Geometrija nevronskega računanja združuje delovni spomin in načrtovanje, 1. del

Naloge v resničnem svetu zahtevajo usklajevanje delovnega spomina, odločanje in načrtovanje, vendar so bile te kognitivne funkcije nesorazmerno preučene kot neodvisni modularni procesi v možganih. Tukaj predlagamo, da predstavitve nepredvidenih dogodkov, definirane kot preslikave za to, kako je prihodnje vedenje odvisno od prihajajočih dogodkov, lahko združijo delovni spomin in izračune načrtovanja.

Neodvisna modularizacija se nanaša na način upravljanja in organiziranja stvari, ki naredijo upravljanje in izvajanje nalog učinkovitejše in priročnejše, tako da jih razdelimo na neodvisne module, ki jih je mogoče ponovno uporabiti. Spomin se nanaša na človekovo sposobnost učenja, pomnjenja in uporabe informacij, kar je izjemno pomembno za osebni razvoj in uspeh.

Čeprav se neodvisna modularnost in pomnilnik morda ne zdita neposredno povezana, je med njima tesna povezava. Neodvisna modularizacija nam lahko pomaga bolje organizirati in upravljati informacije ter jih razdeliti na module, ki jih je enostavno razumeti in si zapomniti. Na primer, ko preučujemo tečaj, ga lahko razdelimo na različne module, kot so učni cilji, pomembni koncepti, vaje itd. To nam ne bo pomagalo le bolje razumeti in si zapomniti informacij, temveč se bomo tudi učinkoviteje učili in obvladovali znanje.

Poleg tega nam neodvisna modularizacija lahko pomaga tudi pri boljšem načrtovanju in razporejanju časa za boljši izkoristek časa in sredstev. Ko naloge razdelimo na neodvisne module, lahko bolje ocenimo potrebe po času in virih vsakega modula ter jim po potrebi določimo prednost. To nam omogoča boljši nadzor nad našim časom, večjo produktivnost in s tem boljše doseganje osebnih in organizacijskih ciljev.

Če povzamemo, neodvisna modularnost in pomnilnik se dopolnjujeta in razmerje med njima je zelo tesno. Neodvisna modularnost nam lahko pomaga bolje organizirati in si zapomniti informacije, izboljšati osebno in organizacijsko produktivnost in rezultate, spomin pa nam lahko pomaga bolje obvladovati in uporabljati informacije ter tako dosegati osebni in organizacijski razvoj in uspeh. Zato bi morali aktivno gojiti in izboljševati svojo neodvisno modularizacijo in spominske sposobnosti za boljše doseganje osebnih in organizacijskih ciljev. Vidi se, da moramo izboljšati spomin. Cistanche deserticola lahko bistveno izboljša spomin, saj lahko Cistanche deserticola uravnava tudi ravnovesje nevrotransmiterjev, kot je povečanje ravni acetilholina in rastnih faktorjev. Te snovi so zelo pomembne za spomin in učenje. Poleg tega lahko meso izboljša pretok krvi in ​​pospeši dostavo kisika, kar lahko zagotovi, da možgani prejmejo dovolj hranilnih snovi in ​​energije ter tako izboljšajo vitalnost in vzdržljivost možganov.

Kliknite Spoznajte načine za izboljšanje delovanja možganov

Oblikovali smo nalogo, ki je sposobna razločiti različne vrste predstavitev. V ponavljajočih se nevronskih omrežjih, optimiziranih za opravila, smo raziskali možne mehanizme vezja za kontingenčne predstavitve in ugotovili, da lahko te predstavitve pojasnijo nevrofiziološka opazovanja iz prefrontalnega korteksa med nalogami delovnega spomina.

Naši poskusi so razkrili, da je človeško vedenje skladno s kontingenčnimi predstavitvami in ne s tradicionalnimi senzoričnimi modeli delovnega spomina. Končno smo ustvarili potvorljive napovedi za nevronske podatke, da bi identificirali nepredvidljive predstavitve v nevronskih podatkih in ločili različne modele delovnega spomina. Naše ugotovitve označujejo nevronsko reprezentativno strategijo, ki lahko poenoti delovni spomin, načrtovanje in sprejemanje odločitev, odvisno od konteksta.

Delovni spomin|računalniški model|nevronska mreža|reprezentančna geometrija.

V časovno spremenljivih okoljih prožna kognicija zahteva sposobnost shranjevanja in kombiniranja informacij skozi čas za ustrezno usmerjanje vedenja. V pogosto uporabljenih paradigmah opravil z zakasnitvijo prehodni senzorični dražljaj zagotavlja informacije, ki jih mora agent interno vzdrževati skozi sekundno mnemonično zakasnitev, da vodi prihodnji odziv (1–4).

Delovni spomin je osrednja kognitivna funkcija za aktivno vzdrževanje in manipulacijo informacij, pomembnih za opravilo, za kasnejšo uporabo. Za usmerjanje prilagodljivega vedenja mora vsebina delovnega spomina povezovati z drugimi kognitivnimi funkcijami, kot sta načrtovanje in odločanje, odvisno od konteksta. Kljub temu so v nevroznanosti te funkcije proučevali večinoma neodvisno in ostaja slabo razumljeno, kako možgani usklajujejo te procese v službi ciljno usmerjenega vedenja.

Notranje predstavitve, povezane s kognitivnimi stanji, je mogoče razkriti s snemanjem živčne aktivnosti med odloženimi nalogami pri živalih in ljudeh. Nevroni v prefrontalnem korteksu kažejo vsebinsko selektivne vzorce aktivnosti med mnemoničnimi zakasnitvami delovnega spomina (5, 6). Delovanje selektivne zakasnitve med delovnim spominom se najpogosteje razlaga in izvaja v računalniških modelih kot predstavljanje značilnosti senzoričnih dražljajev, ki jih je mogoče obdelati za usmerjanje kasnejšega odziva.

V prevladujočem konceptualnem okviru predlagana kognitivna strategija tako uporablja predstavitve delovnega spomina, ki so v osnovi senzorične (5, 6). Senzorična strategija za delovni spomin je bila izpodbijana z opazovanjem aktivnosti predfrontalne zakasnitve, ki bolje korelira s spremenljivkami različnih nalog, vključno z dejanji, pričakovanimi dražljaji in pravili (2, 3, 7).

Poleg tega naraščajoča literatura označuje precejšnjo nelinearno mešano selektivnost funkcij v prefrontalnem korteksu, ki lahko načeloma podpirajo kontekstno odvisno vedenje (8–10). Ta raznolika opažanja kažejo, da je potreben bolj enoten okvir za upoštevanje računalniških vlog delovnega spomina, načrtovanje in odločanje, odvisno od konteksta.

Računalniško modeliranje je bilo uspešno uporabljeno za preučevanje možnih mehanizmov nevronskih vezij, ki podpirajo kognitivne funkcije, vključno z delovnim spominom in odločanjem (11). Funkcije delovnega spomina so običajno modelirane z različnimi modularnimi vezji, ki ne upoštevajo mešane selektivnosti v prefrontalnem korteksu in predpostavljajo, da delovni spomin ohranja senzorične predstavitve (11, 12).

Pristop komplementarnega modeliranja uporablja modele umetne nevronske mreže, ki so usposobljeni za izvajanje kognitivnih nalog (13). V nasprotju z ročno oblikovanimi modeli lahko modeli ponavljajočih se nevronskih omrežij (RNN), usposobljenih za naloge, izvajajo naloge zakasnitve, ne da bi zahtevali predpostavke o strukturiranih arhitekturah vezij ali obliki predstavitev delovnega pomnilnika (14).

Ta pristop je torej zelo primeren za preučevanje računalniških mehanizmov, prek katerih lahko predstavitve delovnega pomnilnika podpirajo prilagodljive izračune (4, 15–18).

Pomembnost

Povezovanje opazovanih stanj nevronskih vezij s prepričanji, dejanji in načrti je osrednji cilj sistemske nevroznanosti, vendar to početje predstavlja znatne izzive za eksperimentalno načrtovanje, analizo in teorijo.

Zlasti na področju nalog z zakasnitvijo se na veliko razpravlja o predstavitveni logiki nevronskih ansamblov. Z uporabo naloge zakasnitve, ki omogoča neodvisno kontrolo računalniških zahtev na atrijski osnovi, prepoznamo aputativno predstavitev zakasnitve, ki odraža načrte glede prihajajočih pričakovanih dražljajev. Kontingenčne predstavitve omogočajo učinkovito preslikavo odzivov za vrsto različnih nalog zakasnitve.

V nevronskih mrežah, optimiziranih za opravila, raziskujemo, kako so kontingenčne predstavitve povezane z opazovanimi pojavi iz literature o nevrofiziološkem delovnem spominu. Nazadnje, dokazujemo, da je človeško vedenje skladno s kontingenčnimi predstavitvami.

V tej študiji raziskujemo posledice kognitivne strategije, v kateri notranja stanja predstavljajo načrte in ne zaznave ali dejanja. Natančneje, naš teoretični okvir opredeljuje nepredvidena stanja na podlagi tega, kako je prihodnje vedenje odvisno od prihajajočih dogodkov. Zasnovali smo paradigmo opravil, pogojno zakasnjeno logiko (CDL), da ločimo strategije, ki temeljijo na nepredvidenih dogodkih, od senzoričnih ali akcijskih strategij za delovni spomin.

Modeli RNN, obremenjeni z nalogo CDL, razvijejo obogatitev kontingence v svojih predstavitvah stanja, kar se odraža v geometrijski strukturi vzorcev populacijske dejavnosti. Notranje predstavitve modela zajemajo različne pojave živčne aktivnosti, opažene med delovnim spominom. Preizkusili smo človeško vedenje pri nalogi CDL in našli ključne znake strategije, ki temelji na nepredvidljivih dogodkih, v vedenju odzivnega časa.

Nazadnje nudimo potvorljive napovedi za nevronsko aktivnost za razlikovanje nepredvidljivih predstavitev od alternativnih računalniških shem. Naša študija skupaj predstavlja teoretični okvir za to, kako delovni spomin podpira načrtovanje za časovno razširjeno kognicijo in prilagodljivo vedenje, ki pojasnjuje različna vedenjska in nevrološka opazovanja in ga je mogoče eksperimentalno preizkusiti.

Rezultati

Naloga CDL. Pri mnogih pogosto uporabljenih nalogah z zakasnitvijo obstajajo korelacije med senzoričnimi dražljaji, odzivi, računalniškimi zahtevami ali pravili, ki preprečujejo ločljivo pripisovanje nevronske aktivnosti specifičnim spremenljivkam kognitivne naloge (1, 19). Zato smo iskali nalogo, ki vključuje 1) izračun informacijskih vnosov, ločenih z zakasnitvijo; 2) natančna vmesna računska stanja, ki se pogosto ponavljajo; 3) preskušanja, pri katerih je pravilen odziv mogoče predvideti med zakasnitvijo pri nekaterih poskusih, pri drugih pa ne; in4) dekoracija akcijskih, senzoričnih, pravilnih in računalniških informacij o stanju.

Da bi izpolnili te zahteve, smo oblikovali nalogo CDL, ki uporablja binarno klasifikacijo za dva binarna dražljaja, ločena z zakasnitvijo (slika 1A). Dražalje z zakasnitvijo in po zakasnitvi imenujemo "cueA" oziroma "cue B". Pravila je mogoče definirati kot logične logične operacije in eno pravilo je tonično predstavljeno skozi celotno trajanje preskusa.

Pri vsakem poskusu je agentu predstavljeno pravilo naloge, iztočnica A in iztočnica B in mora ustvariti povezan odgovor. Na primer, v pravilu ALI mora biti agentov odgovor "ena", če je katera koli iztočnica enaka ena. Od 16 možnih dvobitnih binarnih klasifikacij se bomo osredotočili na 10 pravil (slika 1B), za katera je odziv odvisen od namigov, vendar neodvisen od vrstnega reda namigov.

Zadnjih 10 pravil vključuje logične operatorje (N)ALI, (N)AND in X(N)ALI ter (Anti-)Memory in (Anti-)Report. V Memory se mora agent odzvati z dražljajem iztočnice A za ta poskus, v Report pa se mora agent odzvati z dražljajem iztočnice B za ta poskus. V obeh primerih "Anti-" signalizira inverzijo izhoda. Pravilo, iztočnica A in iztočnica B se med poskusi naključno spreminjajo.

Navedbe o nepredvidenih dogodkih. Za izvedbo naloge CDL mora agent vzdrževati predstavitev informacij o nalogi skozi zakasnitev. Lahko bi pričakovali, da bo agent ohranil identiteto dražljaja iztočnice A, kar bi zadostovalo za rešitev vseh poskusov. V tej "senzorični strategiji", ki se običajno predpostavlja v modelih delovnega spomina, se informacije, pomembne za nalogo, ohranjajo skozi zakasnitev, da vodijo odgovor v povezavi z informacijami v iztočnici B in pravilu (5, 20).

Alternativna "akcijska strategija" je možna za poskusne pogoje, v katerih je mogoče odziv vnaprej načrtovati med zakasnitvijo (2, 21). Poleg tega lahko agent predstavlja identiteto pravila, ki je predstavljeno med zakasnitvijo (3). Te predstavitve niso izključujoče.

For more information:1950477648nn@gmail.com