稀疏编码）；
- 随机通讯；
- 嘈杂信号的存在 。
乍看之下，生物系统中确实存在一些不必要的元素（例如臭名昭著的“垃圾” DNA），实际上在整个系统的功能中起着重要作用。 我们只是不明白为什么特别需要这个或那个元素。 特别令人感兴趣的是训练过程中章鱼胺/多巴胺的释放。 尚不清楚这种刺激如何促进大脑蘑菇体内新的稀疏代码的产生。 蘑菇体内含有大约4,000个Kenyon细胞，这些细胞编码气味，以记录在蝴蝶的长期记忆中。
为了更好地理解生物神经网络的工作，西雅图华盛顿大学的科学家建立了烟丝嗅觉系统的计算模型，该模型尽可能接近他的大脑神经活动以及在那里发生的所有已知生物物理过程的记录，包括章鱼碱刺激。
昆虫脑的蘑菇体（MB）的神经网络的计算模型是较早创建的，但现在研究人员专注于研究章鱼胺在联想学习过程中的作用以及蘑菇体与触角（AL）系的关系。 为此，模拟了整个系统的体系结构和神经动力学，包括章鱼胺刺激，突触生长，AL中的气味感知以及向下信息流中的神经元读取。
模型有机体的大脑中AL和MB部门的工作计划。 蝴蝶（RN）的嗅觉系统中的30,000个化学传感器激发了一个嘈杂的前置放大器网络（AL），该网络将信号传输到蘑菇体（MB）的塑料稀疏记忆层，从而激发动作神经元，该神经元将蘑菇体的信号解释为特定动作，例如“飞起来”。 绿线对应于兴奋性键，红线对应于抑制性化合物作者设法建立了神经网络的计算机模型，该模型证明了可靠训练的能力，同时与真实的生物系统具有明显的相似性。 计算机模型已经确定了蛾类大脑中的关键功能-以及它们对学习过程的影响。
这项科学工作将使将来有可能对这些功能进行数学描述，并将其应用于开发具有可靠和快速培训的更有效的计算机神经网络的框架。 生物医学机器学习系统。
科学家们确信，级联网络，稀疏性和hebb可塑性的揭示机制将很好地补充神经网络的原始原理，该原理最早于1962年在
Hubel和Wiesel的
诺贝尔论文中提出 ，该论文描述了处理猫脑视觉信号的分层结构。 基于这项工作，1980年创建了世界上第一个新认知神经网络数学模型，该模型在许多方面都成为了现代深度神经网络的模型。 但是，这项工作并未考虑活脑工作中的许多功能系统。 对烟草山楂的研究揭示并数学模拟了这些元素-AI计算机系统缺少的元素。
该科学文章于2018年2月8日
发布在预印本网站arXiv.org上。