Тип работы:
Предмет:
Язык работы:


Моделирование ассоциативной коры при анализе визуальных стимулов

Работа №84409

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы61
Год сдачи2016
Стоимость4350 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
37
Не подходит работа?

Узнай цену на написание


Определения 3
Введение 5
1 Теоретические аспекты моделирования ассоциативной коры при
анализе визуальных стимулов 10
1.1 Моделирование процессов нейромодуляции 10
1.2 Методы исследования ассоциативной коры головного мозга 13
2 Методы разработки модели ассоциативной коры при анализе
визуальных стимулов 18
2.1 Разработка и описание модели структуры ассоциативной коры при
анализе визуальных стимулов 18
2.2 Разработка и описание вычислительной модели ассоциативной
коры при анализе визуальных стимулов 25
3 Анализ результатов симуляции работы ассоциативной коры при анализе
визуальных стимулов 30
Заключение 31
Список использованных источников 33
Приложения

Одной из самых больших проблем нашего времени является понимание того, как наш мозг функционирует. Действия нескольких миллиардов нейронов в нашем мозге отвечают за способность интерпретировать сенсорную информацию, общаться, принимать решения. Понимание того, как нейронные схемы порождают эти функции, приведет к созданию искусственного интеллекта, а также позволит понять, кто мы есть [15]. В данном исследовании происходит сосредоточение на зрительной системе, а именно на распознавании объекта в зрительной системе.
Актуальность исследования. Актуальность данного исследования определяется необходимостью разработки модели структуры ассоциативной коры головного мозга при анализе визуальных стимулов и поиска взаимозависимостей и закономерностей в ее устройстве (как универсальных, так и специфических), порождаемых системными характеристиками ассоциативной коры головного мозга как таковой.
Актуальность данного исследования также определяется значимостью моделирования различных процессов, проходящих в коре головного мозга, что позволит создать понимание принципов функционирования высшей нервной деятельности, а также в дальнейшем наделить искусственный интеллект функциями, присущими человеческому головному мозгу.
Степень изученности проблемы. Анализ научной литературы показывает, что проблема моделирования головного мозга была предметом пристального внимания многих исследователей. На текущий момент ведутся работы над проектом «Проект Человеческий Мозг» («Human Brain Project»). Проект разрабатывается с участием десятков университетов государств Евросоюза, США, Израиля и других стран. Целью данного проекта является создание единой открытой платформы для экспериментов с симуляцией функций человеческого мозга [43].
Также на стадии разработки находится проект «Blue Brain Project», над которым совместно работают компания IBM и Швейцарский Федеральный Технический Институт Лозанны (Ecole Polytechnique Federate de Lausanne - EPFL). Разработчики данного проекта ставят перед собой цель оцифровать мозг вплоть до молекулярного уровня, чтобы изучить все происходящие в нем процессы [37, 52].
В то же время имеющийся материал по проблеме моделирования ассоциативной коры головного мозга при анализе визуальных стимулов необходимо подвергнуть осмыслению с точки зрения современных требований к компьютеризации процессов головного мозга.
Таким образом, обнаруживаются противоречия:
1. между необходимостью создания вычислительной системы, близкой по функциям к коре головного мозга, и неразработанностью модели основных процессов, происходящих в коре головного мозга;
2. между имеющимся потенциалом фреймворка для разработки коры головного мозга и отсутствием научно обоснованного алгоритма программирования ассоциативной коры головного мозга при анализе визуальных стимулов.
Исходя из вышеизложенного, проблема исследования определена следующим образом: каковы содержание, специфика и особенности взаимосвязей элементов модели ассоциативной коры головного мозга при анализе визуальных стимулов.
Таким образом, тема исследования следующая: «Моделирование ассоциативной коры при анализе визуальных стимулов».
Цель исследования: теоретически обосновать, разработать и экспериментально проверить модель ассоциативной коры головного мозга при анализе визуальных стимулов.
Объект исследования: процессы, проходящие в ассоциативной коре головного мозга при анализе визуальных стимулов.
Предмет исследования: моделирование ассоциативной коры головного мозга при анализе визуальных стимулов.
Гипотеза исследования. Процесс моделирования ассоциативной коры головного мозга при анализе визуальных стимулов будет эффективным, если:
1. вычленить существенные признаки и функции ассоциативной коры головного мозга;
2. определить особенности строение визуальной ассоциативной коры головного мозга;
3. проанализировать и использовать возможности фреймворка для разработки в процессе моделирования.
Задачи исследования:
1. исследование ассоциативной коры головного мозга при анализе визуальных стимулов;
2. изучение взаимодействия слоев в ассоциативной коре головного мозга;
3. разработка модели структуры ассоциативной коры головного мозга при анализе визуальных стимулов;
4. анализ возможностей фреймворка для проведения симуляции работы ассоциативной коры головного мозга;
5. разработка вычислительной модели ассоциативной коры головного мозга при анализе визуальных стимулов и ее экспериментальная проверка.
Методологическая основа исследования. Анализом визуальных стимулов и распознаванием объектов в ассоциативной коре головного мозга занимались такие ученые как Семир Зеки (профессор нейробиологии в Университетском колледже, Лондон) [39, 40, 41] и Кейджи Танака (президент Японского Общества Нейронаук) [26, 27, 28, 35].
Компьютерные модели визуального распознавания объектов разрабатывались Габриэлем Крейманом (кандидат наук, доцент кафедры офтальмологии в Гарварде) [15].
Общую теорию моделирования в своем труде «Моделирование как метод научного исследования» описал Глинский Б. А. (специалист по теории познания и методологии науки, доктор философских наук, профессор) [45].
Методы и методики исследования:
• теоретический анализ и обобщение нейробиологической
литературы по проблеме, литературы по моделированию и программированию;
• системно-структурный метод;
• моделирование;
• экспериментальный метод.
Новизна исследования. Установлены взаимосвязи в структуре ассоциативной коры головного мозга при анализе визуальных стимулов, разработана ее модель, выявлены возможности NEST (фреймворка для разработки), разработана вычислительная система симуляции работы ассоциативной коры головного мозга при анализе визуальных стимулов с помощью симулятора NEST.
Практическая значимость: возможность использования результатов исследования в вычислительном моделировании процессов ассоциативной коры головного мозга при анализе визуальных стимулов для создания понимания принципов функционирования высшей нервной деятельности с последующей перспективой создания искусственного интеллекта.
Выпускная квалификационная работа состоит из введения, трех глав, заключения, списка использованных источников и приложений.
Первая глава «Теоретические аспекты моделирования ассоциативной коры при анализе визуальных стимулов» состоит из двух разделов. Первый раздел посвящен определению понятий «модель» и «моделирование», а также рассмотрению проблемы моделирования головного мозга с точки зрения ученых. Второй раздел описывает методы исследования ассоциативной коры головного мозга и их применение в исследовании.
Вторая глава «Методы разработки модели ассоциативной коры при анализе визуальных стимулов» состоит из двух разделов. Первый раздел посвящен разработке и описанию модели структуры ассоциативной коры при анализе визуальных стимулов. Второй раздел посвящен разработке и описанию вычислительной модели ассоциативной коры при анализе визуальных стимулов.
Третья глава содержит результаты исследования ассоциативной коры головного мозга при анализе визуальных стимулов и анализ результатов симуляции.
В заключении подводятся итоги проведенного исследования.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В данной работе была исследована зрительная ассоциативная кора. Это позволило углубиться в предметную область и создать общее представление о зрительной ассоциативной коре и ее взаимодействии с другими системами головного мозга для дальнейшего процесса моделирования.
В ходе исследования были изучены слои зрительной ассоциативной коры, нейромедиаторы, передающие сигнал от слоя к слою, а также взаимодействие слоев в процессе распознавания визуального объекта.
С помощью анализа научной литературы была построена модель структуры ассоциативной коры головного мозга при анализе визуальных стимулов.
На основе модели структуры ассоциативной коры была построена вычислительная модель ассоциативной коры головного мозга при анализе визуальных стимулов. Данная модель симулирует работу зрительной ассоциативной коры при распознавании визуального объекта. Результатом вычислительной модели является гистограмма, которая демонстрирует спайковую активность нейронов.
Таким образом, поставленные задачи решены, цели исследования достигнуты.
В ходе исследования был выявлен существенный недостаток нейробиологических данных, необходимых для биологической правдоподобности.
Также для достижения биологической правдоподобности не хватает функционала симулятора NEST, так как на данный момент он не позволяет создавать динамические структуры коры головного мозга.
Результаты данного исследования позволили создать понимание функционирования зрительной ассоциативной коры. Следует отметить, что повышения качества результатов можно добиться с помощью дополнения вычислительной системы новыми достоверными нейробиологическими данными.
В качестве направления дальнейшей работы можно рассматривать интеграцию с другими смежными со зрительной ассоциативной корой системами, продемонстрированными в общей схеме (приложение 2), для создания наиболее полной картины протекающих процессов и ее симуляции.



1. Area TEO of Temporal Cortex [Электронный ресурс] // Brain Maps [сайт]. Режим доступа: http://brainmaps.org/index.php?pm=area% 20TEO%20of%20temporal%20cortex, свободный (дата обращения: 20.05.2016).
2. Association Areas and Memory [Электронный ресурс] // My Brain Notes for Medical Students [сайт]. Режим доступа: http://www.tutis.ca/NeuroMD/L3AssMem/AssMem.pdf, свободный (дата обращения: 19.05.2016).
3. Association cortex [Электронный ресурс] // Indiana University
Bloomington [сайт]. Режим доступа:
http://www.indiana.edu/~p1013447/dictionary/assn_cor.htm, свободный (дата обращения: 21.05.2016).
4. Cicmil N., Krug K. Playing the electric light orchestra - how electrical stimulation of visual cortex elucidates the neural basis of perception [Электронный ресурс] // Philosophical Transactions of The Royal society B Vol(370) [Электронный журнал]. Режим доступа: http://rstb.royalsocietypublishing.org/content/370/1677/20140206.full.pd f, свободный (дата обращения: 17.05.2016).
5. Dragoi V. Visual Processing: Cortical Pathways [Электронный ресурс]
// Neuroscience Online [сайт]. Режим доступа:
http://neuroscience.uth.tmc.edu/s2/chapter15.html, свободный (дата обращения: 20.05.2016).
6. Functional Areas of The Cerebral Cortex [Электронный ресурс] //
Antranik.org[сайт]. Режим доступа: http://antranik.org/functional- areas-of-the-cerebral-cortex/, свободный (дата обращения:
21.05.2016).
7. Gabriel Joseph R. The brain - overview the neuroanatomy of mind [Электронный ресурс] // BrainMind [сайт]. Режим доступа: http://brainmind.com/FrontalLobe1.html, свободный (дата обращения: 21.05.2016).
8. Goodhill G. J., Carreira-Perpinan M. A. Cortical Columns
[Электронный ресурс] // Computer Science (University of Toronto) [сайт]. Режим доступа:
http://www.cs.toronto.edu/~miguel/papers/ps/ecs02.pdf, свободный
(дата обращения: 21.05.2016).
9. Gross C. G. Inferior temporal cortex [Электронный ресурс] //
Scholarpedia [сайт]. Режим доступа:
http://www.scholarpedia.org/article/Inferior_temporal_cortex, свободный (дата обращения: 21.05.2016).
10. Gross C. G., Bender D. B., Gerstein G. L. Activity of Inferior Temporal Neurons in Behaving Monkeys // Neuropsychologia Vol(17). С. 215¬229.
11. Hashmi A. G., Lipasti M. H. Cortical Columns: Building Blocks for
Intelligent Systems [Электронный ресурс] // Pharm [сайт]. Режим доступа: http://pharm.ece.wisc.edu/papers/cimvps2009hashmi.pdf,
свободный (дата обращения: 21.05.2016).
12. Hung C. P., Kreiman G., Poggio T. Fast Readout of Object Macaque Inferior Temporal Cortex // Science Vol(310). С. 863-866.
13.Inferotemporal Neurons Distinguish and Retain Behaviorally Relevant Features of Visual Stimuli // Science Vol(212) (1981). С. 952-955.
14.Introduction to Your Personal Bio-Computer [Электронный ресурс] // The Electric Web Matrix [сайт]. Режим доступа: http://www.co- bw.com/BSC%20B1%20C1.htm, свободный (дата обращения: 14.05.2016).
15. Kreiman G. Lectures [Электронный ресурс] // Kreiman Lab [сайт]. Режим доступа: http://klab.tch.harvard.edu/academia/classes/Neuro230 /2015/lectures/, свободный (дата обращения: 01.06.2016).
16. Logothesis N. K., Sheinberg D. L. Visual Object Recognition // Annual Review of Neuroscience Vol. 19 (1996). С. 577-621.
17. Logothesis N. Object vision and visual awareness // Current Opinion in Neurobiology Vol(8). С. 536-544.
18. Meyer T., Olson C. R. Statistical learning of visual transitions in monkey inferotemporal cortex // PNAS Vol(108).
19. Molotchnikoff S., Rouat J. Visual Cortex - Current Status and Perspective [Электронный ресурс] // Intech [сайт]. Режим доступа: http://www.intechopen.com/books/visual-cortex-current-status-and- perspectives, свободный (дата обращения: 12.05.2016).
20. Mruczek R. E. B., Sheinberg D. L. Stimulus selectivity and response latency in putative inhibitory and excitatory neurons of the primate inferior temporal cortex // Journal of Neurobiology Vol(108). С. 2725-2736.
21. Nakayama K., He Z. J., Shimojo S. Visual Surface Representation: A
critical Lower-level and Higher-level Vision [Электронный ресурс] // Kreiman Lab [сайт]. Режим доступа:
http://klab.tch.harvard.edu/academia/classes/Neuro230/2015/readings/R 2_Nak_He_Shimojo_Kosslyn_MIT.pdf (дата обращения: 12.05.2016).
22. Rolls E. T., Aggelopoulos N. C., Zheng F. The Receptive Fields of Inferior Temporal Cortex Neurons in Natural Scenes // The Journal of Neuroscience (2003). С. 348-339.
23. Rolls E. T., Baylis G. C. Responses of neurons in the inferior temporal cortex in short term and serial recognition memory tasks // Experimental Brain Research Vol(65). С. 614-622.
24.Sharp T., Petersen R., Furber S. Real-time million-synapse simulation of rat barrel cortex [Электронный ресурс] // Frontiers in Neuroscience (2014) [Электронный журнал]. Режим доступа:
http: //j ournal .frontiersin.org/article/10.3389/fnins .2014.00131/full, свободный (дата обращения: 14.05.2016).
25.Shipp S. The functional logic of cortico-pulvinar connections // The Royal Society Vol(358) (2003).
26. Tanaka K. Columns for Complex Visual Object Features in the Inferotemporal Cortex: Clustering of Cells with Similar but Slightly Different Stimulus Selectivities // Cerebral Cortex Vol(13) (2003). С. 90-99.
27. Tanaka K. Inferotemporal Cortex and Object Vision // Annual Review of Neuroscience Vol. 19 (1996). С. 109-139.
28. Tanaka K. Mechanisms of visual object recognition: monkey and human studies // Sensory systems. С. 523-529.
29. Tanigawa H., Fujita I., Kato M. Distribution, Morphology, and y- Aminobutyric Acid Immunoreactivity of Horizontally Projecting Neurons in the Macaque Inferior Temporal Cortex // The Journal of Comparative Neurology Vol(401) (1998). С. 129-143.
30. The Cerebral Association Cortex [Электронный ресурс] // Saylor.org
Academy [сайт]. Режим доступа: http://www.saylor.org/site/wp-
content/uploads/2010/11/ OntarioU-The-Association-Cortex.pdf,
свободный (дата обращения: 10.05.2016).
31. The Visual Cortex [Электронный ресурс] // My Brain Notes for
Medical Students [сайт]. Режим доступа:
http://www.tutis.ca/NeuroMD/L2V 123/V 123.pdf, свободный (дата
обращения: 18.05.2016).
32. The Visual Cortex [Электронный ресурс] // School of Life Sciences
[сайт]. Режим доступа: http://www.lifesci.sussex.ac.uk/home/
George_Mather/Linked%20Pages/Physiol/Cortex.html, свободный
(дата обращения: 18.05.2016).
33. Tsunoda K., Yamane Y., Nishizaki M., Tanifuji M. Complex objects are represented in macaque inferotemporal cortex by the combination of feature columns // Nature neuroscience Vol(8) (2001). С. 832-838.
34. Van Essen D. C. Corticocortical and thalamocortical information flow in the primate visual system // Progress in Brain Research Vol(149). С. 173-185.
35. Wang G., Tanifuji M., Tanaka K. Functional architecture in monkey inferotemporal cortex revealed by in vivo optical imaging // Neuroscience Research Vol(32) (1998). С. 33-46.
36. Wells R. B. Cortical Neurons and Circuits: A Tutorial Introduction
[Электронный ресурс]. Режим доступа:
http://www.mrc.uidaho.edu/~rwells/techdocs/reu06/Cortical%20Neuron s%20and%20Circuits.pdf, свободный (дата обращения: 10.05.2016).
37. Wikipedia [Электронный ресурс] // Wikipedia [сайт]. Режим доступа: https://en.wikipedia.org, свободный (дата обращения: 18.05.2016).
38. Wright A. Higher Cortical Functions: Association and Executive
Processing [Электронный ресурс] // Neuroscience Online [сайт]. Режим доступа: http://neuroscience.uth.tmc.edu/s4/chapter09.html,
свободный (дата обращения: 22.05.2016).
39. Zeki S. The visual association cortex // Current Opinion in Neurobiology (1993), 3: с. 155-159.
40. Zeki S. The Visual Image in Mind and Brain // Scientific American (1992). С. 69-76.
41. Zeki S., Watson JD., Lueck CJ. A direct Demonstration of Functional Specialization in Human Visual Cortex // The Journal of Neuroscience (1991). С. 541-549.
42. Zoccolan D., Kouh M., Poggio T., J. DiCarlo J. Trade-Off between Object Selectivity and Tolerance in Monkey Inferotemporal Cortex // The Journal of Neuroscience (2007). С. 12292-12307.
43. Ализар А. Суперкомпьютер за 1 млрд евро: симуляция мозга
человека [Электронный ресурс] // Geektimes : [сайт]. Уровень доступа: https://geektimes.ru/post/168087/, свободный (дата
обращения: 10.05.2016).
44. Габибов И. М. Межполушарная асимметрия и пластичность в нейронных сетях заднетеменной ассоциативной коры мозга высших животных: дис. доктор биологических наук. Российская академия наук. Институт физиологии им. И. П. Павлова. Ростов-на-Дону.
2006. Режим доступа: http://www.dissercat.com/content/
mezhpolusharnaya-asimmetriya-i-plastichnost-v-neironnykh-setyakh- zadnetemennoi-assotsiativno, свободный (дата обращения: 15.05.2016).
45. Глинский Б. А. Моделирование как метод научного исследования. М., : Изд-во Московского университета, 1965. 246с.
46. Документация NEST [Электронный ресурс] // NEST Simulator [сайт]. Режим доступа: http://www.nest-simulator.org/documentation/, свободный (дата обращения: 14.05.2016).
47. Документация PyCharm [Электронный ресурс] // JetBrains [сайт]. Режим доступа: https://www.jetbrains.com/pycharm/documentation/, свободный (дата обращения: 15.05.2016).
48. Документация Python [Электронный ресурс] // Python [сайт]. Режим доступа: https://docs.python.org/2.7/, свободный (дата обращения: 15.05.2016).
49. Методы исследования [Электронный ресурс] // МБОУ «Средняя общеобразовательная школа №21» [сайт]. Режим доступа: http://s21.ozersk.chel.fcior.edu.ru/nd/poisk/metod_issled.htm, свободный (дата обращения: 15.05.2016).
50. Методы исследования [Электронный ресурс] // Обучонок [сайт].
Режим доступа: http://obuchonok.ru/metody, свободный (дата
обращения: 15.05.2016).
51. Моисеев Н. Н. Простейшие математические модели
экономического прогнозирования / Н.Н. Моисеев - М.: «Знание», 1975. - 63 с.
52. Нейробиология и искусственный интеллект: часть полуторная - новости от Blue Brain Project [Электронный ресурс] // Geektimes [сайт]. Режим доступа: https://geektimes.ru/post/151739/, свободный (дата обращения: 14.05.2016).
53.Овечкин. О. Мозг внутри компьютера: проекты нейроморфного моделирования [Электронный ресурс] // Naked Science [сайт]. Режим доступа: http://naked-science.ru/article/nakedscience/brain-
inside-the-computer-neuromorphic-modeling-projects, свободный (дата обращения: 14.05.2016).
54. Сидоров А. В. Физиология межклеточной коммуникации : учеб. пособие / А. В. Сидоров. - Минск : БГУ, 2008. -215 с.
55. Таланов М. О. Cognitive architecture analysis [Электронный ресурс] // GitHub : [сайт]. Уровень доступа: https://github.com/max- talanov/1/blob/master/affective%20computing/realistic_nns.md, свободный (дата обращения 02.06.2016).


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ