Jak cię złapią, to znaczy, że oszukiwałeś. Jak nie, to znaczy, że posłużyłeś się odpowiednią taktyką.
Stymulacja ta przypomina pobudzanie szczurzego wibry-
sa za pomocą rurki kapilarnej lub elektrody wpiętej bezpośrednio w korę czuciowo-somatyczną [20]. Dodatkowo symulacja charakteryzowana jest przez parametr T oznacza- jący czas biologicznej pracy układu, u nas w większości przypadków T = 15 s [20]. Pobudzenie neuronu centralnego było transmitowane zgodnie z architek- turą połączeń. Jako lawinę potencjału czynnościowego zdefiniowano liczbę neuronów w stanie wzbudzenia (wystrzeliwujących iglicę potencjału czyn- nościowego) w określonym interwale czasowym t = 1 ms [20]. A.2. Model kory wzrokowej zawierającej maszyny LSM Podstawowe serie eksperymentów polegających na badaniu zdolności se- paracji maszyn płynowych prowadzono na modelu układu wzrokowego za- A.2. Model kory wzrokowej zawierającej maszyny LSM 113 0 22 44 0 22 44 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Rysunek A.1. Schemat modelu 2k. Warstwy oznaczono liniami pogrubionymi, neu- ron stymulujący czarnym kwadratem. Współrzędne neuronów zaznaczono na górze oraz po lewej stronie schematu. W każdej strefie (zaznaczonej na dole) znajdują się trzy kolumny neuronów [20] 114 A. Ważniejsze modele autora wierającego około szesnastu tysięcy komórek HH i stąd nazywanego mode- lem 16k. W tym modelu (rys. A.2) siatkówka zbudowana jest z 256 neuronów rozmieszczonych na siatce 16 × 16 [20]. Siatkówka została podzielona na 16 Rysunek A.2. Schemat modelu 16k. Zaznaczono przykładową strukturę połączeń między kolumnami [20] pól recepcyjnych rozpiętych na siatce o wymiarach 4 × 4. Każde z pól re- cepcyjnych (również o wymiarach 4 × 4) jest połączone z jedną z szesnastu kolumn HHLSM (Hodgkin–Huxley Liquid State Machine) odpowiadających ciału kolankowatemu bocznemu i fragmentowi kory wzrokowej. W obrębie kolumn HHLSM zaaranżowano strukturę (rys. A.3) odpowiadającą rzeczy- wistym połączeniom międzywarstwowym w korze mózgu. Na rys. A.3 warto zwrócić uwagę na połączenie zwrotne wyprowadzone z warstwy L6 do LGN. Każda kolumna HHLSM jest niezależną maszyną płynową i zawiera 1024 komórki rozmieszczone na trójwymiarowej siatce 8×8×16. Każda z warstw L2–L6 zawiera neurony położone na siatce 8×8×3. Warstwa LGN to układ o wymiarach 8 × 8 × 1 [20]. Neurony w obrębie warstwy mogą być połączone na zasadzie każdy z każ- dym (co niemal gwarantuje szybką synchronizację układu) lub z ustalonym prawdopodobieństwem. Warstwy A i B łączy się według reguły polegają- cej na tym, że ostatnia podwarstwa warstwy A jest połączona z pierwszą podwarstwą warstwy B. Podwarstwy mają wymiary 8 × 8 × 1 [20]. W zgodzie z wiedzą zaczerpniętą ze źródeł neurofizjologicznych oraz z teorią Maassa w obrębie każdej kolumny ustalono 80% połączeń wzbu- dzających i 20% połączeń hamujących. Neurony tworzące całą strukturę były stosunkowo prostymi komórkami typu HH zawierającymi ciało i dwa dendryty każda [20]. W zależności od konkretnego eksperymentu komputerowego kolumny HHLSM mogły być połączone ze sobą lub też nie, a twórca modelu przewi- dział możliwość dodawania połączeń między komórkami w szybki i prosty sposób [20]. A.2. Model kory wzrokowej zawierającej maszyny LSM 115 LGN L4 L3 L2 L5 L6 Rysunek A.3. Schemat kolumny HHLSM z zaznaczoną strukturą połączeń [20] Tak modelowany układ wzrokowy może zostać następnie poddany eks- pertyzom rozmaitych warstw odczytujących. Co więcej, struktura modelu gwarantuje dobrą równoleglizację oraz bezproblemowe zwiększenie liczby symulowanych komórek do około 256 tysięcy (model 256k) przy dokonaniu podziału siatkówki na pola recepcyjne zawierające tylko jedną komórkę. Przykładowo na rys. A.4 przedstawiono schemat modelu 64k, w którym siatkówkę stanowią 64 pola recepcyjne o wymiarach 2 × 2, rozmieszczone na siatce 8 × 8 i połączone z 64 kolumnami HHSLM [20]. Rysunek A.4. Schemat modelu 64k. Zaznaczono przykładową strukturę połączeń między kolumnami [20] Dodatek B Rezultaty i publikacje autora B.1. Ważniejsze rezultaty . . . . . . . . . . . . . . . . . . . . 119 B.2. Streszczenia artykułów . . . . . . . . . . . . . . . . . . 119 G. M. Wojcik, “Self-organising criticality in the simulated models of the rat cortical microcircuits,” Neurocomputing, no. 79, pp. 61–67, 2012. . . . . . . . . . . . . . . . . . . . . 119 G. M. Wojcik, “Electrical parameters influence on the dynamics of the hodgkin-huxley liquid state machine,” Neurocomputing, no. 79, pp. 68– 78, 2012. . . . . . . . . . . . . . . . . . . . . . . . . 125 G. M. Wojcik and W. A. Kaminski, “Self-organised criticality as a function of connections’ number in the model of the rat somatosensory cortex,” in Computational Science – ICCS 2008, vol. 5101 of Lecture Notes in Computer Science, pp. 620–629, Springer, 2008. . . . . . . . . . . . . . 125 G. M. Wojcik and W. A. Kaminski, “Nonlinear behaviour in mpi- parallelised model of the rat somatosensory cortex,” Informatica, vol. 19, no. 3, pp. 461–470, 2008. . . . . . . . . . . . . . . . 126 G. M. Wojcik, W. A. Kaminski, and P. Matejanka, “Self-organised criticality in a model of the rat somatosensory cortex,” in Parallel Computing Technologies, vol. 4671 of Lecture Notes in Computer Science, pp. 468–475, Springer, 2007. 126 G. M. Wojcik and W. A. Kaminski, “Liquid state machine and its separation ability as function of electrical parameters of cell,” Neurocomputing, vol. 70, no. 13–15, pp. 2593–2697, 2007. . . . . 127 118 B. Rezultaty i publikacje autora G. M. Wojcik and W. A. Kaminski, “Liquid computations and large simulations of the mammalian visual cortex,” in Computational Science – ICCS 2006, vol. 3992 of Lecture Notes in Computer Science, pp. 94–101, Springer, 2006. 127 G. M. Wojcik and W. A. Kaminski, “Large scalable simulations of mammalian visual cortex,” in Parallel Processing and Applied Mathematics, vol. 3911 of Lecture Notes in Computer Science, pp. 399– 405, Springer, 2005. . . . . . . . . . . 127 B.1. Ważniejsze rezultaty
|
Wątki
|