您的位置: 首頁 >科技 >

神經(jīng)網(wǎng)絡(luò)激活與人類視覺皮層的γ帶活動(dòng)一致

2019-06-12 16:48:12 編輯: 來源:
導(dǎo)讀 愛沙尼亞塔爾圖大學(xué)計(jì)算神經(jīng)科學(xué)實(shí)驗(yàn)室的研究人員發(fā)現(xiàn),深度卷積神經(jīng)網(wǎng)絡(luò)的激活與人類視覺皮層的伽瑪帶活動(dòng)一致。他們的研究發(fā)表在 通信生

愛沙尼亞塔爾圖大學(xué)計(jì)算神經(jīng)科學(xué)實(shí)驗(yàn)室的研究人員發(fā)現(xiàn),深度卷積神經(jīng)網(wǎng)絡(luò)的激活與人類視覺皮層的伽瑪帶活動(dòng)一致。他們的研究發(fā)表在“ 通信生物學(xué)”雜志上,進(jìn)一步強(qiáng)調(diào)了人工智能(AI)擴(kuò)大對(duì)人類大腦理解的潛力。

人類在視覺上識(shí)別物體的能力是由沿腹側(cè)流的復(fù)雜特征表示的層次結(jié)構(gòu)調(diào)節(jié)的。過去的研究發(fā)現(xiàn),這些類似于在圖像上訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)所學(xué)習(xí)的變換層次結(jié)構(gòu)。

“從以前的研究中我們知道人類視覺系統(tǒng)的層次結(jié)構(gòu)與DCNN的分層結(jié)構(gòu)之間存在對(duì)應(yīng)關(guān)系,”Jaan Aru,Raul Vicente和Ilya Kuzovkin,三位進(jìn)行該研究的研究人員告訴TechXplore 。“然而,這項(xiàng)研究依賴于神經(jīng)影像技術(shù),如fMRI和MEG,每種技術(shù)都有其自身的局限性。”

MEG成像僅一次捕獲大量神經(jīng)元的平均活動(dòng),而fMRI不捕獲時(shí)間信息。因此,研究人員決定使用直接植入測(cè)試對(duì)象大腦的顱內(nèi)電極來收集他們的數(shù)據(jù)集。該技術(shù)可以識(shí)別大腦活動(dòng)何時(shí)發(fā)生,其解剖位置以及它如何隨時(shí)間變化。

“這使我們能夠更詳細(xì)地探索控制人類大腦視覺處理的活動(dòng),并更準(zhǔn)確地描述哪種活動(dòng)與DCNN的活動(dòng)有相似之處,”研究人員說。

DCNN是一種用于計(jì)算機(jī)視覺的機(jī)器學(xué)習(xí)算法,其在對(duì)象識(shí)別任務(wù)上表現(xiàn)尤其出色。它們的關(guān)鍵特征是它們獲取自動(dòng)分類對(duì)象的規(guī)則,而無需人工工程師概述它們。

在訓(xùn)練期間,DCNN在數(shù)千個(gè)物體圖像(例如貓,樹,汽車等)上進(jìn)行訓(xùn)練,學(xué)習(xí)區(qū)分每個(gè)類別的視覺特征。然后,算法可以正確識(shí)別之前從未遇到的圖像中的對(duì)象,準(zhǔn)確率高達(dá)95%。

“DCNN由人工神經(jīng)元層組成,每層對(duì)圖像執(zhí)行某些操作,然后將信息發(fā)送到下一層,”研究人員說。“在訓(xùn)練期間,算法形成關(guān)于將什么信息發(fā)送到上層以及何時(shí)發(fā)送的規(guī)則。”

最近的研究調(diào)查了DCNN學(xué)到的確切模式和特征。他們發(fā)現(xiàn),當(dāng)人們更深入地潛入其層時(shí),其神經(jīng)元所代表的視覺模式變得越來越復(fù)雜。

“第一層負(fù)責(zé)檢測(cè)直線,亮度變化和其他簡(jiǎn)單的視覺特征,”研究人員解釋說。“這些信息被傳遞到第二層,它結(jié)合了簡(jiǎn)單的特征來構(gòu)建可以識(shí)別簡(jiǎn)單形狀的探測(cè)器。因此它逐步發(fā)展,每層變得越來越抽象,高層神經(jīng)元代表整個(gè)物體,如貓,我們知道在人類視覺皮層中觀察到一種非常相似的現(xiàn)象,所以顯而易見的問題是:這兩種系統(tǒng)有多相似,它們的相似之處是什么?

在測(cè)量大腦的電響應(yīng)時(shí),研究人員觀察到復(fù)雜的活動(dòng)模式。這些模式根據(jù)其頻率分組:alpha(每秒8到14次),beta(15到30 Hz),gamma(從30到70 Hz),高gamma(超過70 Hz)和其他波段。已發(fā)現(xiàn)這些頻帶取決于不同類型的活動(dòng)。例如,當(dāng)人類放松時(shí),α更強(qiáng),而在積極參與任務(wù)期間,β和γ增加。

“我們發(fā)現(xiàn)低γ(30到70 Hz)和高γ(70到150 Hz)的活動(dòng)最好與DCNN中發(fā)生的活動(dòng)一致,這表明大腦中那些頻率發(fā)生的事情與DCNN最相似正在做,“研究人員說。

這些發(fā)現(xiàn)與之前的研究結(jié)果一致,突出了伽瑪活動(dòng)對(duì)物體識(shí)別的重要性。在將來,它們可以幫助更好地理解在視覺處理期間由伽馬頻率信號(hào)反射的精確計(jì)算。

“對(duì)神經(jīng)科學(xué)的最終探索是了解大腦如何編碼,存儲(chǔ)和傳輸信息以及數(shù)十億神經(jīng)元的發(fā)射如何導(dǎo)致復(fù)雜的心理過程,例如理解文本或?qū)⑵鋫鬟_(dá)給朋友,”研究人員說。“這項(xiàng)工作提供了這個(gè)巨大難題的另一部分,并強(qiáng)調(diào)了AI算法在理解人類大腦中可以發(fā)揮的重要作用。”

塔爾圖大學(xué)的計(jì)算神經(jīng)科學(xué)實(shí)驗(yàn)室并排研究生物學(xué)和人工學(xué)習(xí)系統(tǒng),因?yàn)楸容^它們可能會(huì)帶來迷人的生物學(xué)發(fā)現(xiàn)。研究人員正在開展另外兩個(gè)項(xiàng)目,這些項(xiàng)目將成為庫(kù)佐夫金博士論文的核心。

“在其中一個(gè)項(xiàng)目中,我們將研究一種算法的內(nèi)部運(yùn)作,我們訓(xùn)練這些算法來理解人類大腦數(shù)據(jù);探索它認(rèn)為對(duì)最終任務(wù)有用的大腦活動(dòng)以及它丟棄的大腦活動(dòng)。這將提供一種工具,可以進(jìn)行大量活動(dòng)并過濾掉與特定心理任務(wù)相關(guān)的部分。“


免責(zé)聲明:本文由用戶上傳,如有侵權(quán)請(qǐng)聯(lián)系刪除!

最新文章

精彩推薦

圖文推薦

點(diǎn)擊排行

2016-2022 All Rights Reserved.平安財(cái)經(jīng)網(wǎng).復(fù)制必究 聯(lián)系QQ280 715 8082   備案號(hào):閩ICP備19027007號(hào)-6

本站除標(biāo)明“本站原創(chuàng)”外所有信息均轉(zhuǎn)載自互聯(lián)網(wǎng) 版權(quán)歸原作者所有。