CINgydF4y2Ba 计算智能和神经科学gydF4y2Ba 1687 - 5273gydF4y2Ba 1687 - 5265gydF4y2Ba Hindawi出版公司gydF4y2Ba 247879年gydF4y2Ba 10.1155 / 2011/247879gydF4y2Ba 247879年gydF4y2Ba 研究文章gydF4y2Ba 横向飙升神经元信息处理:意识的神经关联的理论模型gydF4y2Ba itgydF4y2Ba 马克gydF4y2Ba 1gydF4y2Ba HameroffgydF4y2Ba 斯图尔特gydF4y2Ba 2gydF4y2Ba 冈萨雷斯AndinogydF4y2Ba 莎拉gydF4y2Ba 1gydF4y2Ba Wilhelm-Schickard-Institut毛皮InformatikgydF4y2Ba Eberhard-Karls-Universitat图宾根gydF4y2Ba Abt认知系统。gydF4y2Ba 砂1gydF4y2Ba 72076年图宾根gydF4y2Ba 德国gydF4y2Ba uni-tuebingen.degydF4y2Ba 2gydF4y2Ba 部门麻醉学gydF4y2Ba 心理学和意识的研究中心gydF4y2Ba 亚利桑那大学的gydF4y2Ba 亚利桑那州图森市85724gydF4y2Ba 美国gydF4y2Ba arizona.edugydF4y2Ba 2011年gydF4y2Ba 23gydF4y2Ba 10gydF4y2Ba 2011年gydF4y2Ba 2011年gydF4y2Ba 07年gydF4y2Ba 03gydF4y2Ba 2011年gydF4y2Ba 08年gydF4y2Ba 07年gydF4y2Ba 2011年gydF4y2Ba 2011年gydF4y2Ba 版权©2011马克it和斯图尔特Hameroff。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

认知脑功能,例如,感官知觉、运动控制和学习,由axonal-dendritic理解为计算化学突触integrate-and-fire神经元网络。认知脑功能可能会有意识或无意识的“自动驾驶仪”()。有意识的认知是γ波同步脑电图,介导主要由dendritic-dendritic缝隙连接,横向连接输入/集成层。Gap-junction-connected神经元定义子在一个更大的神经网络。理论模型(“有意识的飞行员”)表明,缝隙连接打开和关闭,一个gamma-synchronized子网,或带穿过大脑作为一个行政代理人,将无意识的“自动驾驶”的认知意识,并提高计算的相干处理和集体融合。在这项研究中我们实现了横向缝隙连接在一个单层人工神经网络执行图/地面分离。神经元的连接通过缝隙连接形成一个可重构网格电阻或子区。模型中,即将离任的峰值是暂时的集成和空间平均使用固定电阻网格建立的神经元连接通过缝隙连接的类似的功能。这个空间平均,神经元的输出的反馈信号,确定特定的神经元之间的缝隙连接是否打开或关闭。神经元通过开放连接缝隙连接同步输出峰值。 We have tested our gap-junction-defined sub-network in a one-layer neural network on artificial retinal inputs using real-world images. Our system is able to perform figure/ground separation where the laterally connected sub-network of neurons represents a perceived object. Even though we only show results for visual stimuli, our approach should generalize to other modalities. The system demonstrates a moving sub-network zone of synchrony, within which the contents of perception are represented and contained. This mobile zone can be viewed as a model of the neural correlate of consciousness in the brain.

 1。作品简介:认知和意识gydF4y2Ba

认知脑功能包括感官知觉的行为被归结为计算和控制网络的神经元(“neurocomputation”)。在每个生物神经元树突和胞体/ soma)接收和整合突触输入为轴突解雇一个阈值——“integrate-and-fire输出。“即使一个实际的生物神经元的行为相当复杂,在复制复杂的行为,经常模仿神经元integrate-and-fire神经元一样简单。神经元发射及其化学突触传输认为像“州”硅计算机。信息流动定向通过景观integrate-and-fire神经元的前馈和反馈网络,占大脑认知的各种形式(gydF4y2Ba 1gydF4y2Ba]。gydF4y2Ba

什么是不容易占意识。主观的经历自觉awareness-does没有从信息处理(自然随之而来gydF4y2Ba 2gydF4y2Ba]。没有意识,无意识的认知过程和行为是习惯性地执行,例如,在“自动驾驶仪”gydF4y2Ba 3gydF4y2Ba)或“僵尸模式”(gydF4y2Ba 4gydF4y2Ba]。没有解决的意识gydF4y2Ba 本身gydF4y2Ba,神经学家旨在识别"意识的神经关联" (NCC),大脑系统活动与意识经验(gydF4y2Ba 1gydF4y2Ba]。gydF4y2Ba

认知和意识可能或可能不一致。复杂的行为像走路或开车有时是无意识的自动驾驶功能,有时伴随着感知和控制。举个例子,我们可以开车去上班在无意识的自动驾驶仪daydreaming-our有意识的思想漫游到其他地方。但如果喇叭声音或光闪烁,我们的意识回到有意识的感知和控制。无刺激的研究认为(“心不在焉”)显示活动实际上移动大脑意识的内容变化(gydF4y2Ba 5gydF4y2Ba]。gydF4y2Ba

测量大脑活动与意识(即关联最紧密,the NCC) is synchronized electrical activity in a particular frequency band (30 to 90 Hz) of the electroencephalogram (EEG) called gamma synchrony [ 6gydF4y2Ba,gydF4y2Ba 7gydF4y2Ba]。脑电图信号包括γ波同步是由膜电位反映集成在细胞树突和身体,也就是说,不是从轴突解雇。γ波同步可以在本地发生在大脑区域之间的邻近地区,或全球分布在空间上分开的大脑区域。gydF4y2Ba

远程γ波同步的机制仍不清楚(gydF4y2Ba 8gydF4y2Ba]。Melloni et al。gydF4y2Ba 9gydF4y2Ba]假设远程同步的神经总成的关键事件调解意识。综述了不同的机制可以诱导同步振荡由里兹和Sejnowski [gydF4y2Ba 10gydF4y2Ba]。当地γ波同步需要定向axonal-dendritic以外的东西或axonal-cell身体neurocomputation由化学突触和轴突解雇。当地γ波同步取决于相邻神经元的树突融合和同步电突触或缝隙连接(gydF4y2Ba 11gydF4y2Ba- - - - - -gydF4y2Ba 14gydF4y2Ba]。在神经网络的背景下,缝隙连接电突触形成横向或横向联系协调同步(“侧向同步”)输入/集成层。gydF4y2Ba

缝隙连接打开和关闭,神经组织横向联系差距junctions-subnetworks-evolve,和可以移动时空的信封,或者区域的“横向同步”通过大脑的神经网络(如前馈和反馈neurocomputation继续)。等提出了横向的移动区域同步移动代理/ NCC(“有意识的飞行员”)输送有意识的认知经验,选择否则无意识的自动驾驶仪(gydF4y2Ba 15gydF4y2Ba]。人体电生理研究表明区域同步移动通过大脑意识的改变内容(gydF4y2Ba 16gydF4y2Ba]。gydF4y2Ba

 2。神经网络建模gydF4y2Ba

人工神经网络是用来解决各种技术问题,复制人类或动物行为建模的大脑功能。这样做,生物神经元功能的必要成分,省略方面被认为是无关紧要的。一个简单的模型获取所有必要的材料的优点是它可以模拟相比更快更精确的模型。在本文中,我们遵循郭士纳的方法等。gydF4y2Ba 17gydF4y2Ba人关注飙升的行为。分子相互作用,相互作用的神经递质和离子通道,不考虑。然而我们考虑连接通常省略无关紧要的东西:侧或外侧interneuronal连接由于dendritic-dendritic缝隙连接。使用大规模建模(gydF4y2Ba 18gydF4y2Ba)这可能最终导致更好的理解大脑如何功能。我们从integrate-and-fire神经元作为人工神经网络的基本组成部分。gydF4y2Ba

一个最简单的模型生物神经元如何运作是integrate-and-fire模型(gydF4y2Ba 19gydF4y2Ba,gydF4y2Ba 20.gydF4y2Ba]。在每个生物神经元树突和胞体/ soma)接收和整合其他神经元轴突的突触输入。输入树突和胞体集成随着时间的推移膜激活潜能。当激活潜在达到临界阈值近端轴突,神经元“火灾”和发送一个行波或上升(图gydF4y2Ba 1gydF4y2Ba)轴突的突触的长度,因此,下一个神经元。与他人的集成,以及来自其他神经元,通过下一个神经元。这个模型显示在图gydF4y2Ba 2gydF4y2Ba。gydF4y2Ba

三个峰值沿著轴突。gydF4y2Ba

(一)生物神经元。(b)文摘神经元有三个神经元输入。抽象的神经元是由几个参数和状态变量描述,例如,激活或连接权重。如果激活高于阈值,然后沿着轴突神经元发送一个电压峰值然后集成通过其他神经元树突。gydF4y2Ba

在集成和火灾模型膜电位的变化gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba 一个神经元gydF4y2Ba 我gydF4y2Ba 这是连接到gydF4y2Ba NgydF4y2Ba 其他神经元被描述为(修改(gydF4y2Ba 21gydF4y2Ba])gydF4y2Ba CgydF4y2Ba (gydF4y2Ba dgydF4y2Ba VgydF4y2Ba 我gydF4y2Ba /gydF4y2Ba dgydF4y2Ba tgydF4y2Ba )gydF4y2Ba =gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba (gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba )gydF4y2Ba +gydF4y2Ba 我gydF4y2Ba 主音gydF4y2Ba +gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba KgydF4y2Ba jgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba CgydF4y2Ba 是神经元的电容。自然细胞往往对其静态电位gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba 。如果gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba 高于gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba 然后这个词gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba (gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba )gydF4y2Ba 确保膜电位gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba 慢慢衰减对gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba 。的变量gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba 指定泄漏电导率,这腐烂的速度发生。的因素gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba 考虑到神经元gydF4y2Ba 我gydF4y2Ba 可能会收到一个恒流从一个任意的外部来源。最后,最后一学期了gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba KgydF4y2Ba jgydF4y2Ba 模型输入电流由于兴奋传入飙升的潜力gydF4y2Ba KgydF4y2Ba jgydF4y2Ba 在传入gydF4y2Ba jgydF4y2Ba 。在这里,gydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 神经元之间的连接强度的模型gydF4y2Ba 我gydF4y2Ba 和神经元gydF4y2Ba jgydF4y2Ba 。潜在的gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba 的神经元gydF4y2Ba 我gydF4y2Ba 上升(gydF4y2Ba CgydF4y2Ba (gydF4y2Ba dgydF4y2Ba VgydF4y2Ba 我gydF4y2Ba /gydF4y2Ba dgydF4y2Ba tgydF4y2Ba )gydF4y2Ba >gydF4y2Ba 0gydF4y2Ba )如果gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba (gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba )gydF4y2Ba >gydF4y2Ba 我gydF4y2Ba 主音gydF4y2Ba +gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba KgydF4y2Ba jgydF4y2Ba 。阈值电压的一次gydF4y2Ba VgydF4y2Ba 阈值gydF4y2Ba 超过,高峰是由神经元gydF4y2Ba 我gydF4y2Ba 。箝制电压gydF4y2Ba VgydF4y2Ba 年代gydF4y2Ba 假设指数和衰减指数上升。gydF4y2Ba

尽管(gydF4y2Ba 1gydF4y2Ba)是目前公认的模型的神经元的膜电位gydF4y2Ba 我gydF4y2Ba 改变随着时间的推移,它不是一个特别有用的描述当我们想找出哪些函数实际上是由神经元gydF4y2Ba 我gydF4y2Ba 。gydF4y2Ba

 3所示。飙升的Sideways-Connected模型神经元gydF4y2Ba

现在我们将逐步简化方程的膜电位,以推导出由神经元计算函数gydF4y2Ba 我gydF4y2Ba 和扩展这个方程。首先,我们注意到主音电流gydF4y2Ba 我gydF4y2Ba 主音gydF4y2Ba 可以并入gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba 。因此我们只需要考虑的情况下gydF4y2Ba 我gydF4y2Ba 主音gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba 。外部电流可以被视为另一个通过传入输入gydF4y2Ba jgydF4y2Ba =gydF4y2Ba NgydF4y2Ba +gydF4y2Ba 1gydF4y2Ba 与gydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 。的电容gydF4y2Ba CgydF4y2Ba 也可以从方程(时间常数的结果gydF4y2Ba τgydF4y2Ba =gydF4y2Ba CgydF4y2Ba /gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba )运用到常量gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba 和重量gydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 。因此,我们的简化方程描述膜电位gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba 给药gydF4y2Ba dgydF4y2Ba VgydF4y2Ba 我gydF4y2Ba dgydF4y2Ba tgydF4y2Ba =gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba (gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba )gydF4y2Ba +gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba 与gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba KgydF4y2Ba jgydF4y2Ba 。使用gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba (gydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba )gydF4y2Ba =gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba ,我们获得gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba (gydF4y2Ba tgydF4y2Ba )gydF4y2Ba =gydF4y2Ba (gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba +gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba )gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba 经验值gydF4y2Ba ⁡gydF4y2Ba (gydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba tgydF4y2Ba )gydF4y2Ba )gydF4y2Ba ,gydF4y2Ba 解这个方程。膜电位就会成指数级增长,达到gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba +gydF4y2Ba (gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba /gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba )gydF4y2Ba 为gydF4y2Ba tgydF4y2Ba →gydF4y2Ba ∞gydF4y2Ba 如果时间小于峰值时间神经元之间已经达到静态电位。对小gydF4y2Ba tgydF4y2Ba ,当gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ≈gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba ,根据膜电位能直线上升gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba (gydF4y2Ba tgydF4y2Ba )gydF4y2Ba =gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba +gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba tgydF4y2Ba 。gydF4y2Ba

对神经元的操作我们将考虑静态电位为零,也就是说,gydF4y2Ba EgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba 。因此,我们获得gydF4y2Ba dgydF4y2Ba VgydF4y2Ba 我gydF4y2Ba dgydF4y2Ba tgydF4y2Ba =gydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba +gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba 定义了神经元的膜电压的速度返回到电压零和休息gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba 通过传入是外部输入。让我们把上面写成一个更新方程使用的时间步gydF4y2Ba dgydF4y2Ba tgydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 。让gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba 成为新的膜电位在下次时间步可以计算潜在的前一个时间步gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba 。然后我们获得gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba =gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba +gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ,gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba =gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba )gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba +gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba (gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba )gydF4y2Ba ,gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ngydF4y2Ba =gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba )gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba +gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ′gydF4y2Ba ,gydF4y2Ba 与gydF4y2Ba 我gydF4y2Ba ′gydF4y2Ba =gydF4y2Ba (gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba /gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba )gydF4y2Ba 。这只是一个时间平均操作。假设gydF4y2Ba ggydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 0.001gydF4y2Ba 这个等式,那么只会描述我们保持运行的平均999之前的部分gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba 和一个电流输入的一部分gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ′gydF4y2Ba 。换句话说,神经元的主要操作是计算时间平均输入gydF4y2Ba 我gydF4y2Ba 我gydF4y2Ba ′gydF4y2Ba 。gydF4y2Ba

到目前为止我们只考虑单个integrate-and-fire输入和输出神经元在前馈网络中通过化学突触连接。然而神经元也有电突触连接由结构缝隙连接(gydF4y2Ba 11gydF4y2Ba- - - - - -gydF4y2Ba 14gydF4y2Ba)可能调解γ波同步支持有意识的感觉(gydF4y2Ba 22gydF4y2Ba- - - - - -gydF4y2Ba 24gydF4y2Ba]。gydF4y2Ba

缝隙连接在相邻细胞的膜孔联接蛋白的蛋白质组成的电同步和身体融合两个细胞,形成连续膜和细胞内部。在大脑中,缝隙连接主要发生在邻近神经元的树突和调解γ波同步,最好的可衡量的关联意识。缝隙连接启用集成多个神经元树突的同时,影响集体集成。在人工神经网络的背景下,缝隙连接是横向或侧向连接在输入/集成层。gydF4y2Ba

我们将模型缝隙连接电阻耦合神经元之间(gydF4y2Ba 25gydF4y2Ba,gydF4y2Ba 26gydF4y2Ba]。两个不同的功能被认为是与每个缝隙连接相关联。如果两个神经元之间的缝隙连接存在,那么这些神经元电阻耦合。这种耦合存在无条件放人。然而,我们也认为有条件的耦合通过缝隙连接在一个特定的缝隙连接可以在两种模式之一。缝隙连接可以打开(电耦合到相邻的神经元)或关闭(从邻近的神经元电非耦合)(gydF4y2Ba 27gydF4y2Ba]。gydF4y2Ba

我们假设一个神经元激活潜在的内部和外部膜电位。而不是区分激活潜在的内部和外部的膜电位,我们也可以使用一个区划的模型,这两个潜力被映射到不同的隔间的神经元。然而,内部和外部之间的分离使得它更容易想象神经元如何操作。内部激活潜在的(可测量内膜)所描述的(gydF4y2Ba 1gydF4y2Ba)或其简化形式(gydF4y2Ba 2gydF4y2Ba)。这激活潜在高于某一阈值时,神经元的烈焰。生成一个高峰,这个峰值旅行神经元的轴突。可以测量外部膜电位(外膜)由即将离任的峰值的影响,通过电阻耦合到其他神经元。如果两个神经元之间存在缝隙连接,那么一对电阻是假定这两个神经细胞的外膜电位。电阻器连接的外膜假定两个神经元连接的两个神经元无论缝隙连接是否打开或关闭。这些神经元形成一个固定电阻网格。此网格电阻接收作为输入的时间集成即将离任的峰值。另一个网格电阻被认为是通过开放缝隙连接形成的。这基本上是一个可重构网格电阻,电阻的电阻可以插入或删除网格通过打开或关闭缝隙连接。 The reconfigurable resistors are assumed to connect the internal activation potential to neighboring neurons allowing these neurons to fire in synchrony when gap junctions are open.

请注意,在我们的模型同步发射是依赖于输入的刺激,但不一定是锁定输入刺激,也就是说,我们有一个刺激同步(gydF4y2Ba 28gydF4y2Ba]。横向缝隙连接诱导同步点火。这符合证据报道歌手和灰色(gydF4y2Ba 29日gydF4y2Ba]。我们的模型也只使用本地连接神经元之间建立同步点火。不需要全球联系。只有少数模型推导建立同步发射只使用本地连接,例如,(gydF4y2Ba 30.gydF4y2Ba,gydF4y2Ba 31日gydF4y2Ba]。然而,有些模型需要一个全球的抑制剂,以实现不同对象之间的失调,例如,(gydF4y2Ba 32gydF4y2Ba]。Schillen和康尼锡(gydF4y2Ba 33gydF4y2Ba)使用远程兴奋延迟连接网络中的非线性振子实现失调。在我们的模型中,不同发射率,也就是说,去同步化,通过连接的子网的大小。不需要全球抑制剂。子网大小不同的有不同的发射率。gydF4y2Ba

为了理解函数计算的网格电阻耦合神经元,让我们考虑函数由电阻计算网格。网格电阻,电阻网络中相邻点连接。我们假设外部电流达到网络的每一个点。这样一个电阻网格如图gydF4y2Ba 3gydF4y2Ba。每个节点的网格是通过电阻连接gydF4y2Ba RgydF4y2Ba 。一个输入电流流入这个电阻网格从下面通过电阻器gydF4y2Ba RgydF4y2Ba 0gydF4y2Ba 。gydF4y2Ba

网格电阻。每个节点连接到另一个节点点通过一个电阻gydF4y2Ba RgydF4y2Ba 。一个输入电流通过电阻电阻网格gydF4y2Ba RgydF4y2Ba 0gydF4y2Ba 。gydF4y2Ba

每个神经元都对应于一个点在这个网格(见图gydF4y2Ba 4gydF4y2Ba)。外部电流gydF4y2Ba 我gydF4y2Ba egydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba 流入节点gydF4y2Ba 我gydF4y2Ba ,即神经元gydF4y2Ba 我gydF4y2Ba ,被认为是一种暂时的集成的输出电压相同的神经元。外部电流相当于当前交换与邻近的神经元。让gydF4y2Ba 我gydF4y2Ba cgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba 与神经元当前交换gydF4y2Ba jgydF4y2Ba 。让神经元gydF4y2Ba 我gydF4y2Ba 被连接到gydF4y2Ba NgydF4y2Ba ngydF4y2Ba 其他神经元,然后我们有gydF4y2Ba 我gydF4y2Ba egydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba NgydF4y2Ba ngydF4y2Ba 我gydF4y2Ba cgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba 。gydF4y2Ba 让gydF4y2Ba VgydF4y2Ba egydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba 输入电压,让gydF4y2Ba VgydF4y2Ba ngydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba ,在节点的电压gydF4y2Ba 我gydF4y2Ba ,然后我们获得gydF4y2Ba 1gydF4y2Ba RgydF4y2Ba 0gydF4y2Ba (gydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba - - - - - -gydF4y2Ba VgydF4y2Ba egydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba )gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba RgydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba NgydF4y2Ba ngydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba - - - - - -gydF4y2Ba NgydF4y2Ba ngydF4y2Ba RgydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba 或gydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba RgydF4y2Ba 0gydF4y2Ba NgydF4y2Ba ngydF4y2Ba RgydF4y2Ba 0gydF4y2Ba +gydF4y2Ba RgydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba NgydF4y2Ba ngydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba +gydF4y2Ba RgydF4y2Ba NgydF4y2Ba ngydF4y2Ba RgydF4y2Ba 0gydF4y2Ba +gydF4y2Ba RgydF4y2Ba VgydF4y2Ba egydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba 。gydF4y2Ba 我们可以把这个方程写成gydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba )gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba ngydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba NgydF4y2Ba ngydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba +gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba VgydF4y2Ba egydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba 与gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba RgydF4y2Ba /gydF4y2Ba (gydF4y2Ba NgydF4y2Ba ngydF4y2Ba RgydF4y2Ba 0gydF4y2Ba +gydF4y2Ba RgydF4y2Ba )gydF4y2Ba 。这个操作再次描述了一个平均操作。第一个邻近神经元的空间平均计算,然后再这个平均是平均值,加一点从外部的潜力。gydF4y2Ba

外部电流gydF4y2Ba 我gydF4y2Ba egydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba 流入节点gydF4y2Ba 我gydF4y2Ba 必须相当于当前交换相邻节点。gydF4y2Ba

如果我们假设我们只有一个神经元的线性序列,每个神经元连接到其最近邻然后这个方程的解是gydF4y2Ba 34gydF4y2Ba,gydF4y2Ba 35gydF4y2Ba]gydF4y2Ba VgydF4y2Ba cgydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba =gydF4y2Ba ∫gydF4y2Ba 1gydF4y2Ba 2gydF4y2Ba σgydF4y2Ba egydF4y2Ba - - - - - -gydF4y2Ba |gydF4y2Ba xgydF4y2Ba |gydF4y2Ba /gydF4y2Ba σgydF4y2Ba VgydF4y2Ba egydF4y2Ba (gydF4y2Ba xgydF4y2Ba )gydF4y2Ba dgydF4y2Ba xgydF4y2Ba 与gydF4y2Ba σgydF4y2Ba =gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba )gydF4y2Ba /gydF4y2Ba 4gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba 。请注意,我们已经放弃了索引gydF4y2Ba 我gydF4y2Ba 并参考输入电压gydF4y2Ba VgydF4y2Ba egydF4y2Ba 和电压gydF4y2Ba VgydF4y2Ba cgydF4y2Ba 的神经元gydF4y2Ba 我gydF4y2Ba 通过这个职位gydF4y2Ba xgydF4y2Ba 神经元的晶格。对于一个二维网格的神经元,通过坐标参数化gydF4y2Ba xgydF4y2Ba 和gydF4y2Ba ygydF4y2Ba ,我们可以近似的函数计算每个神经元gydF4y2Ba VgydF4y2Ba cgydF4y2Ba (gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba )gydF4y2Ba =gydF4y2Ba ∫gydF4y2Ba ∫gydF4y2Ba 1gydF4y2Ba 4gydF4y2Ba σgydF4y2Ba 2gydF4y2Ba egydF4y2Ba - - - - - -gydF4y2Ba (gydF4y2Ba |gydF4y2Ba xgydF4y2Ba |gydF4y2Ba +gydF4y2Ba |gydF4y2Ba ygydF4y2Ba |gydF4y2Ba )gydF4y2Ba /gydF4y2Ba σgydF4y2Ba VgydF4y2Ba egydF4y2Ba (gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba )gydF4y2Ba dgydF4y2Ba xgydF4y2Ba dgydF4y2Ba ygydF4y2Ba 。gydF4y2Ba 图gydF4y2Ba 5gydF4y2Ba不同的值的显示了这个操作的结果gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba 分别gydF4y2Ba σgydF4y2Ba 。输入图像如图gydF4y2Ba 5(一个)gydF4y2Ba。输出图像gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba 0.005gydF4y2Ba ,gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba 0.001gydF4y2Ba ,gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba 0.0002gydF4y2Ba 如数据所示gydF4y2Ba 5 (b)gydF4y2Ba- - - - - -gydF4y2Ba 5 (d)gydF4y2Ba我们认为网格的神经元处理图像输入图像的大小是一样的,也就是说,每像素一个神经元。每个神经元被认为是连接到其最近的邻居。如果gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba 非常小,电阻吗gydF4y2Ba RgydF4y2Ba 非常小的输入电阻相比gydF4y2Ba RgydF4y2Ba 0gydF4y2Ba 然后用一个非常大的扩展空间平均计算。为gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba →gydF4y2Ba 0gydF4y2Ba 我们获得gydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba NgydF4y2Ba 年代gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba jgydF4y2Ba ,gydF4y2Ba 在哪里gydF4y2Ba NgydF4y2Ba 年代gydF4y2Ba 是电阻耦合网络中神经元的数量,也就是说,网络是计算节点电压的平均值为足够小的价值gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba 。gydF4y2Ba

(一)输入图像,(大小gydF4y2Ba 614年gydF4y2Ba ×gydF4y2Ba 410年gydF4y2Ba )(罪犯)空间平均图像(b)gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba 0.005gydF4y2Ba ,(c)gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba 0.001gydF4y2Ba ,(d)gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba =gydF4y2Ba 0.0002gydF4y2Ba 。gydF4y2Ba

 4所示。神经计算的功能视图Sideways-Connected飙升神经元gydF4y2Ba

据说神经元激活高于某一阈值时火。integrate-and-fire模型包括作为参数的力量一个神经元的轴突连接到下面的神经元树突和阈值。一个共同的学习理论的调整权重是Hebbian学习(gydF4y2Ba 36gydF4y2Ba]。根据这个理论,如果两个神经元之间的连接增加神经元被激活强烈。这允许调整神经元对许多类型的不同刺激,即神经元火灾强烈如果学会输入。在计算数据处理,使用一个阈值通常是一个困难的问题。很难在正确的级别设置阈值来提取相关数据。一种自适应阈值通常是更适合也更健壮。gydF4y2Ba

在神经信息处理,目前尚不清楚如何设置一个合适的阈值。如果阈值太高几乎没有任何神经元就会火。如果阈值太低,那么几乎所有神经元将火所有的时间。阈值必须在一个合适的范围内神经元的功能。皮质神经元似乎不同峰值发射阈值飙升(gydF4y2Ba 37gydF4y2Ba]。我们假设阈值,用于提取相关信息,是由神经元的输出反馈。这允许神经元的自适应优化相关的信息。gydF4y2Ba

我们的模型实际上使用了两个阈值(gydF4y2Ba 38gydF4y2Ba]。第一个阈值是标准的阈值电压。激活已经达到这个阈值电压后,神经元火灾。我们将调用这个阈值触发阈值。它可以设置为任意但恒定值。第二阈值,我们引入阈值控制缝隙连接是否打开或关闭。特劳布等。gydF4y2Ba 39gydF4y2Ba)与缝隙连接的压敏电阻器的行为。他们使用物理直觉而不是生物数据模型这种依赖性。然而,他们做的状态,似乎有一把锋利的阈值导,下面没有树突缝隙连接中间神经元的同步作用。在我们的模型中,缝隙连接的行为也是电压依赖性。自从缝隙连接控制神经元同步与否,我们将称之为第二阈值sync-threshold。gydF4y2Ba

我们假设sync-threshold确定自适应基于其他神经元的放电率相关的函数。神经元通过缝隙连接与连接相关的函数。电阻耦合至其他神经元使神经元计算空间平均其他神经元的输出。神经元将“知道”如何活跃的其他神经元,并且因此能够调整其活动相关神经元的放电频率。我们认为外向的空间和时间平均峰值的神经元与相关函数用于设置sync-threshold控制缝隙连接。这允许系统执行图/地面分割。gydF4y2Ba

图/地面分割,需要信号,一些神经元实际上对相同的对象,也就是说,他们应对同样的刺激。根据我们的理论,这是通过缝隙连接。我们建议缝隙连接打开的时间平均一个神经元是高于其输出的空间平均。此外,我们假设一个神经元的放电阈值是影响其他神经元的数量通过缝隙连接是连接。在我们的模型中,我们实际上改变发射阈值大小的基础上通过开放缝隙连接创建的连接网络。而不是不同的阈值,当然清楚的是,不同的激活达到相同的结果。gydF4y2Ba

我们使用不同的阈值计算模型,我们在下面详细描述。实际神经元似乎更有可能发射阈值保持不变,但激活增加(可能是由离子进入神经元位置打开缝隙连接所在地)。让gydF4y2Ba NgydF4y2Ba 年代gydF4y2Ba 是神经元响应某些刺激的数量。然后每个神经元的放电阈值响应刺激被认为是减少了gydF4y2Ba γgydF4y2Ba NgydF4y2Ba 年代gydF4y2Ba 。因此,神经元对大对象将火更高的频率,和,因此,输出将被视为更相关的进一步处理。这是符合分析生物神经元的行为与刺激计划有关的信息被编码成精确的峰值时间(gydF4y2Ba 40gydF4y2Ba]。gydF4y2Ba

我们的神经元模型包括缝隙连接的功能如图gydF4y2Ba 6gydF4y2Ba。该模型给出了算法的完整描述gydF4y2Ba 1gydF4y2Ba。但首先,让我们简要描述模型的各个组件,这样我们得到一个概述。括号中的注释指图解如图gydF4y2Ba 6gydF4y2Ba。gydF4y2Ba

每个神经元的时间平均计算的峰值通过传入(gydF4y2Ba ∫gydF4y2Ba dgydF4y2Ba tgydF4y2Ba 盒)。gydF4y2Ba

火灾如果传入的峰值的时间积分大于发射阈值(threshold-box)。gydF4y2Ba

每个神经元的两个电阻网格(通过光明与黑暗形成横向连接)。gydF4y2Ba

一个固定电阻网格是由神经元通过缝隙连接(光侧连接)连接。gydF4y2Ba

可重构网格电阻或子是由神经元通过开放连接缝隙连接(黑暗的横向连接)。gydF4y2Ba

即将离任的峰值是暂时的集成和使用固定电阻网格(上层空间平均gydF4y2Ba ∫gydF4y2Ba dgydF4y2Ba tgydF4y2Ba 盒子和轻型横向连接)。gydF4y2Ba

这个空间平均,神经元的输出的反馈信号,确定神经元的sync-threshold。gydF4y2Ba

缝隙连接相邻的神经元开放如果时间平均大于空间平均否则他们接近,形成一个可重构网格电阻。电阻存在于这网格每打开缝隙连接(球体在黑暗的横向连接)。gydF4y2Ba

打开缝隙连接允许子网络的神经元同步(同步发生通过空间集成gydF4y2Ba ∫gydF4y2Ba dgydF4y2Ba xgydF4y2Ba 盒)。gydF4y2Ba

每个神经元的放电阈值降低基于神经元所属子网络的大小。gydF4y2Ba

<大胆>算法1:< /大胆>算法更新状态变量的神经元< inline-formula > < mml:数学xmlns: mml = " http://www.w3.org/1998/Math/MathML " id = " M115 " > < mml: mrow > < mml: mi >我< / mml: mi > < / mml: mrow > < / mml:数学> < / inline-formula >从一个时间步。gydF4y2Ba

(1)gydF4y2Ba ogydF4y2Ba 我gydF4y2Ba :gydF4y2Ba =gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba αgydF4y2Ba ogydF4y2Ba )gydF4y2Ba ogydF4y2Ba 我gydF4y2Ba / /输出衰减gydF4y2Ba

(2)gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba :gydF4y2Ba =gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba αgydF4y2Ba 一个gydF4y2Ba )gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba / /激活衰变gydF4y2Ba

(3)gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba :gydF4y2Ba =gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba +gydF4y2Ba αgydF4y2Ba 一个gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba ogydF4y2Ba jgydF4y2Ba / /所有输入gydF4y2Ba

(4)/ /平均激活在打开缺口gydF4y2Ba

(5)/ /连接(可重构网格电阻)gydF4y2Ba

(6)gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba :gydF4y2Ba =gydF4y2Ba avggydF4y2Ba (gydF4y2Ba {gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba }gydF4y2Ba ∪gydF4y2Ba {gydF4y2Ba 一个gydF4y2Ba jgydF4y2Ba ∣gydF4y2Ba 神经元gydF4y2Ba jgydF4y2Ba 被连接到gydF4y2Ba

(7)non-refracting神经元gydF4y2Ba 我gydF4y2Ba 通过开放的缝隙连接;gydF4y2Ba

(8)gydF4y2Ba 一个gydF4y2Ba jgydF4y2Ba 然后将平均gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba }gydF4y2Ba )gydF4y2Ba

(9)gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba :gydF4y2Ba =gydF4y2Ba 马克斯gydF4y2Ba (gydF4y2Ba - - - - - -gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba ]gydF4y2Ba / /限制激活gydF4y2Ba

(10)/ /减少阈值基于子网络的大小gydF4y2Ba

(11)gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba :gydF4y2Ba =gydF4y2Ba 马克斯gydF4y2Ba (gydF4y2Ba 0 1gydF4y2Ba - - - - - -gydF4y2Ba γgydF4y2Ba ·gydF4y2Ba NgydF4y2Ba 年代gydF4y2Ba ]gydF4y2Ba

(12)gydF4y2Ba 如果gydF4y2Ba (gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba >gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba )gydF4y2Ba {gydF4y2Ba / /神经元火灾如果发射阈值之上gydF4y2Ba

(13)gydF4y2Ba 一个gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 0gydF4y2Ba / /激活降低为0gydF4y2Ba

(14)gydF4y2Ba ogydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba NgydF4y2Ba ngydF4y2Ba ϵgydF4y2Ba / /输出上升到1gydF4y2Ba

(15)/ /一些口神经元激活分布gydF4y2Ba

(16)(gydF4y2Ba jgydF4y2Ba 被连接到gydF4y2Ba 我gydF4y2Ba 通过开放的缝隙连接)gydF4y2Ba

(17)gydF4y2Ba 一个gydF4y2Ba jgydF4y2Ba :gydF4y2Ba =gydF4y2Ba 一个gydF4y2Ba jgydF4y2Ba +gydF4y2Ba ϵgydF4y2Ba

(18)}gydF4y2Ba

(19)/ /时间平均的输出gydF4y2Ba

(20)gydF4y2Ba 一个gydF4y2Ba ̃gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba αgydF4y2Ba tgydF4y2Ba )gydF4y2Ba 一个gydF4y2Ba ̃gydF4y2Ba 我gydF4y2Ba +gydF4y2Ba αgydF4y2Ba tgydF4y2Ba ogydF4y2Ba 我gydF4y2Ba

(21)/ /空间的平均时间的平均水平gydF4y2Ba

(22)gydF4y2Ba 一个gydF4y2Ba ¯gydF4y2Ba 我gydF4y2Ba ′gydF4y2Ba =gydF4y2Ba 1gydF4y2Ba /gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba +gydF4y2Ba NgydF4y2Ba ngydF4y2Ba )gydF4y2Ba (gydF4y2Ba 一个gydF4y2Ba ¯gydF4y2Ba 我gydF4y2Ba +gydF4y2Ba ∑gydF4y2Ba jgydF4y2Ba 一个gydF4y2Ba ¯gydF4y2Ba jgydF4y2Ba )gydF4y2Ba

(23)gydF4y2Ba 一个gydF4y2Ba ¯gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba (gydF4y2Ba 1gydF4y2Ba - - - - - -gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba )gydF4y2Ba 一个gydF4y2Ba ¯gydF4y2Ba 我gydF4y2Ba ′gydF4y2Ba +gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba 一个gydF4y2Ba ̃gydF4y2Ba 我gydF4y2Ba

(24)/ /检查时间平均高于sync-thresholdgydF4y2Ba

(25)gydF4y2Ba 如果gydF4y2Ba (gydF4y2Ba 一个gydF4y2Ba ̃gydF4y2Ba 我gydF4y2Ba >gydF4y2Ba 一个gydF4y2Ba ¯gydF4y2Ba 我gydF4y2Ba )gydF4y2Ba

(26)打开缝隙连接gydF4y2Ba

其他(27)gydF4y2Ba

(28)关闭缝隙连接gydF4y2Ba

人工神经元与横向连接(缝隙连接)。这个模型的操作完全指定的算法给出了算法gydF4y2Ba 1gydF4y2Ba。gydF4y2Ba

使sync-threshold依赖的空间平均输出导致阈值信号和移动允许图/地面分离。gydF4y2Ba

即使在我们的模型中,所有上述功能集成到一个神经元,它可能是,一些功能分布在几个不同类型的神经元内皮层列。大脑皮层的柱状组织的审查,看到Mountcastle [gydF4y2Ba 41gydF4y2Ba]。gydF4y2Ba

这种神经元的基本功能的描述,我们可以建立一个非常成功的图/地面分离器或者说对象探测器。我们将展示这个视觉输入一些示例。gydF4y2Ba

 5。一个详细的例子gydF4y2Ba

假设我们的模型的上下文中使用视觉图/地面分割。我们从一个初始层的神经元(视觉受体)。在我们的实现中,我们只考虑锥。锥响应光主要在红、绿、蓝的部分光谱(gydF4y2Ba 42gydF4y2Ba]。因此,对于彩色图像处理,我们开始一个三维坐标系统。坐标轴是反应锥的红、绿、蓝的部分频谱。gydF4y2Ba

视觉刺激的时候已经达到了视觉皮层,也就是说,V1,坐标系统发生的改变。主要轴不再是红色,绿色和蓝色,但dark-bright红绿,瞳gydF4y2Ba 43gydF4y2Ba]。这种转变是由于所谓的颜色的对手和double-opponent细胞。数学上,转换只是一个旋转的坐标系gydF4y2Ba 44gydF4y2Ba]。对于我们的简单示例中,我们只会使用dark-bright通道。为了模拟这一渠道,我们计算出轻gydF4y2Ba 45gydF4y2Ba)输入的每个像素虚拟视网膜的刺激。让gydF4y2Ba RgydF4y2Ba ,gydF4y2Ba GgydF4y2Ba ,gydF4y2Ba BgydF4y2Ba 的非线性强度代表响应存储在计算机图像的红色,绿色和蓝色锥,那么轻盈gydF4y2Ba lgydF4y2Ba 给药gydF4y2Ba lgydF4y2Ba =gydF4y2Ba 0.299gydF4y2Ba ⋅gydF4y2Ba RgydF4y2Ba +gydF4y2Ba 0.587gydF4y2Ba ⋅gydF4y2Ba GgydF4y2Ba +gydF4y2Ba 0.114gydF4y2Ba ⋅gydF4y2Ba BgydF4y2Ba 。gydF4y2Ba 我们模拟一个三维表1000个神经元的模拟处理由一些,到目前为止,非特定的视觉皮层的区域。处理我们描述可能发生在V1。然而,人类似乎没有意识到处理发生在V1 [gydF4y2Ba 46gydF4y2Ba]。处理更可能发生在一些高视觉区域特别是如果使用表单或运动等特性。gydF4y2Ba

在我们的模拟中,每个神经元都有一个随机的位置在一个体积的大小gydF4y2Ba NgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba ×gydF4y2Ba One hundred.gydF4y2Ba ×gydF4y2Ba 10gydF4y2Ba 单位。每个神经元接收其输入从三个虚拟视网膜的神经元。视网膜的大小gydF4y2Ba 614年gydF4y2Ba ×gydF4y2Ba 410年gydF4y2Ba 像素。视网膜受体的非均匀分布建模。在大脑中,创建了一个非均匀分布complex-logarithmic映射从视网膜神经元的受体V1gydF4y2Ba 47gydF4y2Ba,gydF4y2Ba 48gydF4y2Ba]。然而,我们只关心横向连接神经元的行为。在这个背景下分布无关。因此,我们模拟接受域如图gydF4y2Ba 7gydF4y2Ba。每个神经元外侧连接6最近的邻国。的位置确定神经元接收输入的随机首先视网膜神经元的位置映射到虚拟然后略有不同的位置(通过一个像素到左边或者右边或向上或向下)。我们使用的输入等于像素的亮度的视网膜。我们不模拟视网膜的飙升行为作为第一个加工阶段的模拟单神经元的平均执行时间。输入,模拟输入飙升。gydF4y2Ba

一组神经元接收从一个虚拟视网膜视觉输入。每个神经元(领域)有自己的接受域(透明锥)和电阻耦合至其他邻近神经元(球体之间的连接)。只有7个神经元的一个更大的显示设置。轴突不显示。gydF4y2Ba

每个神经元是由一组状态变量描述(见表gydF4y2Ba 1gydF4y2Ba)。输出gydF4y2Ba ogydF4y2Ba 神经元的假定的操作范围gydF4y2Ba (gydF4y2Ba 0 1gydF4y2Ba ]gydF4y2Ba 和激活gydF4y2Ba 一个gydF4y2Ba 神经元的假定的操作范围gydF4y2Ba (gydF4y2Ba - - - - - -gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba 1gydF4y2Ba ]gydF4y2Ba 。算法描述这些状态变量随时间变化的算法所示gydF4y2Ba 1gydF4y2Ba。在我们的模拟在一个连续的电脑,所有的神经元按顺序更新。注意,神经元是随机分布的。因此,更新是类似于随机更新阵列的神经元。整个系统大约需要1250次迭代收敛之前正常操作使用图中给出的参数范围gydF4y2Ba 2gydF4y2Ba。gydF4y2Ba

状态变量的神经元gydF4y2Ba 我gydF4y2Ba 。gydF4y2Ba

变量gydF4y2Ba 物理关联gydF4y2Ba 描述gydF4y2Ba
ogydF4y2Ba 我gydF4y2Ba VgydF4y2Ba 年代gydF4y2Ba 输出电压沿轴突gydF4y2Ba
一个gydF4y2Ba 我gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba 激活的神经元gydF4y2Ba
tgydF4y2Ba 我gydF4y2Ba VgydF4y2Ba 阈值gydF4y2Ba 发射阈值电压gydF4y2Ba
一个gydF4y2Ba ̃gydF4y2Ba 我gydF4y2Ba VgydF4y2Ba egydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba 时间的平均输出峰值gydF4y2Ba
一个gydF4y2Ba ¯gydF4y2Ba 我gydF4y2Ba VgydF4y2Ba cgydF4y2Ba ,gydF4y2Ba 我gydF4y2Ba 空间的平均时间的平均水平gydF4y2Ba

图gydF4y2Ba 8gydF4y2Ba展示了我们的单神经元的响应不同的视觉输入的刺激。输入刺激的背景所示。每个节点代表一个神经元。缝隙连接打开如果时间平均产量高于所有的输出神经元的空间平均。缝隙连接显示为节点之间的连接。只有开放的缝隙连接如图gydF4y2Ba 8(一个)gydF4y2Ba- - - - - -gydF4y2Ba 8(我)gydF4y2Ba。神经元的颜色绘制成比例的时间平均神经元的输出。每个互连子的缝隙连接是不同的颜色。颜色是随机分配,但保持连接的子网络。图已脱离地面可以明显区分。gydF4y2Ba

图/地面分离使用我们的模型。一张从虚拟视网膜神经元(节点)接收输入(图片背景)。缝隙连接(节点)之间的连接打开的时间输出一个神经元是高于平均空间。gydF4y2Ba

开放以来缝隙连接电阻连接相邻的神经元,这些子网同步发射率以同样的方式耦合电阻电路同步。几乎可以肯定地是,生物神经元并非都是相同的。他们甚至可以在一个混乱的方式。从电路的文学,众所周知,混沌电路可以同步如果从一个电路信号发送到下一个(gydF4y2Ba 49gydF4y2Ba,gydF4y2Ba 50gydF4y2Ba]。同时,相同的非线性电路已被证明通过双向和单向同步电阻(gydF4y2Ba 51gydF4y2Ba]。赵和谕令gydF4y2Ba 52gydF4y2Ba]表明,混沌振子,特别是Wilson-Cowan神经振子(gydF4y2Ba 53gydF4y2Ba),可用于场景分割。在赵和谕令的设置中,神经元对同一个对象同步而神经元代表其他对象是在另一个混沌轨道,也就是说,他们的反应不是常规。与他们的工作,我们不使用混沌振子。赵和谕令只使用静态输入。他们没有尝试移动刺激神经元必须不断地同步到同一个对象。Eckhorn et al。gydF4y2Ba 54gydF4y2Ba)还建立了同步移动的输入,但与两个一维层的神经元。他们的方法使用远程侧神经元之间的连接。gydF4y2Ba

图gydF4y2Ba 9gydF4y2Ba表明,我们的方法可以按照对象的连续图像移动的刺激。即使一组不同的神经元响应这个刺激,它仍然是相同的子子的颜色表示的。发射频率将允许识别提取的刺激是同一个对象。根据这些信息,神经元就能计算出的下一个阶段的重心这个特定的信息,例如,使用神经层的层次结构如图gydF4y2Ba 10gydF4y2Ba。这个信息反过来可以用于视觉伺服等任务(gydF4y2Ba 55gydF4y2Ba,gydF4y2Ba 56gydF4y2Ba]。gydF4y2Ba

图/地面分离几个图片从一个更大的图像序列。每100图像显示。即使一组不同的神经元响应视觉输入,它仍然是相同的连接子由子的颜色表示。gydF4y2Ba

神经元层处理视觉信息的层次结构在不同规模的水平。gydF4y2Ba

Rodemann [gydF4y2Ba 57gydF4y2Ba)已经表明,这样的伽马振荡可以用作时间参考信号也作为全球处理开关。使用伽马振荡时作为参考信号,神经处理可以改变从一个编码速度延迟编码允许更快的信息处理。与延迟编码,只有第一个峰值及其具体时间内周期相关。gydF4y2Ba

现在我们进一步调查我们的神经单神经元的同步行为使用合成输入。图gydF4y2Ba 11gydF4y2Ba显示一组神经元为任意随机输入和同步gydF4y2Ba γgydF4y2Ba =gydF4y2Ba 0.001gydF4y2Ba 。对于这个实验,我们故意打开缝隙连接的神经元躺在一张圆形区域的中心的神经元。换句话说,中心区域内的神经元都是电阻耦合至邻近的神经元而剩下的神经元不是电阻耦合至邻近的神经元。输入刺激定义如下。在每个时间步,每个输入像素是完全随机的gydF4y2Ba (gydF4y2Ba 0 1gydF4y2Ba ]gydF4y2Ba 。因此,输入刺激只是一个随机序列图像没有任何形式的结构。输入层的神经元功能在一个图像如图gydF4y2Ba 11gydF4y2Ba(gydF4y2Ba 一个gydF4y2Ba )。gydF4y2Ba

(一)随机输入刺激和小圆集张开缝隙连接的神经元。(b) - (d)的发射行为三个神经元的圆形区域内。(e) - (f)的发射行为三个神经元之外的圆形区域。gydF4y2Ba

三层的神经元,神经元任意选择从中心区域和三个任意选择神经元从剩下的神经元。所选的神经元突出显示在图gydF4y2Ba 11gydF4y2Ba(一)的数据gydF4y2Ba 11gydF4y2Ba(gydF4y2Ba bgydF4y2Ba )- - -gydF4y2Ba 11gydF4y2Ba(gydF4y2Ba dgydF4y2Ba 显示三个神经元的输出从中心区域。数据gydF4y2Ba 11gydF4y2Ba(gydF4y2Ba egydF4y2Ba )- - -gydF4y2Ba 11gydF4y2Ba(gydF4y2Ba ggydF4y2Ba )三个神经元的输出从外部区域。所有神经元位于中心区域的视觉层火同步。这些神经元同步,因为他们有缝隙连接打开。的神经元位于区域以外的圆形区域火灾不同步。传入的随机刺激是总结,直到达到点火阈值。一些阈值神经元,很快就会达到为别人而发射阈值将达到。在中心区域,电阻耦合神经元。因此,所有电阻耦合神经元的激活将平衡(由于算法相同的水平gydF4y2Ba 1gydF4y2Ba(6)- (8))。gydF4y2Ba

请注意,我们的模型符合实验结果得到Lamme和SpekreijsegydF4y2Ba 58gydF4y2Ba]。他们调查了神经元是否在V1火同步取决于他们的接受域的位置相对于刺激。他们发现神经元在同步火如果两人的接受字段位于对象或背景但如果其中一个神经元的感受野是上方的对象和另一个背景。Lamme和Spekreijse属性这一行为在V1横向的联系。显然,V1的神经元同步是否取决于使用的刺激类型V1的神经元(也可能是检查同步发射)。似乎没有同步发射行为运动诱导刺激。这更高的视觉区域的使用,例如,V5图/地面分割运动。gydF4y2Ba

现在我们将演示的影响线(11)的更新算法(算法gydF4y2Ba 1gydF4y2Ba)处理执行的神经元。发射阈值是根据子网络的规模,减少由于gydF4y2Ba γgydF4y2Ba =gydF4y2Ba 0.001gydF4y2Ba 。如果许多神经元电阻耦合通过缝隙连接,那么他们发射阈值将降低导致更高的发射频率。如果几个电阻耦合神经元,那么他们将用较慢的频率。当数据之间的比较说明了这种效应gydF4y2Ba 11gydF4y2Ba和gydF4y2Ba 12gydF4y2Ba。小圆形区域如图gydF4y2Ba 11gydF4y2Ba神经元的放电频率(b) - (d)与神经元的放电频率低(b) - (d)面积较大,如图gydF4y2Ba 12gydF4y2Ba。gydF4y2Ba

(一)随机输入刺激和大型圆形集张开缝隙连接的神经元。(b) - (d)的发射行为三个神经元的圆形区域内。(e) - (f)的发射行为三个神经元之外的圆形区域。gydF4y2Ba

表gydF4y2Ba 2gydF4y2Ba显示了我们用于这些实验参数。的参数gydF4y2Ba αgydF4y2Ba ogydF4y2Ba 和gydF4y2Ba αgydF4y2Ba 一个gydF4y2Ba 描述输出尖峰电压的衰减gydF4y2Ba VgydF4y2Ba 年代gydF4y2Ba 和神经元的激活潜在的衰变gydF4y2Ba VgydF4y2Ba 我gydF4y2Ba 当然取决于时间尺度的模拟。同样,因素gydF4y2Ba αgydF4y2Ba tgydF4y2Ba 时间平均的神经元的输出还取决于时间尺度的模拟。的参数gydF4y2Ba αgydF4y2Ba 年代gydF4y2Ba 决定空间平均的程度应该相当小。这个参数依赖于神经元的总数gydF4y2Ba NgydF4y2Ba 模拟表的神经元。神经元越多,较小的这个参数必须是为了计算几乎全球平均的时间平均。的参数gydF4y2Ba ϵgydF4y2Ba 从组合决定了电压到相邻的神经元。这个参数是最有可能非常小的像大多数当前的叶子神经元轴突。然而,当前的一部分也到达邻近的神经元。如果这些神经元几乎达到了阈值电流将确保这些神经元也火大约在同一时间。gydF4y2Ba

参数用于仿真。gydF4y2Ba

参数gydF4y2Ba 描述gydF4y2Ba 价值gydF4y2Ba
αgydF4y2Ba ogydF4y2Ba 衰变激增的输出电压gydF4y2Ba 0.5gydF4y2Ba
αgydF4y2Ba 一个gydF4y2Ba 衰变的神经元的激活潜能gydF4y2Ba 0.01gydF4y2Ba
αgydF4y2Ba tgydF4y2Ba 时间平均因子gydF4y2Ba 0.01gydF4y2Ba
αgydF4y2Ba 年代gydF4y2Ba 空间平均因子gydF4y2Ba 0.0001gydF4y2Ba
ϵgydF4y2Ba 激活泄漏相邻神经元点火gydF4y2Ba 0.001gydF4y2Ba
γgydF4y2Ba 因素影响减少发射阈值gydF4y2Ba 0.0gydF4y2Ba
wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 神经元之间的重量gydF4y2Ba 我gydF4y2Ba 和gydF4y2Ba jgydF4y2Ba 1gydF4y2Ba
ogydF4y2Ba jgydF4y2Ba 视网膜神经元的输出gydF4y2Ba lgydF4y2Ba (gydF4y2Ba xgydF4y2Ba ,gydF4y2Ba ygydF4y2Ba )gydF4y2Ba

的因素gydF4y2Ba γgydF4y2Ba 用于减少神经元的放电阈值当然是基于神经元的最大数量可以属于一组连接的神经元。要有gydF4y2Ba NgydF4y2Ba 神经元的模拟表,那么这个参数应该小于gydF4y2Ba 2gydF4y2Ba /gydF4y2Ba NgydF4y2Ba 。子的最大大小gydF4y2Ba NgydF4y2Ba /gydF4y2Ba 2gydF4y2Ba 。对于这样的一个最大尺寸子,发射阈值将减少到0gydF4y2Ba γgydF4y2Ba =gydF4y2Ba 2gydF4y2Ba /gydF4y2Ba NgydF4y2Ba 子的,也就是说,所有神经元火所有的时间。另一方面,如果gydF4y2Ba γgydF4y2Ba 太小了,然后减少发射阈值很难发挥作用,因此,它不可能区分更小或更大更高的神经刺激的区域。我们的虚拟视网膜,输入图像,我们使用的大小gydF4y2Ba 614年gydF4y2Ba ×gydF4y2Ba 410年gydF4y2Ba 像素。权重gydF4y2Ba wgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 将统一。每个神经元接收其刺激从之前描述的人工视网膜轻微的随机抵消。由于单位重量和这个偏移量,输入是一个downsampled原始版本的视网膜。当然结果同步发射频率取决于给定的参数的选择和模拟时间常数。通过改变仿真步骤的时间常数,发射频率可以纳入协议与给定的发射频率。同时,注意,所谓的γ波同步并不对应于一个单一的频率,而是一系列的频率。我们的模型还显示这种行为,可以获得不同的频率作为输出。gydF4y2Ba

 6。处理任意功能的皮层gydF4y2Ba

对于我们的模拟我们使用了一个网膜代表神经元之间的映射处理视觉输入和虚拟视网膜。众所周知,初级视觉皮层是高度结构化的(gydF4y2Ba 59gydF4y2Ba]。当然清楚的是,我们刚刚描述的操作也适用于nonretinotopic地图。唯一的要求描述的方法是我们工作互连神经元相关函数的电阻率,这样的空间平均计算,反过来sync-threshold可以设置。gydF4y2Ba

尽管我们已经展示了我们的模型如何处理一个非常简单的视觉输入(刺激)的明度,该方法可以对任意的特征向量进行分类。如果处理视觉刺激,组件功能可能是颜色,纹理,运动,或深度(来源于差距),如图gydF4y2Ba 13gydF4y2Ba。gydF4y2Ba

我们的模型也能够处理更复杂的特征向量。而不是只使用轻盈的视觉刺激,还可以使用颜色、质地、运动或差异。同样,输入不需要视觉输入。它可以是任何形式的输入,例如,听觉输入。gydF4y2Ba

假设一个想段移动背景运动刺激。让我们假设移动对象创建一个不同的运动矢量与背景。然后它将足以提取对象用轻盈的输入(gydF4y2Ba 13gydF4y2Ba用运动检测器)。gydF4y2Ba

假设两个不同的刺激呈现给我们的层的神经元,例如,两个物体在空间移动。然后轻输入将由运动检测器和纹理代替探测器调谐到对象。视网膜神经元对应的对象覆盖更大的区域会用更高的发射频率。神经元对应于较小的对象会发射频率较低。使用层次结构的频率检测神经元(gydF4y2Ba 60gydF4y2Ba),我们可以找到对象的位置相对于视野。这些信息可以用于操作如贪婪的行为通过视觉伺服控制gydF4y2Ba 55gydF4y2Ba,gydF4y2Ba 56gydF4y2Ba]。gydF4y2Ba

 7所示。讨论gydF4y2Ba

Kouider [gydF4y2Ba 61年gydF4y2Ba)评论当前神经生物学的理论意识。不幸的是,这些理论并不是建设性的方式将允许工程师建立一个有意识的机器或工件。我们回顾这些理论和展示他们与我们的模型。gydF4y2Ba

Tononi和爱德曼(gydF4y2Ba 62年gydF4y2Ba)提出了动态核心假设是通过反复传播信息的再入沿着一个提升丘脑-皮质唤醒轴连接。当地团体的神经元进行专业和歧视性的功能调节再入和反馈。特定核心反馈循环是推测与特定的心理状态。皮质不同视觉区域之间的反馈很重要,因为图/地面分离[gydF4y2Ba 63年gydF4y2Ba根据Grossberg [],gydF4y2Ba 64年gydF4y2Ba),视觉感知形式。gydF4y2Ba

但是动态核心不能占γ波同步脑电图,最好的标记的意识,也不应对non-arousal-based意识,即内部生成的像做白日梦,走神,内存,和冥想,介导通过“静息状态网络(gydF4y2Ba 5gydF4y2Ba]。丘脑的核心活动本质上可能是无意识的,除非笼罩在一个同步带,赋予(通过一个到机制)意识的内容(gydF4y2Ba 15gydF4y2Ba]。gydF4y2Ba

本文我们考虑当地的区域差距连接调控同步,能够穿过神经元网络横向连接。这样的局部区域可能,例如,调节再入和反馈的动态核心。我们没有考虑远程缝隙连接可能会通过中间神经元,神经胶质和轴突缝隙连接,形成移动区域到全球网同步。gydF4y2Ba

根据托诺博士的信息集成理论(gydF4y2Ba 65年gydF4y2Ba]意识完全取决于整合信息的能力,减少不确定性。质量意识是由信息元素之间的关系的复杂性。他的理论也表明测量的能力和相关意识与大脑的脑电复杂性。在integrate-and-fire神经元,集成发生只在树突和胞体、轴突发射输出信号。但是Tononi整合发生在皮层通路在大区域的皮质,因此线性一系列个人integrate-and-fire神经元。在我们的模型中,integration-performing树突和细胞体同步,统一通过缝隙连接到外网,使,我们建议,更快和更有效的“集体集成”的大规模并行处理从成千上万的神经元之间的突触输入,更微妙,协调发射输出。gydF4y2Ba

Dehaene和NaccachegydF4y2Ba 66年gydF4y2Ba)已经开发出全球神经工作区理论。它假定不同的模块化的领域,包括前额叶和前皮层,通过远程连接轴突成“全球工作空间”,在意识可以发生在神经元活动的进一步的子集。我们定义的移动同步带横向缝隙连接很容易穿过全球工作区,赋予意识无论它去。gydF4y2Ba

Lamme [gydF4y2Ba 67年gydF4y2Ba)提出了局部复发理论,三种类型的神经过程的层次结构,(1)前馈扫描,(2)局部复发的处理,和(3)广泛的反复处理与全球交互。都有利于缝隙连接调控的移动区域和全球网更多的扩展。gydF4y2Ba

泽克(Microconsciousness理论gydF4y2Ba 68年gydF4y2Ba]表明,特定品质的感知变得有意识的大脑区域分离,与多个microconsciousnesses分布在处理网站。属性,如颜色、形式和运动每个出现在一个特定的microconsciousness地区,但被绑定在一起产生一个统一的有意识的认知。我们的模型的移动同步带microconsciousness直接关联。泽克不解释microconsciousnesses绑定在一起。他们可能需要远程缝隙连接(中间神经元、神经胶质、轴突)和brain-wide移动区域/全球网绑定。gydF4y2Ba

绑定是一个重要的问题。大脑整合感官输入,如何绑定在一起特征从不同皮层区域统一,有意识的知觉?如果单个神经元被调到特定的刺激,许多高度专业化的细胞需要这只会很少,因为相关的刺激只出现在场合。来解决这一问题,von der Malsburg [gydF4y2Ba 69年gydF4y2Ba)提出了“关联理论”,即同步电活动在不同的细胞组之间结合在一起,将他们的组件功能集成到一个统一的有意识的知觉。根据这一理论,关系由突触建立活跃的细胞导致同步调制和反馈循环。王等人。gydF4y2Ba 70年gydF4y2Ba)展示了兴奋和抑制性神经元之间的反馈回路组可用于模式分类联想记忆。郭士纳et al。gydF4y2Ba 17gydF4y2Ba)和丽兹et al。gydF4y2Ba 71年gydF4y2Ba)展示了这样的反馈回路可以建立集体振荡。使用这种体系结构,von der Malsburg和Buhmann [gydF4y2Ba 72年gydF4y2Ba)提出了一个计算模型同步皮质电路组成的一个数组的单元作为探测器的特性。gydF4y2Ba

同步的伽马脑电图30到90 Hz,关联与有意识的认知和行为,发现并建立在1980年代例如,歌手(gydF4y2Ba 73年gydF4y2Ba]给出了一个广泛的概述对大脑γ波同步相关知觉和运动控制。Palva et al。gydF4y2Ba 74年gydF4y2Ba]显示强劲cross-frequency(α,β和γ振荡)阶段同步存在于人类的大脑皮层,与同步增强认知任务,如算术。gydF4y2Ba

然而几篇影响深远的论文贴现同步解绑定或意识,基于一个误解。Von der Malsburg隐含轴突解雇或尖刺、同步活动,神经科学家和认知科学家通常认为解雇或峰值大脑认知的货币。然而γ波同步局部场电位脑电图与意识相关措施,树突和胞体膜电位密切相关而不是轴突解雇。gydF4y2Ba

在著名的1990年的论文,克里克和科赫(gydF4y2Ba 75年gydF4y2Ba)认为,意识依赖于神经元结合在一起通过同步它们的峰值在40 Hz振荡。但是5年后,作为同步上涨的证据未能实现(尽管继续γ波同步脑电图的证据,也就是说,树突同步作为意识的神经关联)克里克和科赫(gydF4y2Ba 46gydF4y2Ba]另外支持同步相关的大脑活动的一个基本方面的意识。shandlen和MovshongydF4y2Ba 76年gydF4y2Ba)认为没有足够的证据表明颞绑定假说基于同步轴突解雇。被迫选择树突同步(证据存在)和轴突解雇的关联意识,政府选择了轴突解雇,大概是因为他们的直接适用性神经网络计算。gydF4y2Ba

但集成,Tononi告诉我们意识是关键函数有关,发生在突触后细胞树突和身体。γ波同步脑电图起源于突触后细胞树突和身体。差距junction-connected移动区域的树突同步执行集体集成是主要的神经关联对象的意识。gydF4y2Ba

克里克和科赫(gydF4y2Ba 75年gydF4y2Ba]和shandlen Movshon [gydF4y2Ba 76年gydF4y2Ba]都质疑图/地面同步振荡可以解决问题。在本文中,我们提出一个算法解决图/地面问题基于树突同步。特别地,我们将演示一个时空的信封的横向同步移动通过一个单层人工神经网络查看和感知视觉场景。拓扑的信封和活动传达信息,而不是同步gydF4y2Ba 本身gydF4y2Ba。神经元的相关功能,通过缝隙连接连接,同步和前后一致地应对输入刺激。这是符合歌手和灰色(总结的证据gydF4y2Ba 29日gydF4y2Ba),也就是说,细胞间相关性往往发生取向偏好相似,眼部的主导地位,和颜色选择性。gydF4y2Ba

歌手和灰色,以及克里克和科赫shandlen Movshon,托诺尼,埃德尔曼和Lamme模型基于axonal-dendritic突触,同步和长程相关性由于轴突发射/突触反馈循环机制感觉兴奋。一般来说,他们都适应无意识的认知过程和行为,但未能提供一个意识的区别。gydF4y2Ba

缝隙连接在大脑的重要性,特别是在γ波同步关系,还没有被感激。缝隙连接调控的移动模型的子区域,或信封的树突同步移动通过输入/集成层的神经元突触网络兼容,所有这些模型和补充,能够增加他们区分意识的机制。gydF4y2Ba

 8。结论gydF4y2Ba

认知脑功能理解为计算integrate-and-fire神经元的突触网络。每个神经元都有多个树突和胞体整合突触输入阈值触发轴突的解雇或峰值。反馈和突触修改,这些神经元网络学习,适应,和计算,能够占到认知功能。轴突的解雇或峰值和化学突触传播被认为是认知信息处理的主要货币在大脑的神经网络。但大脑意识的基础仍然是难以捉摸的,也是行政机构在基于神经网络的人工系统。gydF4y2Ba

与此同时,另一种类型的突触发生在大脑神经元网络。缝隙连接(电突触)融合相邻细胞,同步它们的细胞膜和细胞质融合连接,基本上形成子网是一个复杂的细胞,合胞体,“hyper-neuron”或树突。皮层中间神经元之间的差距junction-connected子网调解γ波同步脑电图,最好的可衡量的关联意识。之间的缝隙连接树突形成横向,侧向信封或层神经网络。缝隙连接打开和关闭,区域或网的差距junction-connected神经元和神经胶质可以移动大脑,作为同步集体集成的一个信封,也许能够赋予意识在其内容(gydF4y2Ba 15gydF4y2Ba]。如果意识移动通过大脑的神经网络作为自组织系统,也许一个比较函数可以改造成人工系统。在本文中,我们应用人工神经网络的概念。gydF4y2Ba

我们扩展标准integrate-and-fire神经元模型在一个人工系统包括“侧向同步”引起的横向连接输入/集成层。在区分“图”和“地面”在视觉信号,神经元提取输入刺激的基本特征。在我们的计算模型中,我们引入横向处理通过缝隙连接两神经元相似的功能。每个神经元暂时将自己输入一个阈值,当满足,结果的输出峰值。生成的输出峰值作为反馈信号使用相同的神经元。然后对该反馈信号gap-junction-connected平均邻近的神经元,无论缝隙连接的打开或关闭。神经元的放电频率高于平均空间打开他们的缝隙连接与邻近神经元,导致这些耦合神经元同步,提供一致的处理从一个时间步。打开和关闭的缝隙连接启用子gap-junction-connected细胞通过更大的网络。gydF4y2Ba

由于相干处理和集体集成,子网络的同步神经元可能更有效。在大脑中,根据我们的观点,gap-junction-defined同步区与有意识的感知和控制,将无意识的认知转化为意识。在人工系统,同步带可以作为移动执行官因果代理。这项研究展示了移动同步带的潜在效用特征检测和视觉感知。我们移动同步带是一个候选人(1)意识的神经关联的大脑和(2)一位高管在人工系统的因果代理。gydF4y2Ba

 确认gydF4y2Ba

m . it承认通过德国研究基金会的资助(DFG)批准号EB 241/7-1”仿生机器智能。“s Hameroff承认麻醉学的支持部门,亚利桑那大学图森,亚利桑那州。gydF4y2Ba

 克里克gydF4y2Ba F。gydF4y2Ba 科赫gydF4y2Ba C。gydF4y2Ba 意识的框架gydF4y2Ba 自然神经科学gydF4y2Ba 2003年gydF4y2Ba 6gydF4y2Ba 2gydF4y2Ba 119年gydF4y2Ba 126年gydF4y2Ba 2 - s2.0 - 0037312618gydF4y2Ba 10.1038 / nn0203 - 119gydF4y2Ba 查尔默斯gydF4y2Ba d . J。gydF4y2Ba 意识:在搜索的一个基本理论gydF4y2Ba 1996年gydF4y2Ba 牛津大学,英国gydF4y2Ba 牛津大学出版社gydF4y2Ba 霍奇森gydF4y2Ba D。gydF4y2Ba 使我们自己的运气gydF4y2Ba 比gydF4y2Ba 2007年gydF4y2Ba 20.gydF4y2Ba 3gydF4y2Ba 278年gydF4y2Ba 292年gydF4y2Ba 2 - s2.0 - 42549153617gydF4y2Ba 10.1111 / j.1467-9329.2007.00365.xgydF4y2Ba 科赫gydF4y2Ba C。gydF4y2Ba 克里克gydF4y2Ba F。gydF4y2Ba 内的僵尸gydF4y2Ba 自然gydF4y2Ba 2001年gydF4y2Ba 411年gydF4y2Ba 6840年gydF4y2Ba 893年gydF4y2Ba 2 - s2.0 - 0035927799gydF4y2Ba 10.1038 / 35082161gydF4y2Ba 克里斯托夫gydF4y2Ba K。gydF4y2Ba 戈登gydF4y2Ba a . M。gydF4y2Ba 斯莫尔伍德gydF4y2Ba J。gydF4y2Ba 史密斯gydF4y2Ba R。gydF4y2Ba 斯古乐gydF4y2Ba j·W。gydF4y2Ba 经验取样在fMRI显示默认网络和执行系统对心智游移的贡献gydF4y2Ba 美国国家科学院院刊》上的美利坚合众国gydF4y2Ba 2009年gydF4y2Ba 106年gydF4y2Ba 21gydF4y2Ba 8719年gydF4y2Ba 8724年gydF4y2Ba 2 - s2.0 - 66749166573gydF4y2Ba 10.1073 / pnas.0900234106gydF4y2Ba 灰色的gydF4y2Ba c . M。gydF4y2Ba 歌手gydF4y2Ba W。gydF4y2Ba Stimulus-specific猫视觉皮层的神经元振荡方向列gydF4y2Ba 美国国家科学院院刊》上的美利坚合众国gydF4y2Ba 1989年gydF4y2Ba 86年gydF4y2Ba 5gydF4y2Ba 1698年gydF4y2Ba 1702年gydF4y2Ba 2 - s2.0 - 0024541876gydF4y2Ba RibarygydF4y2Ba U。gydF4y2Ba IoannidesgydF4y2Ba 答:一个。gydF4y2Ba 辛格gydF4y2Ba k·D。gydF4y2Ba 哈森gydF4y2Ba R。gydF4y2Ba 博尔顿gydF4y2Ba j·p·R。gydF4y2Ba 总理gydF4y2Ba F。gydF4y2Ba MogilnergydF4y2Ba 一个。gydF4y2Ba LlinasgydF4y2Ba R。gydF4y2Ba 磁场断层的连贯的丘脑皮层的40 hz振荡gydF4y2Ba 美国国家科学院院刊》上的美利坚合众国gydF4y2Ba 1991年gydF4y2Ba 88年gydF4y2Ba 24gydF4y2Ba 11037年gydF4y2Ba 11041年gydF4y2Ba 2 - s2.0 - 0026335720gydF4y2Ba 弗里曼gydF4y2Ba w·J。gydF4y2Ba 主席gydF4y2Ba G。gydF4y2Ba 大脑非线性动力学的宏观表现底层多体的动力学gydF4y2Ba 生活的物理评论gydF4y2Ba 2006年gydF4y2Ba 3gydF4y2Ba 2gydF4y2Ba 93年gydF4y2Ba 118年gydF4y2Ba 2 - s2.0 - 33646077189gydF4y2Ba 10.1016 / j.plrev.2006.02.001gydF4y2Ba MellonigydF4y2Ba lgydF4y2Ba 莫利纳gydF4y2Ba C。gydF4y2Ba 佩纳gydF4y2Ba M。gydF4y2Ba 托雷斯gydF4y2Ba D。gydF4y2Ba 歌手gydF4y2Ba W。gydF4y2Ba 罗德里格斯gydF4y2Ba E。gydF4y2Ba 同步的神经活动在皮质与有意识的知觉gydF4y2Ba 神经科学杂志》上gydF4y2Ba 2007年gydF4y2Ba 27gydF4y2Ba 11gydF4y2Ba 2858年gydF4y2Ba 2865年gydF4y2Ba 2 - s2.0 - 33947324206gydF4y2Ba 10.1523 / jneurosci.4623 - 06.2007gydF4y2Ba 丽兹gydF4y2Ba R。gydF4y2Ba SejnowskigydF4y2Ba t·J。gydF4y2Ba 在感官系统同步振荡活动:新远景机制gydF4y2Ba 目前在神经生物学的观点gydF4y2Ba 1997年gydF4y2Ba 7gydF4y2Ba 4gydF4y2Ba 536年gydF4y2Ba 546年gydF4y2Ba 2 - s2.0 - 0031425891gydF4y2Ba 10.1016 / s0959 - 4388 (97) 80034 - 7gydF4y2Ba DermietzelgydF4y2Ba R。gydF4y2Ba 缝隙连接线路:一个“新”的原则在神经系统细胞间的沟通?gydF4y2Ba 大脑研究评论gydF4y2Ba 1998年gydF4y2Ba 26gydF4y2Ba 2 - 3gydF4y2Ba 176年gydF4y2Ba 183年gydF4y2Ba 2 - s2.0 - 0032079129gydF4y2Ba 10.1016 / s0165 - 0173 (97) 00031 - 3gydF4y2Ba DraguhngydF4y2Ba 一个。gydF4y2Ba 特劳布gydF4y2Ba r D。gydF4y2Ba 施密茨gydF4y2Ba D。gydF4y2Ba 杰弗瑞gydF4y2Ba j·g·R。gydF4y2Ba 电耦合构成在海马体体外高频振荡gydF4y2Ba 自然gydF4y2Ba 1998年gydF4y2Ba 394年gydF4y2Ba 6689年gydF4y2Ba 189年gydF4y2Ba 192年gydF4y2Ba 2 - s2.0 - 0032500037gydF4y2Ba 10.1038/28184gydF4y2Ba HormuzdigydF4y2Ba s G。gydF4y2Ba FilippovgydF4y2Ba m·A。gydF4y2Ba MitropoulougydF4y2Ba G。gydF4y2Ba 许多的gydF4y2Ba H。gydF4y2Ba BruzzonegydF4y2Ba R。gydF4y2Ba bruzzone@pasteur.frgydF4y2Ba 电突触:一个动态的信号系统,形状神经元网络的活动gydF4y2Ba Biochimica et Biophysica学报gydF4y2Ba 2004年gydF4y2Ba 1662年gydF4y2Ba 1 - 2gydF4y2Ba 113年gydF4y2Ba 137年gydF4y2Ba 10.1016 / j.bbamem.2003.10.023gydF4y2Ba 班尼特gydF4y2Ba m . v . L。gydF4y2Ba 祖金评述gydF4y2Ba r S。gydF4y2Ba 电耦合和在哺乳动物大脑神经元的同步gydF4y2Ba 神经元gydF4y2Ba 2004年gydF4y2Ba 41gydF4y2Ba 4gydF4y2Ba 495年gydF4y2Ba 511年gydF4y2Ba 2 - s2.0 - 1342291195gydF4y2Ba 10.1016 / s0896 - 6273 (04) 00043 - 1gydF4y2Ba HameroffgydF4y2Ba 年代。gydF4y2Ba “有意识的飞行员”树突同步穿过大脑协调意识gydF4y2Ba 生物物理学报gydF4y2Ba 2010年gydF4y2Ba 36gydF4y2Ba 1gydF4y2Ba 71年gydF4y2Ba 93年gydF4y2Ba 2 - s2.0 - 73449119625gydF4y2Ba 10.1007 / s10867 - 009 - 9148 - xgydF4y2Ba PockettgydF4y2Ba 年代。gydF4y2Ba 大胆的gydF4y2Ba g·e·J。gydF4y2Ba 弗里曼gydF4y2Ba w·J。gydF4y2Ba 脑电图同步在感官认知任务:广泛的频率相位同步gydF4y2Ba 临床神经生理学gydF4y2Ba 2009年gydF4y2Ba 120年gydF4y2Ba 4gydF4y2Ba 695年gydF4y2Ba 708年gydF4y2Ba 2 - s2.0 - 63549147886gydF4y2Ba 10.1016 / j.clinph.2008.12.044gydF4y2Ba 郭士纳gydF4y2Ba W。gydF4y2Ba 丽兹gydF4y2Ba R。gydF4y2Ba 范HemmengydF4y2Ba j·L。gydF4y2Ba 生物动力,分析可溶性cortex-I集体振荡的模式。理论薄弱的锁定gydF4y2Ba 生物控制论gydF4y2Ba 1993年gydF4y2Ba 68年gydF4y2Ba 4gydF4y2Ba 363年gydF4y2Ba 374年gydF4y2Ba 2 - s2.0 - 0027357806gydF4y2Ba 10.1007 / BF00201861gydF4y2Ba IzhikevichgydF4y2Ba e . M。gydF4y2Ba 埃德尔曼gydF4y2Ba g . M。gydF4y2Ba 大型哺乳动物丘脑皮层的模型系统gydF4y2Ba 美国国家科学院院刊》上的美利坚合众国gydF4y2Ba 2008年gydF4y2Ba 105年gydF4y2Ba 9gydF4y2Ba 3593年gydF4y2Ba 3598年gydF4y2Ba 2 - s2.0 - 42149192537gydF4y2Ba 10.1073 / pnas.0712231105gydF4y2Ba 郭士纳gydF4y2Ba W。gydF4y2Ba KistlergydF4y2Ba W。gydF4y2Ba 飙升的神经元模型gydF4y2Ba 2002年gydF4y2Ba 英国剑桥gydF4y2Ba 剑桥大学出版社gydF4y2Ba KistlergydF4y2Ba w·M。gydF4y2Ba 郭士纳gydF4y2Ba W。gydF4y2Ba 范HemmengydF4y2Ba j·L。gydF4y2Ba 减少hodgkin-huxley方程变量阈值模型gydF4y2Ba 神经计算gydF4y2Ba 1997年gydF4y2Ba 9gydF4y2Ba 5gydF4y2Ba 1015年gydF4y2Ba 1045年gydF4y2Ba 2 - s2.0 - 0000706722gydF4y2Ba ThiviergegydF4y2Ba j . P。gydF4y2Ba CisekgydF4y2Ba P。gydF4y2Ba 非周期的同步异构网络的神经元飙升gydF4y2Ba 神经科学杂志》上gydF4y2Ba 2008年gydF4y2Ba 28gydF4y2Ba 32gydF4y2Ba 7968年gydF4y2Ba 7978年gydF4y2Ba 2 - s2.0 - 51149102067gydF4y2Ba 10.1523 / jneurosci.0870 - 08.2008gydF4y2Ba 克里斯蒂gydF4y2Ba j . M。gydF4y2Ba 树皮gydF4y2Ba C。gydF4y2Ba HormuzdigydF4y2Ba s G。gydF4y2Ba HelbiggydF4y2Ba 我。gydF4y2Ba 许多的gydF4y2Ba H。gydF4y2Ba 韦斯特布鲁克gydF4y2Ba g . L。gydF4y2Ba Connexin36介导高峰在嗅球肾小球同步gydF4y2Ba 神经元gydF4y2Ba 2005年gydF4y2Ba 46gydF4y2Ba 5gydF4y2Ba 761年gydF4y2Ba 772年gydF4y2Ba 2 - s2.0 - 19544394294gydF4y2Ba 10.1016 / j.neuron.2005.04.030gydF4y2Ba 拉森gydF4y2Ba m B。gydF4y2Ba 布朗gydF4y2Ba j·E。gydF4y2Ba StobbsgydF4y2Ba s . H。gydF4y2Ba 甘德森gydF4y2Ba s . H。gydF4y2Ba 梅斯gydF4y2Ba lgydF4y2Ba ValenzuelagydF4y2Ba c F。gydF4y2Ba 雷gydF4y2Ba 答:P。gydF4y2Ba •亨利gydF4y2Ba 美国J。gydF4y2Ba SteffensengydF4y2Ba s . C。gydF4y2Ba scott_steffensen@byu.edugydF4y2Ba 脑刺激奖励由网络集成电耦合的GABA神经元gydF4y2Ba 大脑研究gydF4y2Ba 2007年gydF4y2Ba 1156年gydF4y2Ba 1gydF4y2Ba 46gydF4y2Ba 58gydF4y2Ba 10.1016 / j.brainres.2007.04.053gydF4y2Ba KokarovtsevagydF4y2Ba lgydF4y2Ba Jaciw-ZurakiwskygydF4y2Ba T。gydF4y2Ba 蒙迪扎巴尔ArboccogydF4y2Ba R。gydF4y2Ba FrantsevagydF4y2Ba m V。gydF4y2Ba 佩雷斯委拉斯凯兹gydF4y2Ba j·L。gydF4y2Ba 兴奋性和间隙连接调控机制在大鼠伏隔核调节意欲奖励gydF4y2Ba 神经科学gydF4y2Ba 2009年gydF4y2Ba 159年gydF4y2Ba 4gydF4y2Ba 1257年gydF4y2Ba 1263年gydF4y2Ba 2 - s2.0 - 63349084722gydF4y2Ba 10.1016 / j.neuroscience.2009.01.065gydF4y2Ba HeraultgydF4y2Ba J。gydF4y2Ba 模型的颜色处理脊椎动物视网膜的:从光感受器色彩反对派和色彩恒常性现象gydF4y2Ba NeurocomputinggydF4y2Ba 1996年gydF4y2Ba 12gydF4y2Ba 2 - 3gydF4y2Ba 113年gydF4y2Ba 129年gydF4y2Ba 2 - s2.0 - 0030608077gydF4y2Ba 10.1016 / 0925 - 2312 (95)00114 - xgydF4y2Ba VerukigydF4y2Ba m . L。gydF4y2Ba HartveitgydF4y2Ba E。gydF4y2Ba 暗(杆)无长突细胞形成一个网络的电耦合在哺乳动物的视网膜中间神经元gydF4y2Ba 神经元gydF4y2Ba 2002年gydF4y2Ba 33gydF4y2Ba 6gydF4y2Ba 935年gydF4y2Ba 946年gydF4y2Ba 2 - s2.0 - 0037075608gydF4y2Ba 10.1016 / s0896 - 6273 (02) 00609 - 8gydF4y2Ba 周润发gydF4y2Ba 我。gydF4y2Ba 年轻的gydF4y2Ba s . H。gydF4y2Ba 单个缝隙连接通道的开放在胚胎肌肉细胞之间形成电耦合gydF4y2Ba 发育生物学gydF4y2Ba 1987年gydF4y2Ba 122年gydF4y2Ba 2gydF4y2Ba 332年gydF4y2Ba 337年gydF4y2Ba 2 - s2.0 - 0023389969gydF4y2Ba AertsengydF4y2Ba 一个。gydF4y2Ba 阿恩特gydF4y2Ba M。gydF4y2Ba 视觉皮层响应同步gydF4y2Ba 目前在神经生物学的观点gydF4y2Ba 1993年gydF4y2Ba 3gydF4y2Ba 4gydF4y2Ba 586年gydF4y2Ba 594年gydF4y2Ba 2 - s2.0 - 0027304126gydF4y2Ba 10.1016 / 0959 - 4388 (93)90060 - cgydF4y2Ba 歌手gydF4y2Ba W。gydF4y2Ba 灰色的gydF4y2Ba c . M。gydF4y2Ba 视觉功能集成和时间相关的假设gydF4y2Ba 年度回顾神经科学gydF4y2Ba 1995年gydF4y2Ba 18gydF4y2Ba 555年gydF4y2Ba 586年gydF4y2Ba 2 - s2.0 - 0028969330gydF4y2Ba 王gydF4y2Ba D。gydF4y2Ba 紧急在本地同步耦合神经振荡器gydF4y2Ba IEEE神经网络gydF4y2Ba 1995年gydF4y2Ba 6gydF4y2Ba 4gydF4y2Ba 941年gydF4y2Ba 948年gydF4y2Ba 2 - s2.0 - 0029341843gydF4y2Ba 10.1109/72.392256gydF4y2Ba 康尼锡gydF4y2Ba P。gydF4y2Ba SchillengydF4y2Ba t . B。gydF4y2Ba Stimulus-dependent组装形成振荡反应:即同步gydF4y2Ba 神经计算gydF4y2Ba 1991年gydF4y2Ba 3gydF4y2Ba 155年gydF4y2Ba 166年gydF4y2Ba 特曼gydF4y2Ba D。gydF4y2Ba 王gydF4y2Ba D。gydF4y2Ba 全球竞争和地方合作网络中的神经振荡器gydF4y2Ba 自然史DgydF4y2Ba 1995年gydF4y2Ba 81年gydF4y2Ba 1 - 2gydF4y2Ba 148年gydF4y2Ba 176年gydF4y2Ba 2 - s2.0 - 58149210859gydF4y2Ba SchillengydF4y2Ba t . B。gydF4y2Ba 康尼锡gydF4y2Ba P。gydF4y2Ba Stimulus-dependent组装形成振荡反应:II。去同步化gydF4y2Ba 神经计算gydF4y2Ba 1991年gydF4y2Ba 3gydF4y2Ba 167年gydF4y2Ba 178年gydF4y2Ba itgydF4y2Ba M。gydF4y2Ba 迪gydF4y2Ba G。gydF4y2Ba 艾伯特gydF4y2Ba J。gydF4y2Ba 如JPEG2000中集成颜色恒常性gydF4y2Ba IEEE图像处理gydF4y2Ba 2007年gydF4y2Ba 16gydF4y2Ba 11gydF4y2Ba 2697年gydF4y2Ba 2706年gydF4y2Ba 2 - s2.0 - 36349014435gydF4y2Ba 10.1109 / TIP.2007.908086gydF4y2Ba itgydF4y2Ba M。gydF4y2Ba 基于当地的空间平均颜色颜色恒常性gydF4y2Ba 机器视觉和应用程序gydF4y2Ba 2009年gydF4y2Ba 20.gydF4y2Ba 5gydF4y2Ba 283年gydF4y2Ba 301年gydF4y2Ba 2 - s2.0 - 67449111121gydF4y2Ba 10.1007 / s00138 - 008 - 0126 - 2gydF4y2Ba ”赫gydF4y2Ba d . O。gydF4y2Ba 组织的行为gydF4y2Ba 1949年gydF4y2Ba 纽约,纽约,美国gydF4y2Ba 约翰威利& SonsgydF4y2Ba NaundorfgydF4y2Ba B。gydF4y2Ba 狼gydF4y2Ba F。gydF4y2Ba VolgushevgydF4y2Ba M。gydF4y2Ba 在大脑皮层神经元动作电位起始的独特特征gydF4y2Ba 自然gydF4y2Ba 2006年gydF4y2Ba 440年gydF4y2Ba 7087年gydF4y2Ba 1060年gydF4y2Ba 1063年gydF4y2Ba 2 - s2.0 - 33646187200gydF4y2Ba 10.1038 / nature04610gydF4y2Ba itgydF4y2Ba M。gydF4y2Ba HameroffgydF4y2Ba 年代。gydF4y2Ba 有意识的视觉感知的计算模型和图/地面分离gydF4y2Ba 《国际会议上仿生系统和信号处理gydF4y2Ba 2011年gydF4y2Ba 罗马,意大利gydF4y2Ba 科学和技术出版物gydF4y2Ba 112年gydF4y2Ba 118年gydF4y2Ba 特劳布gydF4y2Ba r D。gydF4y2Ba KopellgydF4y2Ba N。gydF4y2Ba BibbiggydF4y2Ba 一个。gydF4y2Ba 镶嵌细工gydF4y2Ba e . H。gydF4y2Ba LebeaugydF4y2Ba f . e . N。gydF4y2Ba 惠廷顿gydF4y2Ba m·A。gydF4y2Ba 缝隙连接之间的中间神经元树突可以增强伽马振荡在分布式网络的同步gydF4y2Ba 神经科学杂志》上gydF4y2Ba 2001年gydF4y2Ba 21gydF4y2Ba 23gydF4y2Ba 9478年gydF4y2Ba 9486年gydF4y2Ba 维克多gydF4y2Ba j . D。gydF4y2Ba 大脑如何使用时间来表示和处理视觉信息吗gydF4y2Ba 大脑研究gydF4y2Ba 2000年gydF4y2Ba 886年gydF4y2Ba 1 - 2gydF4y2Ba 33gydF4y2Ba 46gydF4y2Ba 2 - s2.0 - 0034672463gydF4y2Ba 10.1016 / s0006 - 8993 (00) 02751 - 7gydF4y2Ba MountcastlegydF4y2Ba 诉B。gydF4y2Ba 大脑皮层的柱状组织gydF4y2Ba 大脑gydF4y2Ba 1997年gydF4y2Ba 120年gydF4y2Ba 4gydF4y2Ba 701年gydF4y2Ba 722年gydF4y2Ba 2 - s2.0 - 0031002495gydF4y2Ba 10.1093 /大脑/ 120.4.701gydF4y2Ba DartnallgydF4y2Ba h·j·A。gydF4y2Ba BowmakergydF4y2Ba j·K。gydF4y2Ba MollongydF4y2Ba j . D。gydF4y2Ba 人类视觉色素:microspectrophotometric结果眼睛的七人gydF4y2Ba 英国伦敦皇家学会学报》上gydF4y2Ba 1983年gydF4y2Ba 220年gydF4y2Ba 1218年gydF4y2Ba 115年gydF4y2Ba 130年gydF4y2Ba 2 - s2.0 - 0021064935gydF4y2Ba ToveegydF4y2Ba m·J。gydF4y2Ba 介绍了视觉系统gydF4y2Ba 1996年gydF4y2Ba 英国剑桥gydF4y2Ba 剑桥大学出版社gydF4y2Ba 土地gydF4y2Ba e . H。gydF4y2Ba retinex理论的最新进展gydF4y2Ba 视觉研究gydF4y2Ba 1986年gydF4y2Ba 26gydF4y2Ba 1gydF4y2Ba 7gydF4y2Ba 21gydF4y2Ba 2 - s2.0 - 0022619304gydF4y2Ba PoyntongydF4y2Ba C。gydF4y2Ba 数字视频和高清电视。算法和接口gydF4y2Ba 2003年gydF4y2Ba 旧金山,加州,美国gydF4y2Ba 摩根Kaufmann出版商gydF4y2Ba 克里克gydF4y2Ba F。gydF4y2Ba 科赫gydF4y2Ba C。gydF4y2Ba 我们意识到在初级视觉皮层的神经活动吗?gydF4y2Ba 自然gydF4y2Ba 1995年gydF4y2Ba 375年gydF4y2Ba 6527年gydF4y2Ba 121年gydF4y2Ba 123年gydF4y2Ba 2 - s2.0 - 0029016357gydF4y2Ba 施瓦兹gydF4y2Ba e . L。gydF4y2Ba 灵长类动物的感官投影空间映射:分析结构和与认知之间的关系gydF4y2Ba 生物控制论gydF4y2Ba 1977年gydF4y2Ba 25gydF4y2Ba 4gydF4y2Ba 181年gydF4y2Ba 194年gydF4y2Ba 2 - s2.0 - 0017358115gydF4y2Ba 施瓦兹gydF4y2Ba e . L。gydF4y2Ba 计算解剖学和纹状皮层的功能体系结构:知觉编码空间映射方法gydF4y2Ba 视觉研究gydF4y2Ba 1980年gydF4y2Ba 20.gydF4y2Ba 8gydF4y2Ba 645年gydF4y2Ba 669年gydF4y2Ba 2 - s2.0 - 0018959209gydF4y2Ba 10.1016 / 0042 - 6989 (80)90090 - 5gydF4y2Ba 皮科拉gydF4y2Ba l . M。gydF4y2Ba 卡罗尔gydF4y2Ba t . L。gydF4y2Ba 混沌系统的同步gydF4y2Ba 物理评论快报gydF4y2Ba 1990年gydF4y2Ba 64年gydF4y2Ba 8gydF4y2Ba 821年gydF4y2Ba 824年gydF4y2Ba 2 - s2.0 - 0343689904gydF4y2Ba 10.1103 / PhysRevLett.64.821gydF4y2Ba 卡罗尔gydF4y2Ba t . L。gydF4y2Ba 皮科拉gydF4y2Ba l . M。gydF4y2Ba 同步混沌电路gydF4y2Ba IEEE电路和系统gydF4y2Ba 1991年gydF4y2Ba 38gydF4y2Ba 4gydF4y2Ba 453年gydF4y2Ba 456年gydF4y2Ba 2 - s2.0 - 0026137043gydF4y2Ba 10.1109/31.75404gydF4y2Ba 沃洛斯gydF4y2Ba Ch。K。gydF4y2Ba KyprianidisgydF4y2Ba i M。gydF4y2Ba StouboulosgydF4y2Ba i . N。gydF4y2Ba 实验同步的两个电阻耦合Duffing-type电路gydF4y2Ba 复杂系统的非线性现象gydF4y2Ba 2008年gydF4y2Ba 11gydF4y2Ba 2gydF4y2Ba 187年gydF4y2Ba 192年gydF4y2Ba 赵gydF4y2Ba lgydF4y2Ba 谕令gydF4y2Ba f。gydF4y2Ba 混沌同步在二维晶格场景分割gydF4y2Ba NeurocomputinggydF4y2Ba 2008年gydF4y2Ba 71年gydF4y2Ba 13 - 15gydF4y2Ba 2761年gydF4y2Ba 2771年gydF4y2Ba 2 - s2.0 - 56449089873gydF4y2Ba 10.1016 / j.neucom.2007.09.011gydF4y2Ba 威尔逊gydF4y2Ba h·R。gydF4y2Ba 考恩gydF4y2Ba j . D。gydF4y2Ba 兴奋和抑制性相互作用在局部神经元的数量模型gydF4y2Ba 生物物理期刊gydF4y2Ba 1972年gydF4y2Ba 12gydF4y2Ba 1gydF4y2Ba 1gydF4y2Ba 24gydF4y2Ba 2 - s2.0 - 0015260274gydF4y2Ba EckhorngydF4y2Ba R。gydF4y2Ba ReitboeckgydF4y2Ba h·J。gydF4y2Ba 阿恩特gydF4y2Ba M。gydF4y2Ba 迪克gydF4y2Ba P。gydF4y2Ba 通过同步功能连接分布式组件包括:模拟结果猫视觉皮层gydF4y2Ba 神经计算gydF4y2Ba 1990年gydF4y2Ba 2gydF4y2Ba 293年gydF4y2Ba 307年gydF4y2Ba ChaumettegydF4y2Ba F。gydF4y2Ba 哈钦森gydF4y2Ba 年代。gydF4y2Ba 视觉伺服控制。一、基本方法gydF4y2Ba IEEE机器人与自动化杂志gydF4y2Ba 2006年gydF4y2Ba 13gydF4y2Ba 4gydF4y2Ba 82年gydF4y2Ba 90年gydF4y2Ba 2 - s2.0 - 33947374691gydF4y2Ba 10.1109 / MRA.2006.250573gydF4y2Ba ChaumettegydF4y2Ba F。gydF4y2Ba 哈钦森gydF4y2Ba 年代。gydF4y2Ba 视觉伺服控制第二部分。先进的方法gydF4y2Ba IEEE机器人与自动化杂志gydF4y2Ba 2007年gydF4y2Ba 14gydF4y2Ba 1gydF4y2Ba 109年gydF4y2Ba 118年gydF4y2Ba 2 - s2.0 - 34147140926gydF4y2Ba 10.1109 / MRA.2007.339609gydF4y2Ba RodemanngydF4y2Ba T。gydF4y2Ba 信息处理与强化神经元的控制下伽马振荡gydF4y2Ba 2003年gydF4y2Ba 德国哥廷根gydF4y2Ba cuvillygydF4y2Ba LammegydF4y2Ba 诉a F。gydF4y2Ba SpekreijsegydF4y2Ba H。gydF4y2Ba 神经元同步并不代表结构隔离gydF4y2Ba 自然gydF4y2Ba 1998年gydF4y2Ba 396年gydF4y2Ba 6709年gydF4y2Ba 362年gydF4y2Ba 365年gydF4y2Ba 2 - s2.0 - 0032569797gydF4y2Ba 10.1038/24608gydF4y2Ba 利文斯通gydF4y2Ba m . S。gydF4y2Ba 休博尔gydF4y2Ba d . H。gydF4y2Ba 解剖学和生理学的颜色系统在灵长类动物的视觉皮层gydF4y2Ba 神经科学杂志》上gydF4y2Ba 1984年gydF4y2Ba 4gydF4y2Ba 1gydF4y2Ba 309年gydF4y2Ba 356年gydF4y2Ba 哈钦gydF4y2Ba B。gydF4y2Ba YaromgydF4y2Ba Y。gydF4y2Ba 共振,振荡和固有频率偏好的神经元gydF4y2Ba 神经科学的趋势gydF4y2Ba 2000年gydF4y2Ba 23gydF4y2Ba 5gydF4y2Ba 216年gydF4y2Ba 222年gydF4y2Ba 10.1016 / s0166 - 2236 (00) 01547 - 2gydF4y2Ba KouidergydF4y2Ba 年代。gydF4y2Ba 银行gydF4y2Ba w·P。gydF4y2Ba 神经生物学理论的意识gydF4y2Ba 百科全书的意识gydF4y2Ba 2009年gydF4y2Ba 爱思唯尔gydF4y2Ba 87年gydF4y2Ba One hundred.gydF4y2Ba 托诺尼gydF4y2Ba G。gydF4y2Ba 埃德尔曼gydF4y2Ba g . M。gydF4y2Ba 意识和复杂性gydF4y2Ba 科学gydF4y2Ba 1998年gydF4y2Ba 282年gydF4y2Ba 5395年gydF4y2Ba 1846年gydF4y2Ba 1851年gydF4y2Ba 2 - s2.0 - 0032484086gydF4y2Ba HupegydF4y2Ba j . M。gydF4y2Ba 詹姆斯gydF4y2Ba a . C。gydF4y2Ba 佩恩gydF4y2Ba b R。gydF4y2Ba LombergydF4y2Ba s G。gydF4y2Ba 吉拉尔gydF4y2Ba P。gydF4y2Ba 欺负gydF4y2Ba J。gydF4y2Ba 皮质的反馈,从而提高图和背景之间的歧视V1, V2和V3神经元gydF4y2Ba 自然gydF4y2Ba 1998年gydF4y2Ba 394年gydF4y2Ba 6695年gydF4y2Ba 784年gydF4y2Ba 787年gydF4y2Ba 2 - s2.0 - 0032552080gydF4y2Ba 10.1038/29537gydF4y2Ba GrossberggydF4y2Ba 年代。gydF4y2Ba 层流皮层动态感知的视觉形式gydF4y2Ba 神经网络gydF4y2Ba 2003年gydF4y2Ba 16gydF4y2Ba 5 - 6gydF4y2Ba 925年gydF4y2Ba 931年gydF4y2Ba 2 - s2.0 - 0038016944gydF4y2Ba 10.1016 / s0893 - 6080 (03) 00097 - 2gydF4y2Ba 托诺尼gydF4y2Ba G。gydF4y2Ba 一个信息集成的理论意识gydF4y2Ba BMC神经科学gydF4y2Ba 2004年gydF4y2Ba 5,货号。42gydF4y2Ba 2 - s2.0 - 12944335010gydF4y2Ba 10.1186 / 1471-2202-5-42gydF4y2Ba DehaenegydF4y2Ba 年代。gydF4y2Ba NaccachegydF4y2Ba lgydF4y2Ba 对意识的认知神经科学:基本证据和工作区框架gydF4y2Ba 认知gydF4y2Ba 2001年gydF4y2Ba 79年gydF4y2Ba 1 - 2gydF4y2Ba 1gydF4y2Ba 37gydF4y2Ba 2 - s2.0 - 0035172287gydF4y2Ba 10.1016 / s0010 - 0277 (00) 00123 - 2gydF4y2Ba LammegydF4y2Ba 诉a F。gydF4y2Ba 对一个真正的神经立场意识gydF4y2Ba 认知科学趋势gydF4y2Ba 2006年gydF4y2Ba 10gydF4y2Ba 11gydF4y2Ba 494年gydF4y2Ba 501年gydF4y2Ba 2 - s2.0 - 33750148955gydF4y2Ba 10.1016 / j.tics.2006.09.001gydF4y2Ba 泽克gydF4y2Ba 年代。gydF4y2Ba VelmansgydF4y2Ba M。gydF4y2Ba 施耐德gydF4y2Ba 年代。gydF4y2Ba micro-consciousness理论gydF4y2Ba 布莱克威尔的同伴意识gydF4y2Ba 2007年gydF4y2Ba 马登,美国质量gydF4y2Ba 布莱克威尔gydF4y2Ba 580年gydF4y2Ba 588年gydF4y2Ba von der MalsburggydF4y2Ba C。gydF4y2Ba 大脑功能的相关理论gydF4y2Ba 1981年gydF4y2Ba 德国哥廷根gydF4y2Ba 马普学会生物物理化学、神经生物学的部门gydF4y2Ba 内部报告gydF4y2Ba 王gydF4y2Ba D。gydF4y2Ba BuhmanngydF4y2Ba J。gydF4y2Ba von der MalsburggydF4y2Ba C。gydF4y2Ba 在联想记忆模式细分gydF4y2Ba 神经计算gydF4y2Ba 1990年gydF4y2Ba 2gydF4y2Ba 94年gydF4y2Ba 106年gydF4y2Ba 丽兹gydF4y2Ba R。gydF4y2Ba 郭士纳gydF4y2Ba W。gydF4y2Ba 富恩特斯gydF4y2Ba U。gydF4y2Ba 狮子座van HemmengydF4y2Ba J。gydF4y2Ba 生物动力,分析可溶性cortex-II集体振荡的模式。应用程序绑定和分割模式gydF4y2Ba 生物控制论gydF4y2Ba 1994年gydF4y2Ba 71年gydF4y2Ba 4gydF4y2Ba 349年gydF4y2Ba 358年gydF4y2Ba 2 - s2.0 - 0028671949gydF4y2Ba 10.1007 / BF00239622gydF4y2Ba von der MalsburggydF4y2Ba C。gydF4y2Ba BuhmanngydF4y2Ba J。gydF4y2Ba 感觉分割与神经振子耦合gydF4y2Ba 生物控制论gydF4y2Ba 1992年gydF4y2Ba 67年gydF4y2Ba 3gydF4y2Ba 233年gydF4y2Ba 242年gydF4y2Ba 2 - s2.0 - 0026458898gydF4y2Ba 10.1007 / BF00204396gydF4y2Ba 歌手gydF4y2Ba W。gydF4y2Ba 神经元同步:通用的代码定义的关系?gydF4y2Ba 神经元gydF4y2Ba 1999年gydF4y2Ba 24gydF4y2Ba 1gydF4y2Ba 49gydF4y2Ba 65年gydF4y2Ba 2 - s2.0 - 0032830151gydF4y2Ba 10.1016 / s0896 - 6273 (00) 80821 - 1gydF4y2Ba PalvagydF4y2Ba j . M。gydF4y2Ba PalvagydF4y2Ba 年代。gydF4y2Ba 开啦gydF4y2Ba K。gydF4y2Ba 人类大脑皮层神经元之间的相位同步振荡gydF4y2Ba 神经科学杂志》上gydF4y2Ba 2005年gydF4y2Ba 25gydF4y2Ba 15gydF4y2Ba 3962年gydF4y2Ba 3972年gydF4y2Ba 2 - s2.0 - 17644417849gydF4y2Ba 10.1523 / jneurosci.4250 - 04.2005gydF4y2Ba 克里克gydF4y2Ba F。gydF4y2Ba 科赫gydF4y2Ba C。gydF4y2Ba 对一个神经生物学的理论意识gydF4y2Ba 在神经科学研讨会gydF4y2Ba 1990年gydF4y2Ba 2gydF4y2Ba 263年gydF4y2Ba 275年gydF4y2Ba shandlengydF4y2Ba m . N。gydF4y2Ba MovshongydF4y2Ba j . A。gydF4y2Ba 同步的:一个关键的评估时间绑定假说gydF4y2Ba 神经元gydF4y2Ba 1999年gydF4y2Ba 24gydF4y2Ba 1gydF4y2Ba 67年gydF4y2Ba 77年gydF4y2Ba 10.1016 / s0896 - 6273 (00) 80822 - 3gydF4y2Ba