Neuronen und ihre Modellierung

Ich habe kürzlich einen Artikel darüber geschrieben, wie das Gedächtnis im Gehirn funktioniert . Einige Kommentare besagten, dass ich das Thema der Merkmale eines biologischen Neurons nicht ausreichend offengelegt habe. Und ich beschloss, meinen Fehler zu beheben.

Dieser Artikel enthält eine Liste der Hauptmechanismen, die biologische Neuronen von einem einfachen Modell mit Bindungsgewichten und einer Aktivierungsschwelle unterscheiden. Ich werde Ihnen sagen, wie Sie das Modell korrigieren können, wenn Sie diese Funktionen berücksichtigen müssen.

Wir beginnen hier mit diesem einfachen Bild:

1. Wir haben verschiedene Neuronen

Problem: Es gibt viele Arten von Neurotransmittern im Gehirn, und jedes Neuron hat seine eigenen Rezeptoren.


Lösung: Kolorieren Sie die Neuronenbälle und markieren Sie so diejenigen, die auf einen bestimmten Neurotransmitter reagieren. Wenn Sie mehrere Neurotransmitter für ein Neuron benötigen, malen Sie es in mehreren Farben. Wenn jeder Neurotransmitter auf seine Weise die Ladung des Neurons beeinflusst, erstellen Sie für jeden Neurotransmitter eine Funktion der Ladung des Neurons. Beschreiben Sie ein Neuron mit der Zusammensetzung dieser Funktionen.

2. Eine Ladung tritt aus Neuronen aus

Problem: Ein echtes Neuron speichert nicht alle geladenen Teilchen unendlich lange, sondern entlädt sich allmählich.

Lösung: Stellen Sie von Zeit zu Zeit die Funktion der Entladung des Neurons ein. Bei Bedarf können Sie für jedes Neuron eine haben. Aber im Allgemeinen leckt die Ladung aufgrund der Potentialdifferenz, so dass die Situation dort wie bei einem Selbstentladungskondensator ist - wir werden so etwas haben wie:$$ , wobei U die Potentialdifferenz zwischen dem Neuron und der Umgebung ist, t die Zeit ist, R der Membranwiderstand ist, C die Kapazität des Neuron-Membran-Umgebungssystems ist. Dies wurde übrigens bereitsgetan.$U(t) = U_0*e^{-t/RC}$

3. Neuronen können ohne Signal von anderen Neuronen aktiviert werden

Problem: Da sich das reale Neuron keine Sorgen darüber macht, woher die Neurotransmitter stammen, kann es von selbst aktiviert werden, einfach durch die Freisetzung von Neurotransmittern in das Gehirn.

Lösung: Fügen Sie etwas hinzu, das bei Aktivierung die Ladung aller Neuronen erhöht. Färben Sie es in der Farbe des gewünschten Neurotransmitters. Aktivieren Sie diese Option, wenn Sie eine externe Neurotransmitterquelle simulieren müssen.

4. Es gibt Neuronen ohne Dendriten

Problem: Einige Neuronen empfangen überhaupt kein Eingangssignal von anderen und werden nur von der Ebene der Neurotransmitter aktiviert.

Lösung: Siehe obigen Absatz.

5. Neurogenese

Problem: Neue Neuronen und Verbindungen wachsen im Gehirn. Und sie sterben übrigens auch.

Lösung: Fügen Sie dynamisch neue Neuronen und Verbindungen hinzu, wenn Sie die Neurogenese simulieren müssen. So simulieren Sie den umgekehrten Vorgang: Löschen.

6. Verbindungen zwischen Neuronen - nicht statisch

Problem: Wenn Neuronen aktiviert werden, werden die Verbindungen zwischen ihnen gestärkt oder geschwächt. Dies hängt von der Reihenfolge der Aktivierung ab. Wenn die Aktivierungsrichtung direkt ist, d.h. Zuerst wird ein Neuron aktiviert, von dem der Pfeil ausgeht, und dann dasjenige, in das er eintritt - die Verbindung wird gestärkt. Wenn das Gegenteil schwächer wird.

Lösung: Reduzieren oder erhöhen Sie das Gewicht der Verbindung, abhängig von der Reihenfolge der Aktivierung. Und ja, das Gewicht kann Null sein. Dies bedeutet, dass die Verbindung so schwach ist, dass die Aktivierung eines Neurons das andere nicht beeinflusst. Möglicherweise können wir diese Verbindung jedoch durch direkte Aktivierungen von außen verbessern. Daher können Sie sie nicht einfach entfernen.

7. Langzeitgedächtnis

Problem: Das reale Gehirn kann den Kommunikationszustand "reparieren" und stellt so die Verfügbarkeit des Langzeitgedächtnisses sicher. Der Prozess wird als späte Langzeitpotenzierung bezeichnet.

Lösung: Merken Sie sich den Wert des Gewichts zum Zeitpunkt des "Fixierens" der Verbindung. Stellen Sie die Stärke der Verbindung wieder her, nachdem Sie die Verbindung verstärkt oder geschwächt haben. Wenn die Verbindung wieder hergestellt wird, aktualisieren Sie den gespeicherten Wert.

8. Informationen aus dem Langzeitgedächtnis vergessen

Problem: Das reale Gehirn kann sogar die vom vorherigen Mechanismus empfangenen Verbindungen verschlechtern.

Lösung: Führen Sie die Verschlechterung der Kommunikation mithilfe des Mechanismus von Abschnitt 6 aus. (Aktivierung in entgegengesetzter Richtung der Kommunikationsreihenfolge) und notieren Sie das Ergebnis mit Abschnitt 7.

9. Substanzen

Problem: Inhaber eines echten Gehirns essen manchmal Pillen, die natürliche Neurotransmitter regulieren oder ihre strukturellen Gegenstücke sind. Zum Beispiel erhöhen SSRI-Antidepressiva die Menge an Serotonin, die auf Neuronen wirkt, und Cerucal blockiert Dopaminrezeptoren.

Lösung: Alle Signale für Neuronen der entsprechenden Farbe schwächen oder verstärken. Zum Beispiel haben wir Dopamin blockiert - wir reduzieren die Ladung aller Dopamin-Neuronen um 90 Prozent. Wir haben einen Serotonin-Wiederaufnahmehemmer genommen - wir erhöhen alle Serotonin-Bindungen um 30 Prozent. Wir haben ein strukturelles Analogon von Serotonin genommen - wir erhöhen es erneut, aber bereits um das Dreifache.

10. Jedes andere Problem

Ist das Laden von Neuronen nicht linear? Erstellen Sie eine Funktion und beschreiben Sie damit die Gebührenerhöhung. Möchten Sie die Wirkung anderer Entitäten auf Neuronen beschreiben? Fügen Sie sie Ihrem Modell hinzu. Die Essenz wird sich nicht ändern - Sie werden immer Neuronen und Verbindungen zwischen ihnen haben. Sie können ihr Verhalten je nach Ihren Anforderungen anpassen.

Möchten Sie es dem Realen näher bringen? Eine Liste mit 9 Punkten oben hilft. Sie brauchen es nicht, weil es Ihre Aufgabe ist, die Bilder zu erkennen? Vergiss all diese Nuancen. Willst du ein Gedächtnis ähnlich einem Gedächtnis in einem biologischen Gehirn? Betrachten Sie die Punkte 5 bis 8. Nicht genügend Genauigkeit? Tauchen Sie tiefer in die Neurowissenschaften ein, gehen Sie eine andere Ebene hinunter und verfeinern Sie das Modell. Modellieren Sie die Synapse, modellieren Sie das Verhalten der Rezeptoren. Es gibt Raum für Manöver.

Vieles wurde bereits zuvor modelliert, Sie können diese Ergebnisse verwenden. Es brauchte etwas Bestimmtes, das weder ich noch sonst jemand beschrieben hat - mach es selbst.

Wenn Sie diese Genauigkeit jedoch nicht benötigen, vergessen Sie sie. Sie müssen nicht überentwickeln, nur weil Sie jetzt einen Satz neuer glänzender Hämmer haben. Dies entspricht der Verwendung von GR zur Simulation eines Ziegelsturzes aus einem neunstöckigen Gebäude. Ja, relativistische Effekte werden auch in diesem Fall funktionieren. Sie werden Ihre Aufgabe jedoch ernsthaft verkomplizieren und im Gegenzug eine Erhöhung der Genauigkeit um 0,0000001% erhalten.

Halten Sie es einfach und unkompliziert.

PS
Wenn Sie sich ein Beispiel für die Verwendung eines solchen Modells ansehen möchten, habe ich in diesem Artikel das Gedächtnis in einem biologischen Gehirn anhand einiger der oben aufgeführten Punkte modelliert.