人工智能吧 关注：114,030贴子：505,315
-<2006/09/11>--------------------------------------------------------------------
动态阀值理论 模拟神经元习惯化和敏感化的新方法
动态阀值理论：
1. 神经网络中神经元阀值是动态变化的。
2. 长时间被高频率刺激下的神经元，阀值将会变大，除非增加输入的神经递质量，才可以被再激活。这种现象可以解释和模拟神经元习惯化现象。
3. 长时间不被刺激的神经元，阀值将会变小，相对微小的刺激也可以激活神经元。这种现象可以解释和模拟神经元敏感化现象。
4. 神经元阀值是有一定上限和下限范围的。
5. 本能神经网络上的神经元阀值将不会发生变化。
正方：动态阀值理论的提出，虽然在生物学上还没有被证实和确定，到底有没有这样的一个动态的系统结构在神经网络中起作用。但它最大的作用是可以解决目前模拟神经元习惯化和敏感化的研究瓶颈。这个新理论，无非是给现处于停滞阶段的研究，注入兴奋剂。
反方：生物学上的神经元习惯化和敏感化现象都是发生在突触上，而这次把研究重点转移到神经元本身，是不是有背离现实的嫌疑。这个新理论，阀值架构从静态变为动态，只会使系统复杂度增加，加大了研究失败的风险，本来这个多余的理论就是不科学的。
动态阀值理论 模拟神经元习惯化和敏感化的新方法
动态阀值理论：
1. 神经网络中神经元阀值是动态变化的。
2. 长时间被高频率刺激下的神经元，阀值将会变大，除非增加输入的神经递质量，才可以被再激活。这种现象可以解释和模拟神经元习惯化现象。
3. 长时间不被刺激的神经元，阀值将会变小，相对微小的刺激也可以激活神经元。这种现象可以解释和模拟神经元敏感化现象。
4. 神经元阀值是有一定上限和下限范围的。
5. 本能神经网络上的神经元阀值将不会发生变化。
正方：动态阀值理论的提出，虽然在生物学上还没有被证实和确定，到底有没有这样的一个动态的系统结构在神经网络中起作用。但它最大的作用是可以解决目前模拟神经元习惯化和敏感化的研究瓶颈。这个新理论，无非是给现处于停滞阶段的研究，注入兴奋剂。
反方：生物学上的神经元习惯化和敏感化现象都是发生在突触上，而这次把研究重点转移到神经元本身，是不是有背离现实的嫌疑。这个新理论，阀值架构从静态变为动态，只会使系统复杂度增加，加大了研究失败的风险，本来这个多余的理论就是不科学的。
-<2006/09/12>--------------------------------------------------------------------
动态阀值理论 在《涌现》中有所提到生物学上的存在，但仔细想来它是不能解决敏感化现象的。
这个动态机制将部分运用在实际中，用做对神经元疲劳现象的模拟。
动态阀值理论 修改：
1. 神经网络中神经元阀值是可变的。
2. 长时间被高频率刺激下的神经元，阀值将会变大，除非增加输入的神经递质量，才可以被再激活。这种现象可以解释和模拟神经元疲劳现象。
3. 处于疲劳状态的神经元在静息状态下，会恢复阀值到正常水平。
4. 处于疲劳状态的神经元阀值是有一定上限范围的。
5. 神经元疲劳现象将对所有神经网络上的神经元起作用
动态阀值理论 在《涌现》中有所提到生物学上的存在，但仔细想来它是不能解决敏感化现象的。
这个动态机制将部分运用在实际中，用做对神经元疲劳现象的模拟。
动态阀值理论 修改：
1. 神经网络中神经元阀值是可变的。
2. 长时间被高频率刺激下的神经元，阀值将会变大，除非增加输入的神经递质量，才可以被再激活。这种现象可以解释和模拟神经元疲劳现象。
3. 处于疲劳状态的神经元在静息状态下，会恢复阀值到正常水平。
4. 处于疲劳状态的神经元阀值是有一定上限范围的。
5. 神经元疲劳现象将对所有神经网络上的神经元起作用
-<2006/09/18>--------------------------------------------------------------------
自组织的连接方式与自组织平台
神经元网络的结构很可能是一个阵列
立体神经网络，可以想象是一个正方体，组织方式将会是超平面的
在确定每个零件的自组织属性后，在已经有的本能连接引导下，以涌现的方式产生智能输出
在基本连接算法上几乎和以往二维的相同，它的好处是提供了自组织的空间以及让自组织运行的环境，也符合生物组织模型。
自组织范围 兴奋性5*5*5 抑制性3*3*3
在生成突触连接时，随机的选择自组织范围内的接点编号进行连接，如果接点编号上没有神经元，该突触就看成迷失，浪费了一次连接机会。
自组织的连接方式与自组织平台
神经元网络的结构很可能是一个阵列
立体神经网络，可以想象是一个正方体，组织方式将会是超平面的
在确定每个零件的自组织属性后，在已经有的本能连接引导下，以涌现的方式产生智能输出
在基本连接算法上几乎和以往二维的相同，它的好处是提供了自组织的空间以及让自组织运行的环境，也符合生物组织模型。
自组织范围 兴奋性5*5*5 抑制性3*3*3
在生成突触连接时，随机的选择自组织范围内的接点编号进行连接，如果接点编号上没有神经元，该突触就看成迷失，浪费了一次连接机会。
-<2006/10/17>--------------------------------------------------------------------
关于神经递质在神经元内部的中和与消化
传入神经元的神经递质都会被神经元内部中和和消化，如果传入的神经递质过多，来不及消化，那么剩余的这些递质将会对神经元激活产生一定的影响。
亚激活状态 剩余的神经递质
同一时刻的激活判断：
（外界输入的兴奋性神经递质总和 + 内部剩余的兴奋性神经递质） - （外界输入的抑制性神经递质总和 + 内部剩余的抑制性神经递质）
？ 激发临界值
造成敏感化和沉默化等现象
假设神经元A是伤害感觉终端，它伤害性输入的突触释放的兴奋性神经递质是1000，这些递质传入到与它相连接的神经元B中，而神经元B本身在同一时间段能中和输入进来的200的兴奋性神经递质，那么剩余的800兴奋性神经递质将会沉积在神经元内部，对神经元的激活判断产生一定的影响，如果这时候有神经元C与神经元B相连，但连接强度极其微弱10，所产生不多的兴奋性神经递质也会很容易的使神经元B激活，这个现象就是神经元的敏感化现象
神经递质会不会累计呢？
这句问题终结了这个猜想。
关于神经递质在神经元内部的中和与消化
传入神经元的神经递质都会被神经元内部中和和消化，如果传入的神经递质过多，来不及消化，那么剩余的这些递质将会对神经元激活产生一定的影响。
亚激活状态 剩余的神经递质
同一时刻的激活判断：
（外界输入的兴奋性神经递质总和 + 内部剩余的兴奋性神经递质） - （外界输入的抑制性神经递质总和 + 内部剩余的抑制性神经递质）
？ 激发临界值
造成敏感化和沉默化等现象
假设神经元A是伤害感觉终端，它伤害性输入的突触释放的兴奋性神经递质是1000，这些递质传入到与它相连接的神经元B中，而神经元B本身在同一时间段能中和输入进来的200的兴奋性神经递质，那么剩余的800兴奋性神经递质将会沉积在神经元内部，对神经元的激活判断产生一定的影响，如果这时候有神经元C与神经元B相连，但连接强度极其微弱10，所产生不多的兴奋性神经递质也会很容易的使神经元B激活，这个现象就是神经元的敏感化现象
神经递质会不会累计呢？
这句问题终结了这个猜想。
-<2006/11/23>--------------------------------------------------------------------
“记忆是一种旋律”这个概念真是太奇妙了。。。以前一直认为记忆是“记忆碎片”的拼凑，分布在大脑中相关神经元的共同响应，如果看成一幅画面，那是模糊而静止的，而“记忆的时空模式”的概念却让这幅静止的画面变成了“电影”，虽然还是那么的模糊，却比静止的画面更容易辨别。。。。。。
这种“时空模式”现象的存在，必然打破原本我一直以为的“（后天）反射形成思维”的理念，众多的“反射”只是思维的“元素”，把它们组织在一起响应的是“时空”（神经结构和信息传递时差），联想和记忆一样也是这种“旋律机制”的过程。
“记忆是一种旋律”这个概念真是太奇妙了。。。以前一直认为记忆是“记忆碎片”的拼凑，分布在大脑中相关神经元的共同响应，如果看成一幅画面，那是模糊而静止的，而“记忆的时空模式”的概念却让这幅静止的画面变成了“电影”，虽然还是那么的模糊，却比静止的画面更容易辨别。。。。。。
这种“时空模式”现象的存在，必然打破原本我一直以为的“（后天）反射形成思维”的理念，众多的“反射”只是思维的“元素”，把它们组织在一起响应的是“时空”（神经结构和信息传递时差），联想和记忆一样也是这种“旋律机制”的过程。
