1大脑信息存储-中国神经科学学会.doc

会员号：S424400081M 大脑处理信息的样本量和网络规模问题 谢勤1,* 1 广州市科技和信息化局，第16届亚运会组委会信息技术部，广州 510000 *通讯作者 E-mail:xieqin1982@21 摘要：结合人工神经网络领域的理论成果，量化描述大脑处理信息的过程，分析大脑各生化参数、生理机制对具体信息存储、信息提取的影响，将有助于进一步理解大脑的工作原理。本文介绍了一个量化描述大脑信息存储、信息提取的思路，并结合结构风险最小化原理，分析说明大脑在具体信息处理过程中存在样本量和网络规模匹配的问题。在量化模型的帮助下，可以看到，血液循环的时序控制作用、语言机制等能和大脑的生化参数相互配合，实现如下几点，从而使大脑能对不同信息处理组织起相对独立规模受控的子网络，降低结构风险，准确而高效的处理信息：1 在处理特定信息的时候，相关网络中细胞的兴奋程度足够大，并且能维持足够长的兴奋时间 2 在处理特定信息的时候，无关网络中细胞的兴奋程度足够小 3 兴奋程度大小和时间长短不同造成连接改变程度差异，改变程度差异参数和遗忘机制的参数能相互配合 4 在实现差异的基础上，又能保证生化环境的稳定，使信息提取时输入神经网络的样本不和训练样本差别过大 5 子网络的组织有一定的稳定性和灵活性。 关键词 过程存储与重组模型；时序控制；微循环；结构风险；中枢神经系统；信息处理 ------------------------------------------------------------------------------ (作者简介：谢勤，（1982-），男，华南理工大学硕士，最近在亚组委信息技术部专家顾问岗位完成核心信息系统——计时记分和成绩处理系统项目实施管理方面的工作，其中计时记分系统投资一亿。主要研究方向：计算机科学与工程，人工智能，神经生物学前言 在本节中将。.1模型对一些事实的简化描述目前普遍接受的联系单个神经细胞和整网运作的理论是，大脑通过突触的可塑性进行信息存储并通过多个神经细胞的同步兴奋或者抑制对某一个具体的信息进行处理图。 图 神经网络处理信息的机制示意 Fig.1 Illusion about how brain processing a graphic * 红圈中的细胞存储了一幅图像G，当图像G意识中浮现的时候，需要红色的细胞兴奋，而蓝色的细胞抑制。 * When brain processing a piece of information (e.g. a graphic G “pop up” in our mind), it’s required that some special cells are active (tag with red), and other cells are depressed (tag with blue or white). 2 建模时，兴奋性连接权值为正值，抑制性连接权值为负值。对于网络存在反馈回路的情况。在观察时间精度和空间精度足够小，并且对网络所处生化环境状态进行足够精细分类的前提下，并由于采用扩维的数学处理（具体后面叙述），对有反馈回路网络行为的观察可以近似看做对一系列前向网络行为的观察；对有反馈回路网络的训练可以近似看做对一系列前向网络的训练，图。 图 有反馈回路的网络可以看成一系列前向网络 Fig. Treat network with reactive circuits as a set of networks without reactive circuits 1.2 信息存储的过程 由于神经细胞兴奋的时候具有绝对不应期，因此用足够小的时间精度观察神经网络 存储信息的过程时，可以看成用一组训练样本（其中每个训练样本为“足够小”的时间段内各个神经细胞的兴奋状态）对神经网络进行训练。图、图以三个细胞组成的网络为例，说明了训练样本的相关概念。 图 训练样本的概念和相关说明 Fig. Illustration of neural network training 图 训练样本的概念和相关说明2 Fig. Illustration of neural network training 2 1.3 信息提取的过程 图6介绍了信息提取过程的相关概念和说明。以图1中图象G的提取为例，在大脑提取信息的时候，一系列扩维后的输入样本连续输入神经网络，经过图6中描述的过程，形成红色细胞群兴奋程度高于大脑中其他大量细胞，蓝色细胞群抑制程度高于大脑中其他大量细胞的情况，并且这种情况持续一段时间，从而形成