Neurological Engineering Framework можно использовать для создания систем, использующих память интересными способами. Одна система ( Spaun ) способна запоминать (и забывать) списки почти так же, как это делают люди. Другая система может изучать задачи и применять знания к подзадачам, используя иерархическое обучение с подкреплением. Обе эти задачи связаны с памятью, но как память содержится в структуре нейрологической инженерии?
Структура неврологической инженерии прямо не указывает механизм памяти. В мозгу нет «жесткого диска» для легкого извлечения и доступа. Скорее, память фиксируется в весовых коэффициентах связи между нейронными популяциями и динамикой сети.
В примере с иерархическим обучением с подкреплением, связанном с предыдущим вопросом, «память» карты для задачи навигации сохраняется путем изменения весов соединений нейронов, представляющих среду.
В задаче запоминания последовательного списка рабочая память для сохранения элементов списка семантических указателей сохраняется в интеграторе, который, по сути, представляет собой популяцию нейронов, которая получает обратную связь сама с собой.
Это примеры рабочей памяти, иначе говоря, памяти, которая позволяет вам управлять автомобилем, толком не помня, как именно вы им управляли. Моделирование долговременной памяти требует еще нескольких механизмов (реконсолидация памяти) и структур (гиппокамп, миндалевидное тело), которые еще не были захвачены ни одной системой, построенной с помощью NEF.
Получил
Шонни123
memoryтекст в поле поиска на вкладке публикаций .