具有自主主动神经网络的认知计算：一个新兴领域
摘要：自主活动的人脑及其与感知数据的相互作用是认知系统研究中一个重要的问题。本文回顾了当前理论建模的现状。回顾将从实验努力的简要概述开始，并讨论在储层计算框架下的瞬态与自持续神经活动之间的关系。然后，重点介绍两个典型的神经网络体系结构，它们展现了连续进行的瞬态状态动力学：马鞍点网络和吸引子遗址网络。自主活动的神经网络面临两个看似对立的需求：稳定的内部动态状态和对传入刺激的敏感性。我们展示了基于竞争神经动态的吸引子遗址网络如何解决这个困境，其中吸引子遗址在一方面相互争夺瞬态优势，另一方面与输入信号的动力学影响相抗衡。无监督和局部的Hebb样式在线学习使系统能够建立内部动力学瞬态状态和感知输入流之间的相关性。这种设置产生了新兴的认知能力。该系统在线、自主地对感知数据流进行了非线性独立成分分析，同时不断地自主活动。这个过程将感知输入的独立成分映射到吸引子遗址上，并使其获得了语义含义。
作者：Claudius Gros
论文ID：0901.3028
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2009-03-03