大脑处理信息量化模型中的细节汇编九.docVIP

大脑处理信息量化模型中的细节汇编十 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 摘要：文献[1-9]提出了血液循环在大脑处理信息的过程中具有时序控制作用，并用量化模型结合结构风险最小化相关理论说明时序控制作用的意义。文献[10-18]汇总介绍量化模型中的一些细节，本文将继续对更多细节进行介绍，以期同行能更深入理解该模型。文章包括两部分：第一部分给出了应用结构风险最小化相关理论对大脑处理信息的过程进行分析的图示。第二部分给出了一些说明。 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；时间认知 中图分类号：Q426 文献标识码：A 文章编号： Details of Quantitative Model of Brain Information Processing X XIEQIN1,* 1 Bureau of Science, Technology and Information of Guangzhou Municipality ; ITT Department, GAGOC Guangzhou，510000 Abstract: Literatures [1-9] suggest that blood circulation plays the role of basic timer when brain processing information; and suggest a quantitative model of brain information processing. Literatures [10-18] introduced details of the quantitative model. This article introduces more details, including 2 parts. Part 1 gives two figures about application of structural risk minimization theory. Part 2 gives some explanations. Keywords: model of process storing and recalling; timing control; microcirculation; structure risk minimization; CNS; information processing; time cognition 1．应用结构风险最小化工具分析大脑处理信息过程的图示 图一和图二给出了应用结构风险最小化工具分析大脑处理信息过程的图示： （1）以时间轴上的点t0为参考点，在每个样本时间长度L固定的情况下，如果样本开始时间点为t0 + t，对于t在实数域的每个取值，对应一种样本量化方法，神经网络在时间轴上的兴奋状况将会量化成一个向量集合。例如样本开始时间点为图中的开始时间点1，开始时间点2，开始时间点3对应三种量化方法。 （2）样本开始时间点为t0 + t + N*L (N为整数)的各种量化方法量化得到的向量集合相同， 例如样本开始时间点为图中的开始时间点1和开始时间点3的两种量化方法量化得到的向量集合相同，向量的分布函数也相同。 （3）如果样本量化得到的向量增加一维时戳标记，标记的值可以是这个样本的观察点（参考文献[10]）所对应的时间点，则各种量化方法量化可得到一系列的扩维向量集合，每两个扩维的向量集合内的元素可以建立一一映射。 （4）当相关网络范围减小时，对于每种量化方法（t取不同的值）都可看到，在训练样本数量有限的情况下， 相关网络范围减小了，降低了结构风险，有利于网络正确而高效地处理信息。 图一 图二 2．一些说明 （1）文献[16]图三中的“80%”是为了说明红圈内外细胞之间的连接修改程度差异（细胞兴奋程度差异决定）而约定的值，也可约定为“30%”，“50%”，“90%”等。在图三中，为方便理解，可改约定为“30%”。 （2）神经网络中受体调整次数的总和也是网络训练过程中网络调整次数的一个上界；但在考虑信息处理系统行为的时候，还要考虑调整程度足够强的次数的总和。 （3）在考察生物神经网络运作时，如果输入输出向量样本对相应网络各边的权值都没有修改，可作为信息提取过程处理。 （4）另外一种量化方案：对于网络中的每个细胞，在时间轴上每个时间点都建立观察点，将该时间点上细胞的阈值电位和膜电位考虑各种因素后换算成波动阈值输入。对其他每维输入扩展一维伴生输入，如图三中对细胞A 输入Input 1扩展伴生维Input 1’，对