Введение 3
Глава 1. Гиппокамп глазами нейробиологов 5
1.1. Общая информация о гиппокампе 5
1.2. Функции гиппокампа 6
1.3. Строение гиппокампа 8
1.4. Поле СА3 10
Глава 2. Программная реализация 11
2.1. Выбор средств реализации 11
2.1.1. Язык программирования C# 11
2.1.2. Программная платформа .NET Framework 12
2.2. Экспериментальная база 15
2.3. Описание модели поля СА3 16
2.3.1. Создание структуры сети 16
2.3.2. Моделирование матрицы связности 17
2.3.3. Имитация сохранения информации 22
2.3.4. Имитация чтения информации 24
2.3.5. Анализ результатов 27
Заключение 32
Список литературы 34
Приложение
Человек всегда был заинтересован в поддержании и сохранении своего здоровья. Именно поэтому с древних времен человек пытался узнать, как устроено его тело и как оно функционирует. Страдая от различных болезней и травм, люди обращались за помощью к целителям, но недостаточные знания о строении и функциях организма человека не могли обеспечить больному человеку должной помощи.
Ученые и по сей день уделяют большое внимание изучению строения живых организмов, особенно человека. Однако наименее изученной областью остается мозг человека. Этим и обуславливается огромное количество неизлечимых болезней, связанных с мозгом.
Ученые изучают человеческий мозг, чтобы понять природу этих болезней и, соответственно, найти методы лечения, которые позволят эффективно бороться с ними. Многие болезни мозга связаны с памятью человека, за которую отвечает гиппокамп.
Гиппокамп - это структура мозга, управляющая процессами памяти. Это объективный и достаточно хорошо изученный процесс. Кроме того, что мы можем наблюдать изменения памяти на собственном опыте, есть и прямые подтверждения наличия консолидации. Так известно, что травмы головы, электрошок, судорога нарушают нормальный ход формирования памяти. Они вызывают ретроградную амнезию, когда воспоминания, которые относятся к промежутку времени перед сбоем, оказываются утеряны.
Изучая процесс памяти, ученые также пытаются смоделировать этот процесс на компьютере, например, создать искусственную нейронную сеть, которая сможет продемонстрировать процесс памяти, протекающий в мозге.
Исследователи уже достигли успехов в этой области, они разработали протез гиппокампа крысы и даже подключили его к мозгу крысы, в результате чего крысе удалось запомнить некоторые действия. Также было замечено, что искусственный гиппокамп улучшил способности мозга крысы при одновременной работе с естественным гиппокампом.
В будущем эти модели предположительно смогут быть использованы при лечении заболеваний головного мозга и для восстановления людей с проблемами с памятью.
Цель данной работы: разработать сетевую модель гиппокампа и сымитировать для этой модели процессы записи и чтения информации.
Постановка задачи: создать модель поля CA3 гиппокампа, опираясь на статью «Synaptic mechanisms of pattern completion in the hippocampal CA3 network».
Создание модели включает в себя четыре этапа:
1. Создание структуры сети
2. Моделирование матрицы связности
3. Имитация сохранения информации
4. Имитация чтения информации
Данная работа состоит из введения, двух глав, заключения, списка литературы и приложений.
В результате проделанной работы было создано консольное приложение для формирования искусственной нейронной сети для поля СА3 гиппокампа. Эта сеть выполняет две основные функции:
1. сохраняет в сеть информацию, представленную в виде вектора из нулей и единиц;
2. считывает информацию по измененному (или деградированному) вектору.
Функции были реализованы согласно алгоритмам, указанным в статье «Synaptic mechanisms of pattern completion in the hippocampal CA3 network». Ввиду этого был также изучен и реализован модифицированный алгоритм Хебба для моделирования синаптической пластичности, которая объясняет возможность процесса обучения и памяти.
После реализации основных требований проекта также проводилось тестирование, в ходе которого были обнаружены некоторые недочеты сети, например, при увеличении сохраняемой информации точность считывания значительно снижается.
Проект разрабатывался в соответствии с принципами объектно - ориентрованного программирования, что позволит в дальнейшем развивать данное приложение, дополняя его функциями, которые необходимы программистам для решения конкретных задач, или использовать его в качестве библиотеки, так как большинство параметров сети устанавливается в конструкторе.
Большим недочетом созданной сети также является то, что для ее хранения требуется большой объем памяти. Так при увеличении количества нейронов N матрица связности и матрица весов синапсов будут увеличиваться в N*N раз.
Ввиду стремительного развития области по созданию искусственных нейронных сетей в дальнейшем имеет смысл попробовать использовать другие сети для моделирования процесса памяти. Возможно, что появятся сети, которые будут требовать меньше памяти для сохранения большого количества информации.
