神经微系统与机器人.pptxVIP

第1页/共65页神经微系统与机器人第2页/共65页神经元集群编码策略1.1背景 1.2神经元集群编码策略的方式 1.3神经元集群时空编码 1.3.1放电同步性的互相关表达 1.3.2多变量分析 1.3.3人工神经网络 1.4时空编码与频率编码的关系 1.5本章小结 第3页/共65页背景作为脑功能研究的重要方向之一，神经元集群编码研究着重于应用数学理论和计算机模拟方法对脑功能进行模拟和研究，从信息科学的角度尝试解释脑的信息处理机制。它具有很强的学科交叉性和整合性，重点在于为脑的高级功能提供可信的解释模型，神经元集群编码研究的发展将对智能科学、信息科学、认知科学、神经科学等多门学科产生重要而深远的影响。从信息科学的角度出发，我们可将大脑看成接受、处理并输出信息的一种复杂的系统。外界输入的刺激信息是高维的，大脑筛选、整合以及储存有用的信息，并通过神经元的响应活动来实现对这些有用信息的编码与解码。比如，当我们接受视觉信号的时候，大脑所解读的并非是光的强度或是波长，而是数以百万计的视神经细胞的动作电位。因此脑功能研究的迫切任务就是对神经元放电这种语言在各种情况下的含义进行破译，也就是掌握神经信息的编码方式。第4页/共65页神经元集群编码策略的方式神经元集群编码目前主要有频率编码和时空编码两种方式。神经元集群的频率编码以神经元集群内的脉冲发放频率即总的脉冲发放率的平均值表示信息。而神经元集群的时空编码具有较高的信息传输率，在中枢神经系统的信息处理和传递中有着巨大的优越性。所以在接下来的讲解中，我们主要对神经元集群的时空编码方法进行详细的介绍。第5页/共65页神经元集群时空编码在神经元集群所组成的回路中，单个神经元放电序列中的有序时间间隔，或不同神经元放电序列之间的相互时间关系将会重现，这种重复出现的，有序的并且是精确的放电间隔相互关系被称为神经元集群时空编码。所谓“空”，是空间连接，是一种“硬件”的拓扑结构，是神经元间的物理连接；而“时”则是指在“硬件”结构基础上传递的时间模式，这种模式可以决定动态的连接结构，这种时间模式的产生与“硬件”连接密切相关，但是时间变量提供了传递信息的巨大能力，结果是可以在同一“硬件”上形成许多不同的“动态结构”。第6页/共65页放电同步性的互相关表达对神经元放电序列相关函数的解读是时空编码的主要表达方式：平坦而接近零值的互相关函数说明两个放电序列为各自独立的过程；互相关函数在延时为零处出现峰值，表明被考察的两个神经元放电序列呈现同步化趋势；互相关函数在非零延时处出现峰值，表明一个神经元的活动对另一个神经元的活动具有激活作用。神经元放电序列间相关性的存在已经得到越来越多实验结果的支持。但这种相关性往往是很复杂的，因为它的来源可能不同。第7页/共65页多变量分析目前应用最广泛的放电同步性的互相关表达只能检测神经元集群中任意两个神经元放电序列之间的相关性，而不是同步记录的多个神经元放电脉冲序列之间的相互关系。在概率论和统计学中，一个离散事件的时间序列(比如一个脉冲放电序列)称为一个点过程(point process)，因此同时记录的多个神经元活动组成的放电脉冲集合就组成了多维点过程时间序列。这些时间序列都是动态的、随机变化的，它们之间的关系可以用基于多变量分析的统计学方法，例如线性或非线性多变量回归分析更为精确地表达。第8页/共65页人工神经网络应用统计学的方法可以对神经信息进行有效地提取，但在一些具有特殊的数学分布或者假设的情况下，人工神经网络方法则更为适用。第9页/共65页时空编码与频率编码的关系在不同的皮层区域，应该采用不同的编码方法来实现局部空间结构和时间动态行为之间的平衡，以反应其所处理信息的自然特征。频率编码在许多系统中被用来表达时间信息，并且与时间编码同时存在。第10页/共65页本章小结许多实验已经表明，大脑中并非只有一种编码方式存在。目前对于神经元集群编码策略的研究主要停留在应用传统的信息理论和方法：频率编码和时空编码。时空编码也大多停留在表达集群内神经元放电序列两两之间的关系上，这些方法能表达的神经信息还是极为有限的，研究表达集群中多个神经元相互关系的高阶特性进而发展其他更为有效的编码模式是未来将要面对的问题。第11页/共65页神经微电子系统2.1神经接口 2.2神经接口技术（神经微电极）的国内外研究现状 2.3神经微电极与神经纤维的耦合 2.4神经微电极的特点和设计原则 2.5神经微电极主要类型 2.6神经微电子系统2.7神经微电子系统的应用 第12页/共65页神经接口(Neural Interface，NI)神经接口是人或动物的神经系统与外界环境交互的双向通道。该技术涉及到生物，医学，信息和材料等多个学科领域，需要多学科交叉融合。作为一种崭新的交互模式，它的发展越来越受到人们的重视。到目前为止