Вычислительные исследования системных и частных принципов информационных процессов в рекуррентных нейронных системах Соловьева Ксения Павловна

Краткое описание

Соловьева,КсенияПавловна.Вычислительныеисследованиясистемныхичастныхпринциповинформационныхпроцессовврекуррентныхнейронныхсистемах: диссертация ... кандидата биологических наук : 03.01.02 /СоловьеваКсенияПавловна; [Место защиты: Моск. физ.-техн. ин-т (гос. ун-т)]. - Москва, 2019. - 151 с. : ил.больше
Цитаты из текста:

стр. 1
МОСКОВСКИЙ ФИЗИКО-ТЕХНИЧЕСКИЙ ИНСТИТУТ (НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ) На правах рукописиСОЛОВЬЕВАКСЕНИЯПАВЛОВНАВЫЧИСЛИТЕЛЬНЫЕИССЛЕДОВАНИЯСИСТЕМНЫХИЧАСТНЫХПРИНЦИПОВИНФОРМАЦИОННЫХПРОЦЕССОВВРЕКУРРЕНТНЫХНЕЙРОННЫХСИСТЕМАХСпециальность: 03.01.02 - Биофизика Диссертация на соискание

стр. 7
выяснения общихпринциповфункционированиянейронныхсистем, составляющая ядро настоящей работы, является остро актуальной. ОбъектисследованияОбъектомисследованияявляются моделирекуррентныхнейронныхсистем. Во второй главе анализ ведется с детализацией на уровне ионных каналов, в главах с третью

стр. 13
научная и практическая ценность. Представлена краткая аннотация всех глав диссертации. Первая глава посвящена обзору литературы по фундаментальнымпринципаминформационныхпроцессовработы мозга и искусственныхнейронныхсистемв контексте реверберационныхнейронныхпроцессовирекуррентныхнейронныхсистем. Во второй главе проведеноисследованиефункциональных возможностей взаимодействия возбуждения поверхностной...

Оглавление диссертациикандидат наук Соловьева Ксения Павловна
Оглавление
Введение
1. ГЛАВА 1. Современное состояние проблемы моделирования фундаментальных принципов информационных процессов работы мозга. Рекуррентные нейронные системы (обзор литературы)
1.1.История и методология изучения механизмов работы мозга
1.2. Внутриклеточный кальций и нейронные генераторы паттернов
1.2.1. Нервный импульс
1.2.2. Вспышки повышенной концентрации кальция внутри клетки
1.2.3. История изучения нейронных генераторов паттернов и постановка задачи исследования CICR-зависимых генераторов
1.3. Точечные и непрерывные аттракторы в нейронных сетях
1.3.1. Аттракторные состояния в нейронных сетях
1.3.2. Волны активности в нейронных сетях с непрерывными аттракторами
1.4. Самоорганизующиеся отображения (сети Кохонена)
1.5.Принципы приспособления поведения организмов к среде обитания и работы И.П. Павлова
2. ГЛАВА 2. Исследование функциональных возможностей взаимодействия возбуждения поверхностной мембраны нейрона с зависящей от эндоплазматического ретикулума динамикой внутриклеточного кальция
2.1.Модель генерации пачечной ритмики нейронами на основе внутриклеточной динамики концентрации кальция
2.1.1. Основные уравнения
2.1.2. Пейсмейкерная генерация нейрона
2.1.3. Зависимость характера картины электрической активности нейрона от величины возбуждающего сигнала
2.1.4. Зависимость характера картины электрической активности нейрона от уровня величины шума возбуждающего сигнала
2.1.5. Зависимость характера картины электрической активности нейрона от параметров каналов мембраны ЭР
2.2. Нейросетевая модель дыхательной ритмики с учетом процессов, связанных с эндоплазматическим ретикулумом
2.2.1. Сетевая конструкция
2.2.2. Моделирование генератора дыхательного ритма на основе пейсмейкерных нейронов с короткими пачками импульсов
2.2.3. Моделирование генератора дыхательного ритма на основе пейсмейкерных нейронов с длинными пачками импульсов
2.2.4. Моделирование генератора дыхательного ритма на основе пейсмейкерных нейронов с короткими пачками импульсов и уменьшенной проводимостью мембраны ЭР
2.2.5. Моделирование генератора дыхательного ритма на основе пейсмейкерных нейронов при воздействии блокатора кальциевой проводимости ЭР
2.3.Заключение к главе
3. ГЛАВА 3. Разработка схем создания аттракторных нейронных сетей и исследование методов повышения их информационной нагрузки
3.1. Модель сети бинарных нейронов
3.2. Метод молекулярных меток
3.3. Методы изучения аттрактора нейронной сети
3.4.Зависимость максимальной длины непрерывного аттрактора М от числа
нейронов сети N
3.5. Определение точной длины непрерывного аттрактора при помощи графика ¿-рЫ
3.6. Аналитическая оценка эффективности нейронных аттракторных сетей с врожденными связями
3.6.1. Длина одномерного аттрактора, сформированного при помощи
метода молекулярных меток
3.7.Заключение к главе
ГЛАВА 4. Формирование самоорганизующихся отображений сенсорных сигналов на непрерывные нейросетевые аттракторы
4.1. Математическая модель системы
4.1.1. Обучение
4.1.2. Тестирование
4.2. Результаты имитационного моделирования
4.2.1. Сходимость процесса обучения
4.2.2. Свойство масштабируемости представления отдельных участков отображаемого сигнала
4.2.3. Свойство устойчивости к шуму отображения
4.2.4. Свойство связности отображения в сетях, содержащих непрерывный аттрактор из нескольких компонент связности
4.3.Заключение к главе
4. ГЛАВА 5. Общие принципы функционирования нейроподобных систем
5.1.Deep Learning и Back Propagation
5.2.Условные рефлексы, синапс Хебба, инструментальный рефлекс, обучение с подкреплением. Принцип Павлова
5.3. Следствия Принципа Павлова
5.4.Другие попытки строить системы Deep Learning без обратного распространения ошибок
5.5. Один пример конструкции, использующей Принцип Павлова
5.6.Заключение к главе
Заключение
Выводы
Список сокращений и обозначений
Список литературы
Приложение 1. Параметры нейронов, генерирующие в отсутствие торможения последовательности пачек с длительностью пачки немного
меньшей длительности паузы
Приложение 2. Программа для расчёта мембранных потенциалов
Введение