YESC的个人博客分享 http://blog.sciencenet.cn/u/YESC

博文

神经元突触的滤波机制与人脑记忆

已有 6291 次阅读 2013-12-27 15:53 |个人分类:信息学理论|系统分类:科研笔记| 科学研究, 神经元, 滤波器, 脑神经, 电信号

       神经元在人脑记忆、思维中的关键作用,已经成为不争的事实。把突触的功能简化为滤波器,像这样如此简单作用机制,难道真的能够表达、解释人脑如此复杂、如此神秘的记忆、思维问题吗?我在十多年前出版的原著中对这个问题着墨不多,是因为当时的科研经费很少,而且又面临退休,不得不大幅度削减了原定的写作计划。现在我把这个问题的解决思路介绍如下,仅供我所期望的后来研究者参考。
       科学研究表明:所有人脑神经元的输入电平,都要通过其“突触”后才可能对它起作用;从而“突触”是它接受输入信号的关键。“突触”的类型有多种,如常见的“轴-树突触”及“轴-体突触”这类多数类型,也有“轴-轴突触”、“体-体突触”以及“树-树突触”等少见的类型。“轴-树突触”是通过该神经元的“树突”接受来自下层神经元“轴突”的电信号,进一步传给相应“突触”并经其改造后产生有效的输入量;而“轴-体突触”则是直接把前述电信号传给相应“突触”,并经其改造后产生有效输入量;其余不再赘述。神经元的输出信号,则是经由其唯一的“轴突”输送到所连接的上层神经元。神经元的“树突”可看成接受输入信号的过渡段,对于记忆状态并不会产生实际影响。从而可以把神经元的输入方式简化为:下层神经元“轴突”的输出信号,是通过相应“突触”连接而输入到该神经元。每个神经元都有数量不等的多个“突触”,但只有一条“轴突”;很显然,神经元可看成一个多输入、单输出的系统。由于组成记忆系统各神经元的输出电平都大致相等,约为40mv;从而神经元的各个“突触”所接受的输入电平都是相等的,并且与该神经元的输出电平也大体相等。然而,神经元各输入信号对其兴奋的贡献并不相同;由此可见:经由各“突触”改造后的电信号并不是等量的,相位也可能不同。对输入电信号改造的简单方式就是滤波,从而有理由认为:“突触”的功能模型是一种特殊形式的滤波器;输入电平通过它后所产生的等效衰减系数(考虑相移因素),即可表达相应输入对该神经元兴奋的贡献。其滤波性能是在相应输入的多次刺激中形成的,取决于相应的输入对该神经元产生兴奋的重要性。对其兴奋越重要的输入,就越容易通过“突触”,其等效衰减系数就越接近于1。
      “突触”的这种功能机制,与人类识别事物的方式是相一致的。人类对被选定对象进行识别的依据,是其所具有的性质或形态特征。这些性质或形态特征的数量一般是非常巨大的,它们对于识别的作用也是各不相同的;从而要挑选出其中对识别最重要的性质或形态特征作为其识别特征。这种“挑选”工作,在人脑中就是由“突触”来完成的。人类识别在大脑中的表达,是一系列相关神经元的兴奋。由于神经元的突触数目都是有限的,不可能、也没有必要接纳所有被认出的性质或形态特征的相应电平。从而对它们的“挑选”是由突触的本性所决定的,就是保留那些对神经元兴奋最为有益的信号,忽略那些影响不大或者无影响的性质或形态特征。也就是该神经元只保留相应“识别特征”的输入连接,并且使其中对其兴奋最重要的识别特征更容易通过突触、衰减更小。简单的说,这种“挑选”是由该神经元的“连接和滤波功能”来表达的。由于神经元的输入、输出电信号都是一种生化电平,实际其作用机制可能是很复杂的,尚未给出具体的数学模型;这里所说的突触滤波器实际上只是“突触”的一种功能机制(或称为黑盒机制)。在参与事物识别的相应神经网络中,各神经元的功能模型都可以简化为:其所有输入经相应突触滤波器衰减后所产生的分量,进行叠加的总和达到兴奋阈值后,该神经元便产生兴奋并输出电平;即该事物被人脑认出。
       突触的记忆功能表现在两个方面:一是其滤波的特定性,二是下层神经元与其连接所产生的解释功能。对于神经网络中的任何神经元,所具有的输入信号都是其下层神经元的输出电平,这些电平大体相同。该神经元对这些输入的识别,就是其突触的连接和滤波功能。因此,突触是其识别特征的基本记忆单元;也就是说:下层神经元的输出电平所表达的内容,是记忆在其上层神经元的相应突触上的。应该说:记忆是神经元所组成系统的整体功能,没有下层神经元体系的解释,相应突触上的记忆便失去了内容。有了这样的记忆机制,人脑的识别、理解、思维变得非常简单,它们都只是相应神经网络子系统中的一种响应而已。创造性思维也容易理解,不过是相应神经网络子系统中的一种响应以及其上层神经元的重组。相关问题,请参看我的原著《信息学原理——关于认识的数学理论》。
       我的著作以及有关的博文似乎没有引起什么反响,加上年事已高,以后不准备再写这一方面的相关的文字;敬请谅解。



https://blog.sciencenet.cn/blog-698426-753421.html

上一篇:我所期望的尼康全幅相机
下一篇:今年购买数码相机有些疯狂
收藏 IP: 125.76.215.*| 热度|

2 李侠 rosejump

该博文允许注册用户评论 请点击登录 评论 (2 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-4-26 17:05

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部