Количественная биология > Нейроны и когниции [представлен 4 октября 2023 (v1), последний пересмотренный вариант от 27 октября 2026 года (эта версия, v4)] Название: Inding Inference View PDF HTML (экспериментальный) резюме: Границы микросхемы в корочке головного мозга указывают на то, что мозг имеет множество повторяющихся канонических вычислительных единиц. Однако нейронные представления распределены, поэтому соответствующие расчеты могут быть связаны лишь косвенно с одноневрологическими преобразованиями. Таким образом, остается открытым вопрос о том, как определить канонические распределенные расчеты. Здесь мы интегрируем нормативные и алгоритмические теории нейронных вычислений, чтобы представить математическую основу для расчета канонических распределённых расчетов на основе крупномасштабных структур нервной активности. На нормативном уровне мы предполагаем, что мозг учится структурированной внутренней модели своей окружающей среды и ее скрытых причин. На алгоритмическом уровне мы предлагаем, чтобы этот процесс вывода был нелинейным алготипом передачи сообщений на модели мира с графической структурой. Учитывая временные ряды нейронной активности в ходе задачи анализа восприятия, наша аналитическая система находит i) нервное представление соответствующих скрытых переменных, ii) взаимодействие между этими латентными переменными, которые определяют внутреннюю модель мозга мира, и iii) функции сообщений, определяющие алгоритм вывода. При наличии достаточного количества данных…
Предопределение
arXiv:2310.03186v4 Annuales Type: заменить резюме: рисунки микросхемы в коре головного мозга предполагают, что мозг имеет множество повторяющихся канонических вычислительных единиц. Однако нейронные представления распределены, поэтому соответствующие расчеты могут быть связаны лишь косвенно с одноневрологическими преобразованиями. Таким образом, остается открытым вопрос о том, как определить канонические распределенные расчеты. Здесь мы интегрируем нормативные и алгоритмические теории нейронных вычислений, чтобы представить математическую основу для расчета канонических распределённых расчетов на основе крупномасштабных структур нервной активности. На нормативном уровне мы предполагаем, что мозг учится структурированной внутренней модели своей окружающей среды и ее скрытых причин. На алгоритмическом уровне мы предлагаем, чтобы этот процесс вывода был нелинейным алготипом передачи сообщений на модели мира с графической структурой. С учетом временных рядов нейронной активности в ходе задачи анализа восприятия, наша аналитическая система находит i) th