 | Эта статья поднимает множество проблем. Пожалуйста, помогите улучшить его или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалить эти сообщения-шаблоны ) ( Узнайте, как и когда удалить этот шаблон сообщения )
|
Рабочая память базальных ганглиев префронтальной коры ( PBWM ) - это алгоритм , моделирующий рабочую память в префронтальной коре и базальных ганглиях . [1] По функциональности ее можно сравнить с долговременной кратковременной памятью (LSTM), но она более объяснима с биологической точки зрения. [1] [ необходим сторонний источник ]
Он использует модель усвоенных ценностей для обучения системе обновления рабочей памяти префронтальной коры, основанной на биологии префронтальной коры и базальных ганглиев. [2]
Он используется как часть среды Leabra и реализован в Emergent . [ когда? ]
Аннотация [ править ]
Долгое время считалось, что префронтальная кора выполняет как рабочую память (хранение информации в сети для обработки), так и «исполнительные» функции (решая, как манипулировать рабочей памятью и выполнять обработку). Хотя было разработано множество вычислительных моделей рабочей памяти , механистическая основа исполнительной функции остается неуловимой.
PBWM - это вычислительная модель префронтальной коры, которая управляет как собой, так и другими областями мозга стратегически и в соответствии с задачами. Эти механизмы обучения основаны на подкорковых структурах среднего мозга, базальных ганглиях и миндалине, которые вместе образуют архитектуру «актер / критик». Система критиков изучает, какие префронтальные репрезентации актуальны для задачи, и обучает актера, который, в свою очередь, обеспечивает механизм динамического стробирования для управления обновлением рабочей памяти. В вычислительном отношении механизм обучения предназначен для одновременного решения задач временного и структурного присвоения кредитов.
Производительность модели выгодно отличается от стандартных механизмов временного обучения на основе обратного распространения в сложной задаче рабочей памяти 1-2-AX и других тестовых задачах рабочей памяти. [1] [ необходим сторонний источник ]
Модель [ править ]
Во-первых, в слоях префронтальной коры и полосатого тела есть несколько отдельных полос (групп единиц) . Каждую полосу можно обновлять независимо, так что эта система может запоминать несколько разных вещей одновременно, каждая с разной «политикой обновления», когда память обновляется и поддерживается. Активное поддержание памяти происходит в префронтальной коре (PFC), а сигналы обновления (и политика обновления в целом) исходят от единиц полосатого тела (подмножества единиц базальных ганглиев ). [2]
PVLV обеспечивает сигналы обучения с подкреплением для тренировки динамической системы ворот в базальных ганглиях.
Сенсорный вход и моторный выход [ править ]
Сенсорный вход связан с задней корой, которая связана с моторным выходом. Сенсорный ввод также связан с системой PVLV .
Задняя кора [ править ]
Задняя кора формирует скрытые слои карты ввода / вывода. PFC связан с задней корой, чтобы контекстуализировать это отображение ввода / вывода.
PFC [ править ]
PFC (для стробирования выхода) имеет местное взаимно однозначное представление входных единиц для каждой полосы. Таким образом, вы можете посмотреть на эти представления PFC и непосредственно увидеть, что поддерживает сеть. PFC поддерживает рабочую память, необходимую для выполнения задачи.
Полосатое тело [ править ]
Это динамическая система стробирования , представляющая стриатуме единиц базальных ганглиев . Каждая единица с четным индексом в полосе представляет «Go», а единицы с нечетным индексом - «Нет». Модули Go вызывают обновление PFC, в то время как модули NoGo заставляют PFC сохранять существующее представление в памяти.
Для каждой полосы есть группы юнитов.
В модели PBWM в Emergent матрицы представляют полосатое тело.
PVLV [ править ]
Все эти слои являются частью системы ПВЛВ . Система PVLV контролирует дофаминергическую модуляцию базальных ганглиев (BG). Таким образом, BG / PVLV образуют архитектуру «субъект-критик», в которой система PVLV учится, когда обновлять. [ необходима цитата ]
SNrThal [ править ]
SNrThal представляет черную субстанцию Парс геисиЫа (ОСШ) и связанную с ним область таламуса , которые производят конкуренцию между блоками Go / Nogo в пределах данной полосы и опосредует конкуренцию с помощью к-победители получают все динамики. Если в данной полосе больше общей активности Go, то активируется связанный модуль SNrThal, и он запускает обновление в PFC. На каждую полосу приходится одна единица измерения в SNrThal. [ необходима цитата ]
VTA и SNc [ править ]
Вентральная тегментальная область (VTA) и компактная часть черной субстанции (SNc) являются частью дофаминового слоя. Этот слой моделирует дофаминовые нейроны среднего мозга. Они контролируют дофаминергическую модуляцию базальных ганглиев. [ необходима цитата ]
Ссылки [ править ]
- ^ a b c О'Рейли, RC и Франк, MJ (2006). «Как заставить рабочую память работать: вычислительная модель обучения в лобной коре и базальных ганглиях» . Нейронные вычисления . 18 (2): 283–328. DOI : 10.1162 / 089976606775093909 . PMID 16378516 . S2CID 8912485 .
- ^ а б "Leabra PBWM" . CCNLab.
