Democritus University of Thrace (DUTH)
Η διαδικασία μάθησης νευρωνικών συστημάτων με χημικούς δείκτες σύνδεσης
Abstract
dc:descriptionΣτη διατριβή αυτή μελετήθηκε η δυναμική διαφόρων νευρωνικών δικτύων, μεμονωμένων ή μη και, κυρίως, νευρωνικών δικτύων που χαρακτηρίζονται από χημικούς δείκτες. Όλα τα νευρωνικά δίκτυα διέθεταν νευρώνες με τυχαίες συνδέσεις μεταξύ τους. Ο αριθμός των ενεργών διεγερτικών ή ανασταλτικών δυναμικών ανά νευρώνα χαρακτηριζόταν από κατανομή Poisson ή Gauss, αλλά με τις ίδιες δομικές παραμέτρους ώστε να είναι δυνατή η σύγκριση στις δυναμικές συμπεριφορές τους. Κατά το σχεδιασμό των νευρωνικών δικτύων με χημικούς δείκτες, η τυχαία σύνδεση διατηρήθηκε, αν και μόνο μεταξύ νευρώνων που έφεραν όμοιο δείκτη με το δικό τους. Επιπλέον, εκτός από τις συνδέσεις μεταξύ των νευρώνων, μελετήθηκαν τα φαινόμενα σταθερής κατάστασης δράσης και υστέρησης. Σε όλα τα θεωρητικά μοντέλα που εξετάσαμε, τόσο τα απλά όσο και αυτά με χημικούς δείκτες, η κατανομή Poisson εμφανίζει μεγαλύτερη δραστηριότητα συγκριτικά με την κατανομή Gauss που, αν και διαθέτει περισσότερες συνδέσεις (η αύξηση του αριθμού των εσωτερικών συνδέσεων συνεπάγεται αύξηση της δραστηριότητας), αυτές εξαλείφονται λόγω της ύπαρξης τυχαιότητας. Σε νευρωνικά μοντέλα με χημικούς δείκτες τα διαγράμματα φάσης με τους βρόχους υστέρησης, όπως αυτά προέκυψαν μετά την εξέταση 30 και πλέον νευρωνικών δικτύων με διαφορετικές δομικές παραμέτρους, έδειχναν τον αριθμό των εξωτερικών διεγερτικών / ανασταλτικών δυναμικών που απαιτούνται προκειμένου η σταθερή δράση του δικτύου να μεταπέσει από τη μια κατάσταση στην άλλη. Η αύξηση του αριθμού των δεικτών που χαρακτηρίζουν ένα δίκτυο συνεπάγεται αύξηση των σταθερών καταστάσεων, με αποτέλεσμα την καλύτερη επεξεργασία των πληροφοριών σε διάφορα νευρωνικά επίπεδα. Όπως προέκυψε από τις γραφικές παραστάσεις της αναμενόμενης τιμής της δράσης <αn+1> συναρτήσει της προηγούμενης τιμής αn, τα νευρωνικά δίκτυα με κατανομή σύνδεσης Gauss απαιτούν μεγαλύτερο ποσοστό ενεργοποιημένων νευρώνων για να δραστηριοποιηθούν συγκριτικά με δίκτυα που έχουν κατανομή Poisson. Όμοια συμπεριφορά ακολούθησε και κάθε χημικός δείκτης χωριστά. Επίσης, βρέθηκε, και αυτό είναι χαρακτηριστικό, ότι σε νευρωνικά δίκτυα με 3 χημικούς δείκτες και υποσυστήματα που άλλα χαρακτηρίζονται από κατανομή Gauss και άλλα από κατανομή Poisson χρειάζεται ένα μόνον υποσύστημα να χαρακτηρίζεται από κατανομή Poisson για να επιτύχει διατηρούμενη δράση.
Degree
thesis:*- Grantor dc:publisher
- Democritus University of Thrace (DUTH)
- Year dc:date
- 2005
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Sivridis, Leonidas
- Σιβρίδης, Λεωνίδας
Subjects
dc:subject × 18- Δίκτυα, Νευρωνικά
- Χημικοί δείκτες
- Βρόχοι υστέρησης
- Βραχυπρόθεσμη μνήμη
- Θεωρία πλαστικότητας
- Γράφημα μεταβολής δράσης
- Συναπτικές συνδέσεις
- Networks, Neural
- Chemical markers
- Hysterisis loops
- Short-term memory
- Plasticity theory
- Activity variation graphs
- Synaptic connections
- Ιατρική και Επιστήμες Υγείας
- Βασική Ιατρική
- Medical and Health Sciences
- Basic Medicine
Rights
- Language dc:language
- gre
Identifiers
dc:identifier.*- Identifier
- 10.12681/eadd/17505