Tiedot

Neuraaliset mikrofilamentit laskentaa varten?

Neuraaliset mikrofilamentit laskentaa varten?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Katsoin juuri mielenkiintoisen TED -puheen (http://www.youtube.com/watch?v=1d5RetvkkuQ), jossa Stuart Hameroff ehdottaa, että neuronin mikrotubulukset ovat vastuussa laskelmistaja että he voivat tehdä niin a kvanttitaso. Hän viittaa siihen, että tämä kyky suorittaa kvanttilaskelmia on itse asiassa "aave koneessa" tai kuolevaisen kehomme yhteys hengellisiin eettereihin.

Oletin, että laskelmamme suoritettiin toimintapotentiaalien, EPSP: iden, IPSP: iden jne. Avulla. Sitten tallennamme muistoja ja mahdollisesti vahvistamme käsittelyreittejä vahvistamalla synapsia.

Vaikka se on uskonnollisessa mielessä varmasti mielenkiintoinen, mikä pätevyys on sillä käsityksellä, että mikrotubulukset suorittavat laskelmia / miten ne vaikuttavat tähän neuroteknologiseen malliin?


Luulen, että Keegan tarjoaa suuren joukon viitteitä, mutta halusin vain laajentaa hänen vastaustaan ​​hieman yksityiskohtaisemmin. Penrosen ja Hameroffin ideoita mainitaan paljon Internetissä, ja vaikka ne usein hylätään, et voi koskaan tehdä sitä tarpeeksi. Haluan keskustella (1) mikrotubuluksista ja (2) onko niissä kvanttivaikutuksia? Ja mikä tärkeintä, (3) onko sillä edes väliä? ja (4) onko mitään uutta?

Mitä ovat mikrotubulukset?

Mikrotubulukset ovat rakenne sytoskeletonissa, jotka ovat löytyy kaikista jakautuvista eukaryoottisoluista ja useimmista erilaistuneista solutyypeistä (Desai & Mitchison, 1997). Ne eivät suinkaan ole yksinomaan neuroneille, joten jos luulet niiden antavan tietoisuuden, sinun on annettava tietoisuus kaikille eukaryooteille (mikä useimmille filosofeille olisi outoa), tai olet palannut samaan vaikeuteen kuin ennen yrittäessäsi selittää, miten mikrotubulusten verkot synnyttävät tajunnan ja siten niiden postulaatio perusyksiköiksi neuronien sijaan ei anna sinulle selittävää voimaa.

Aiheeseen liittyviä keskusteluja:

Millä organismeilla on neuroanatomia, Roger Penrose olettaa olevan rooli tietoisuudessa?

Onko mikrotubuleissa kvanttivaikutuksia?

Videolla Hameroff kuvailee kvantti- ja klassisia tehosteita ying-ja-yangiksi. Tämä on hyvin harhaanjohtava kuva, fyysikolle maailma on pohjimmiltaan kvanttinen, mutta suurikokoinen, ja korkeat lämpötilat (eli paljon vuorovaikutusta ulkoisen ympäristön kanssa) kuvataan hyvin klassisen fysiikan intuitiivisemmilla laeillamme. Kysymys ei siis ole siitä, onko olemassa kvanttiefektejä, vaan onko riittävät kvanttivaikutukset aiheuttamaan ei-klassisia seurauksia? Huomaa, että suurinta osaa kemiaa ei voida selittää kunnolla klassisella fysiikalla, joten jokainen kemiallinen reaktio tarvitsee kvanttiefektejä, jotta se olisi järkevä, mutta emme väitä, että tämä tekisi jokaisen kemiallisen reaktion tietoiseksi.

Jännittävä osa on se kvanttivaikutuksilla on merkitystä (ei-triviaalilla tavalla) joissakin biologisissa järjestelmissä; etenkin fotosynteesissä (Engel et al., 2007). Erityisesti tietty energiahäiriö fotonin absorboitumisen jälkeen seuraa kvanttisatunnaista kävelyä, ja voitaisiin spekuloida, että tätä voidaan käyttää kvanttilaskennassa, mutta ei ole syytä odottaa sitä.

Mikrotubulukset ovat riittävän pieniä, jotta ne eivät täysin sulje pois kvanttivaikutuksia. Ne ovat köyden kaltaisia ​​polymeerejä, jotka kasvavat noin 25 mikrometrin (25000 nm) pituisiksi ja joiden ulkohalkaisija on noin 25 nm tai noin 200 atomia. Tutkijat käyttävät yleensä kvanttipisteitä leikkiäkseen kvanttitehosteilla, ja nämä ovat tyypillisesti palloja, joiden halkaisija on 10-50 atomia. Huomaa, että emme tiedä kuinka yhdistää 5000 kvanttipistettä yhteen johdonmukaiseen ketjuun (kuinka monta tarvitset mikroputken pituuden saamiseksi).

Fyysikot yleensä nostavat esiin ongelman, joka ei ole kooltaan, vaan siitä ajasta, jonka mikrotubulus tarvitsisi yhtenäisyyden ylläpitämiseksi (ts. Puhdas kvanttitila). Fotosynteesi käyttää satunnaista kvanttikävelyä, koska klassinen ei olisi tarpeeksi nopea sitomispaikan löytämiseksi. Näin ollen kyseiset aikataulut ovat pieniä. The mikrotubulusten toimintaan liittyvät aikataulut ovat paljon pidempiä, ja fyysikot uskovat, että niiden tila ei ole johdonmukaisuus niin kauan (Tegmark, 2000).

Vaikka mikrotubulukset ovat kvantteja, niin mitä?

Tämä on todellinen clincher, oletetaan kvanttiefektit ovat tärkeä mikrotubuluksille. Oletetaan, että mikrotubulusten kokonaiset verkot kykenevät pitämään johdonmukaisen kietoutumisen toistensa välissä. Oletetaan, että aivot ovat jättimäinen kvanttitietokone. Mitä sitten?

Monille ihmisille (kuten Hameroffille) on olemassa tämä väärinkäsitys, että klassinen fysiikka ei salli vapaata hyvin, mutta kvanttimekaniikka tekee sen aaltofunktion romahtamisen vuoksi. Onneksi meillä on Conway & Kochenin (2006) vapaan tahdon lause, joka sanoo (enemmän tai vähemmän), mitä tahansa vapaata tahtoa annat tarkkailijallesi/kokeilijallesi kvanttimekaniikan filosofiassa, sinun on myös annettava se jonkin verran valtaa elektronille ja muille subatomisille hiukkasille. Toisin sanoen, jos tulkintasi kvanttimekaniikasta antaa sinulle jotenkin vapaata tahtoa, se on triviaalia vapaata tahtoa, joka on jokaisella maailmankaikkeuden hiukkasella. Tätä väitettä voidaan tietysti tutkia paljon perusteellisemmin, mutta ehdotan, että luet jonkun, joka tuntee kvanttilaskennan (Aaronson, 2013) Hameroffin sijaan.

Penroselle (ks Keisarin uusi mieli) tietoisuus ei ole algoritminen ja hän ehdottaa, että maaginen kvanttitietokone voisi suorittaa nämä ei-algoritmiset tehtävät. Käytän "maagista", koska todellinen kvanttitietokone on Turingin täydellinen, jos klassinen tietokone ei pysty ratkaisemaan ongelmaa, niin ei myöskään kvanttitietokone (tietenkin, jos klassinen tietokone voi ratkaista ongelman, niin myös kvanttitietokone voi ja voi pystyä tekemään sen laadullisesti nopeammin). Saat hienon tietojenkäsittelytieteen purkamisen tästä Penrosen argumentin osasta katsomalla Scott Aaronsonin luentomuistiinpanoja.

Onko tämä edes uutta?

Minulle pettymyksellisin osa tätä pseudotiedettä on sen uutuuspuute. Hameroffin spekulaation taustalla oleva filosofinen perusvoima on reduktionismin liiallinen soveltaminen: tietoisuus ei voi olla jotain nousevaa, sillä on oltava perusolemus. Koska hän ei voi ottaa vastaan ​​Descartesin dualistista asennetta, hän sen sijaan olettaa, että se on "kvanttimagiaa". Jopa tämä kvanttimagian käyttö ei ole alkuperäinen-se oli erittäin suosittu hokum-tyyppi 70-luvulla, jota on kutsuttu kvanttimystiikaksi.

Aiheeseen liittyvä keskustelu:

Mikä saa ihmiset helposti tilaamaan pseudotieteellisiä teorioita?

Viitteet

Aaronson, S. (2013). Aave kvanttituringin koneessa. arXiv -esipainatus arXiv: 1306.0159.

Conway, J., & Kochen, S. (2006). Vapaan tahdon lause. Fysiikan perusteet, 36(10): 1441-1473.

Desai, A., & Mitchison, T. J. (1997). Mikrotubulusten polymeroitumisen dynamiikka. Vuosikatsaus solu- ja kehitysbiologiasta, 13(1): 83-117.

Engel GS, Calhoun TR, Lue EL, Ahn TK, Mancal T, Cheng YC et ai. (2007). Todisteita aaltomaisesta energiansiirrosta kvanttijohdonmukaisuuden kautta fotosynteesijärjestelmissä. Luonto, 446(7137): 782-6.

Tegmark, M. (2000). Kvanttidekoherenssin merkitys aivoprosesseissa. Fyysinen katsaus E., 61(4): 4194-4206.


Tämä on jatkoa Penrose's Quantum Mindille. Suurin osa neurotiede- tai kvanttiyhteisöstä ei ota sitä vakavasti. Tässä muutamia viitteitä alkuun pääsemiseksi:

  • Tegmark, M. (2000). Kvanttidekoherenssin merkitys aivoprosesseissa. Fyysinen katsaus E., 61(4), 4194.

  • Seife, C. (2000). Kylmät numerot tekevät kvanttimielen järjettömäksi. Tiede, 287(5454), 791-791.

  • Craddock, T. J. A., & Tuszynski, J. A. (2010). Kriittinen arvio neuronaalisten mikrotubulusten tietojenkäsittelykyvyistä käyttämällä yhtenäisiä herätyksiä. Biologisen fysiikan lehti, 36(1), 53-70.


Vähäinen hermolaskennassa ja tekniikassa

Tämän monitieteisen alaikäisen tavoitteena Washingtonin yliopistossa on tarjota opiskelijoille tausta kvantitatiivisista, matemaattisista, tekniikan ja laskennallisista lähestymistavoista neurotieteen ongelmiin. Sivuaine sisältää kursseja, joissa yhdistyvät laskennalliset, analyyttiset ja kokeelliset menetelmät, jotka muodostavat laskennallisen neurotieteen ja hermotekniikan ytimen. Kurssit tarjoavat yhteisen ytimen taitoja, joiden avulla kaikki opiskelijat voivat edetä kohti itsenäistä tutkimusta ja jatkotyötä näillä toisiinsa liittyvillä aloilla. Opiskelijat voivat ilmoittautua talvivuoden neljänneksen 2018 alusta. Opiskelijoiden, jotka haluavat ilmoittaa alaikäisen, tulee neuvotella akateemisten neuvonantajien kanssa kotinsa suurissa osastoissa. Alaikäiseen ilmoittautuminen on avoin, ja sen voi ilmoittaa milloin tahansa. Suosittelemme, että otat meihin yhteyttä kaikkiin vaatimuksiin liittyviin kysymyksiin. Jessica Huszar on käytettävissä neuvontaan sopimuksen mukaan.

Neural Computation and Engineering Pienet vaatimukset

Yleiskatsaus alaikäisten ’: n ehdotetuista edellytyksistä ja vaadituista kursseista on nähtävissä täällä.

Vähintään 30 opintopistettä seuraavasti:

  1. Jompikumpi BIOEN 466 Neural Computation and Engineering Lab (yhdessä NEUSCI 405: n kanssa) tai molemmat NEUSCI 301 Solun ja molekyylin neurotiede ja NEUSCI 302 Järjestelmät ja käyttäytymistieteellinen neurotiede
  2. BIOEN 460 Neuraalitekniikka
  3. AMATH 342 Neuraalikoodaus ja laskenta
  4. Yksi kurssi neurosta/lääketieteen etiikasta- PHIL 442 (Neuroetiikka) tai CSE 490T (Älykäs koneisto) edullinen PHIL 242, 409, 460, BH 311, 420 myös hyväksytty
  5. Capstone BIOEN 461 Neural Engineering Tech Studio TAI NEURO 545 Neurotieteen kvantitatiiviset menetelmät (johtajan hyväksynnällä)
  6. Valinnaiset: Vähintään 12 lisäluokiteltua opintopistettä hyväksytystä luettelosta
  7. Vähintään kumulatiivinen 2,00 GPA kursseille, jotka lasketaan alaikäiseen
  8. Vähintään 18 opintopistettä opiskelijan pääaineen ulkopuolella

Valinnaiset (tarvitaan vähintään 12 opintopistettä). Huomaa, että kurssit eivät voi täyttää sekä pakollisia että valinnaisia ​​vaihtoehtoja.

Kurssi Otsikko
BIOL/PSYCH 408 Neuroetologia
BIOL 418 Biologiset kellot ja rytmit
BIOL 419 Datatiede biologille
BIOL 459 Kehitysneurobiologia
BIOL 461 Neurobiologia
NEUSCI 401 Järjestelmien neurobiologia
NEUSCI 402 Hermoston sairaudet
NEUSCI 403 Järjestelmät ja käyttäytymisneurobiologia
NEUSCI 404 Neurofarmakologia
NEUSCI 450 Nykyisen neurobiologian tutkimuksen aiheita
NEUSCI 450B Nykyinen neurobiologian tutkimuskirjallisuus
NEUSCI 490 Seminaari laskennallisessa neurotieteessä
AMATH 422 Biologisten järjestelmien laskennallinen mallinnus
AMATH 423 Matemaattinen analyysi biologiassa ja lääketieteessä
AMATH 481 Tieteellinen laskenta
AMATH 482 Tietojen analysointimenetelmät
PSYCH 420 Huumeet ja käyttäytyminen
PSYCH 421 Neuraalinen käyttäytymisen perusta
PSYCH 423 Ohjelmointi psykologiaa ja neurotiedettä varten
PSYCH 428 Ihmisen moottorin ohjaus ja oppiminen
PSYCH 429 Aivojen anatomia käyttäytymistieteilijälle
PSYCH 430 Aivojen yhteyksien kehittäminen
PSYCH 432 Visuaalinen neurotiede
PSYCH 460 Kognitiivinen neurotiede
SPHSC 445 Puheenkäsittelyn mallit
CSE 415 Johdatus tekoälyyn
CSE 428 Laskennallisen biologian huippukivi
CSE 440 Ihmisen ja tietokoneen välisen vuorovaikutuksen esittely (HCI)
CSE 446 Koneoppiminen
CSE 473 Johdatus tekoälyyn
CSE 484 Tietokoneen turvallisuus
CSE 486 Johdatus synteettiseen biologiaan
CSE 490ab Tietokoneet, etiikka ja yhteiskunta
TILA 416 Johdatus koneoppimiseen

Näyteaikataulu

Alla on kaksi esimerkkiä mahdollisista kurssisarjoista. Huomaa, että koska alaikäisellä on monia eri vaihtoehtoja, henkilökohtainen opetussuunnitelmasi voi vaihdella. Varaathan neuvonta -ajan kanssamme, jos sinulla on kysyttävää.


Neural Computation and Psychology Workshop (NCPW) -sarja

NCPW -sarja on nyt vakiintunut ja vilkas foorumi, joka kokoaa yhteen tutkijoita eri aloilta, kuten tekoäly, kognitiivinen tiede, tietojenkäsittelytiede, neurobiologia, filosofia ja psykologia, keskustelemaan työstään psykologian yhteysmallinnuksesta. Tavoitteenamme on tavata 18 kuukauden välein ja keskimäärin, mutta todellinen aika kokousten välillä vaihtelee jonkin verran.

Toisin kuin useimmat konferenssisarjat, siihen ei liity ammattiliittoa tai ohjauskomiteaa. Jokaisen työpaikan sijainti ja järjestäjät valitaan viimeaikaisten järjestäjien ja säännöllisten osallistujien epävirallisella yhteisymmärryksellä. Jos olet osallistunut vähintään yhteen aiempaan NCPW: hen ja haluat tulla tulevan NCPW: n isäntänä, lähetä ensin sähköpostitse lyhyt kiinnostuksenilmoitus jollekin viimeisen NCPW: n järjestäjälle.

Tähän mennessä järjestettyjä 15 työpajaa ovat:

NCPW1

Järjestäjät: Mike Oaksford ja amp Gordon Brown (Bangor)

Proceedings: Neurodynamics and Psychology, Mike Oaksford & amp Gordon Brown (toim.), Academic Press, 1994. (ISBN: 0125235151)

NCPW2

Päivämäärä: 10.-13. Syyskuuta 1993

Sijainti: Edinburgh, Skotlanti

Järjestäjät: Joe Levy, Dimitrios Bairaktaris, John Bullinaria ja amp Paul Cairns (Edinburgh)

Proceedings: Connectionist Models of Memory and Language, Joseph P.Levy, Dimitrios Bairaktaris, John A.Bullinaria & amp Paul Cairns (toim.), UCL Press, 1995. (ISBN: 1857283686)

NCPW3

Sijainti: Stirling, Skotlanti

Järjestäjät: Leslie Smith ja Peter Hancock (Stirling)

Proceedings: Neural Computation and Psychology, Leslie S.Smith & amp; J.B. Hancock (toim.), Springer, 1995. (ISBN: 3540199489)

NCPW4

Järjestäjät: John Bullinaria (Birkbeck), David Glasspool ja George Houghton (UCL)

Proceedings: Fourth Neural Computation and Psychology Workshop, John A.Bullinaria, David W. Glasspool & amp; George Houghton (toim.), Springer, 1998. (ISBN: 3540762086)

NCPW5

Sijainti: Birmingham, Englanti

Järjestäjät: Dietmar Heinke, Glyn Humphreys & amp; Andrew Olson (Birmingham)

Proceedings: Connectionist Models in Cognitive Neuroscience, Dietmar Heinke, Glyn W.Humphreys & amp; Andrew Olson (toim.), Springer, 1999. (ISBN: 185233052X)

NCPW6

Päivämäärä: 16.-18. Syyskuuta 2000

Järjestäjät: Bob French & amp; Jacques Sougne (Liege)

Proceedings: Connectionist Models of Learning, Development and Evolution, Robert M. French & amp Jacques P.Sougne (toim.), Springer, 2001. (ISBN: 1852333545)

NCPW7

Päivämäärä: 17.-19. Syyskuuta 2001

Sijainti: Brighton, Englanti

Ohjaaja: Roland Baddeley (Sussex)

Proceedings: Connectionist Models of Cognition and Perception, John A.Bullinaria & amp Will Lowe (toim.), World Scientific, 2002. (ISBN: 981238037X)

NCPW8

Sijainti: Canterbury, Englanti

Ohjaaja: Howard Bowman (Kent)

Proceedings: Connectionist Models of Cognition and Perception II, Howard Bowman & amp Christophe Labiouse (toim.), World Scientific, 2004. (ISBN: 9812388052)

NCPW9

Sijainti: Plymouth, Englanti

Järjestäjät: Angelo Cangelosi, Guido Bugmann, Roman Borisyuk (Plymouth) & amp; John Bullinaria (Birmingham)

Proceedings: Modeling Language, Cognition and Action, Angelo Cangelosi, Guido Bugmann & amp; amp; Roman Borisyuk (toim.), World Scientific, 2005. (ISBN: 9812563245)

NCPW10

Ohjaaja: Bob French (Burgundy)

Proceedings: From Association to Rules: Connectionist Models of Behavior and Cognition, Robert M.Francis & amp; Elizabeth Thomas (toim.), World Scientific, 2008. (ISBN: 9812797319)

NCPW11

Järjestäjät: Julien Mayor, Nicholas Ruh ja Kim Plunkett (Oxford)

Proceedings: Connectionist Models of Behavior and Cognition II, Julien Mayor, Nicholas Ruh ja Kim Plunkett (toim.), World Scientific, 2009. (ISBN: 9812834222)

NCPW12

Ohjaaja: Eddy Davelaar (Birkbeck)

Proceedings: Connectionist Models of Neurocognition and Emergent Behavior: From Theory to Applications, Eddy J.Davelaar (Toim.), World Scientific, 2011. (ISBN: 9814340340)

NCPW13

Sijainti: San Sebastian, Espanja

Järjestäjät: Julien Mayor (Geneve), Pablo G & oacutemez & amp Pawel Kuszelewski (BCBL)

NCPW14

Sijainti: Lancaster, Englanti

Järjestäjät: Gert Westermann & amp Padraic Monaghan (Lancaster)

NCPW15

Sijainti: Philadelphia, PA, USA

Järjestäjät: Jay McClelland, Stefan Frank ja Daniel Mirman

Tätä sivua ylläpitää John Bullinaria. Päivitetty viimeksi 14. helmikuuta 2017.


Sisällys

Termin "laskennallinen neurotiede" otti käyttöön Eric L. Schwartz, joka järjesti konferenssin, joka pidettiin vuonna 1985 Carmelissa, Kaliforniassa Systems Development Foundationin pyynnöstä, yhteenvedon esittämiseksi kentän nykytilasta. viitattiin monilla nimillä, kuten hermomallinnus, aivoteoria ja hermoverkot. Tämän määrittelykokouksen esitykset julkaistiin myöhemmin kirjana "Computational Neuroscience" (1990). ΐ ]

Alan varhaiset historialliset juuret voidaan jäljittää Louis Lapicquen, Hodgkinin ja Huxleyn, Hubelin ja Wieselin ja David Marrin kaltaisten ihmisten työhön. Lapicque esitteli neuronin integrointi- ja palomallin vuonna 1907 julkaistussa keskeisessä artikkelissa Α ], tämä malli on edelleen yksi suosituimmista malleista laskennallisessa neurotieteessä sekä solu- että hermoverkko -tutkimuksissa sekä matemaattisessa neurotieteessä, koska yksinkertaisuudestaan ​​(katso äskettäin julkaistu katsausartikkeli Β ], joka julkaistiin äskettäin alkuperäisen Lapicquen 1907 -paperin satavuotisjuhlavuonna - tämä arvostelu sisältää myös englanninkielisen käännöksen alkuperäisestä paperista). Noin 40 vuotta myöhemmin Hodgkin & amp; Huxley kehitti jännitekiristimen ja loi ensimmäisen biofyysisen mallin toimintapotentiaalista. Hubel & amp; Wiesel havaitsivat, että ensisijaisen visuaalisen aivokuoren neuronit, joka on ensimmäinen aivokuori -alue, joka käsittelee verkkokalvosta tulevaa tietoa, ovat suuntautuneet vastaanottaville kentille ja on järjestetty sarakkeisiin. Γ ] David Marrin työ keskittyi neuronien välisiin vuorovaikutuksiin ja ehdotti laskennallisia lähestymistapoja tutkimukseen siitä, miten hippokampuksen ja neokorteksin neuronien funktionaaliset ryhmät ovat vuorovaikutuksessa, tallentavat, käsittelevät ja välittävät tietoa. Biofyysisesti realististen neuronien ja dendriittien laskennallinen mallinnus alkoi Wilfrid Rallin työstä, ja ensimmäinen moniosastoinen malli käytti kaapeliteoriaa.


Neuraaliset mikrofilamentit laskentaa varten? - Psykologia

Washingtonin yliopiston laskennallinen neurotieteen keskus ja#8211 Älykkyyden purkaminen

CNC on matemaattisen ja laskennallisen neurotieteen tutkimuksen keskus, joka yhdistää Washingtonin yliopiston tutkijat koko kampuksella ja laajennettuun neurotieteen yhteisöön Tyynenmeren luoteisosassa. Tutkimusaiheet kattavat koko aivojen asteikot, mekanismit ja toiminnot-laskennan solubiofysiikasta aivojen laajuisiin hermoprosessointimalleihin ja seuraavan sukupolven aivojen/tietokoneiden rajapintoihin. Keskus, jossa on myös Biologically Inspired Computing -verkoston kansainvälisen verkoston ja Swartz-teoreettisen neurotieteen keskuksen järjestämiskeskus, on kampuksen koti perus-, jatko- ja jatko-koulutus- ja tutkimusohjelmille, jotka yhdistävät teoreettisia ja kokeellisia neurotieteilijöitä ymmärtämään paremmin hermolaskennan periaatteet.

Osallistuvien tiedekunnan jäsenten tutkimukseen kuuluu teoriaa, laskentaa ja tietojen analysointia, ja jäsenet ovat vuorovaikutuksessa laajasti kollegoiden kanssa kvantitatiivisessa kokeilussa ja kuvantamisessa. Tiedekuntamme pitää tehtäviä eri osastoilla ympäri kampusta, mukaan lukien fysiologia ja biofysiikka, biologinen rakenne, sovellettu matematiikka, tilastotiede, tietojenkäsittelytiede ja tekniikka, biologia, psykologia, biotekniikka ja sähkö- ja tietotekniikka - mikä antaa opiskelijoille mahdollisuuden löytää luonnollinen kurinpidollinen koti - mutta ovat läheisessä yhteydessä tiheän monitieteisen ja osastojen välisen yhteistyön verkoston kautta.


Neuraalinen perusta todennäköisyyslaskennalle näkökuoressa

Bayesin käyttäytymismallit viittaavat siihen, että organismit edustavat aistimuuttujiin liittyvää epävarmuutta. Epävarmuuden hermokoodi on kuitenkin edelleen hankala. Keskeinen hypoteesi on, että aivokuoren neuronien populaatiotoimintaan on koodattu epävarmuutta todennäköisyysfunktioiden muodossa. Testasimme tätä hypoteesia tallentamalla samanaikaisesti populaation aktiivisuutta kädellisten näkökuoresta visuaalisen luokittelutehtävän aikana, jossa kokeilu-koe-epävarmuus ärsykkeen suuntautumisesta oli päätöksen kannalta merkityksellinen. Dekoodasimme todennäköisyysfunktion koe-koe-populaatiotoiminnasta ja havaitsimme, että se ennusti päätöksiä paremmin kuin piste-arvio orientaatiosta. Tämä piti paikkansa, kun ehdollistimme todellisen suuntautumisen, mikä viittaa siihen, että hermoston aktiivisuuden sisäiset vaihtelut johtavat käyttäytymiseen merkityksellisiin vaihteluihin todennäköisyysfunktiossa. Tuloksemme vahvistavat populaation koodaamien todennäköisyysfunktioiden roolin käyttäytymisen välittämisessä ja tarjoavat hermostollisen perustan Bayesin havaintomalleille.


Suositellut koneoppimisen ja hermolaskennan kurssit

COGS 8. Hands-on Computing (4)
Alustava kurssi, joka antaa opiskelijoille käsityksen algoritmisen ajattelun ja suunnittelun peruskäsitteistä. Kurssi tarjoaa opiskelijoille ensimmäisen persoonan käytännön kokemuksen web-indeksoinnin ja yksinkertaisten fyysisten robottien ohjelmoinnista.

COGS 9. Johdatus tietotieteeseen (4)
Tutustutaan datakäsitteisiin ja niiden rooliin tieteessä, samoin kuin tiedonlouhinnan, tekstin louhinnan, koneoppimisen ja graafiteorian taustalla oleviin ideoihin sekä siihen, miten tutkijat ja yritykset hyödyntävät näitä menetelmiä löytääkseen uusia näkemyksiä ihmisen kognitiosta.

COGS 18. Johdanto Pythoniin (4)
Tämä luokka opettaa Python -ohjelmoinnin perustaitoja ja -käytäntöjä, mukaan lukien "Zen of Python". Opiskelijat keskittyvät tieteelliseen laskentaan ja oppivat kirjoittamaan toimintoja ja testejä sekä koodin virheenkorjausta Jupyter -muistikirjojen ohjelmointiympäristön avulla.

COGS 108. Data Science in Practice (4)
Datatiede on monitieteinen, ja se kattaa muun muassa tietojenkäsittelytieteen, tilastotieteen, kognitiivisen tieteen ja psykologian, tietojen visualisoinnin, tekoälyn ja koneoppimisen. Tämä kurssi opettaa kriittisiä taitoja, joita tarvitaan tietotieteen uran harjoittamiseen käytännön ohjelmoinnin ja kokeellisten haasteiden avulla. Edellytykset: Kognitiivinen tiede 18 tai MAE 8 tai CSE 8A tai CSE 11.

COGS 109. Mallinnus ja tietojen analyysi (4)
Altistuminen peruslaskentamenetelmille, jotka ovat hyödyllisiä kognitiivisessa tieteessä. Perustietojen laskentaa, oppivien yksilöiden mallintamista, kehittyvää väestöä, viestintäagentteja ja korpuspohjaista kielitiedettä harkitaan.   Edellytykset:   COGS 14B, MATH 18 tai MATH 31AH ja COGS 18 tai CSE 7 tai CSE 8A tai CSE 11.

COGS 118A. Valvotut koneoppimisalgoritmit (4)
Tämä kurssi esittelee ydinvalvottujen koneoppimismenetelmien matemaattiset muotoilut ja algoritmiset toteutukset. 118A: n aiheita ovat regressio, lähin naapuruus, päätöspuu, tukivektorikone ja yhdistelmäluokittelijat. COGS 118A-B voidaan ottaa kummassakin järjestyksessä.   Edellytykset:   ( COGS 18 tai CSE 8B tai CSE 11) ja (MATH 18 tai MATH 31AH) ja MATH 20E ja MATH 180A ja (COGS 108 tai COGS 109 tai COGS 118B tai CSE 150 tai CSE 151 tai CSE 158 tai ECE 174 tai ECE 175A) tai opettajan suostumus.

COGS 118B. Koneoppimisen esittely II (4)
Tämä kurssi, jossa on Cognitive Science 118A, muodostaa tiukan johdannon koneoppimiseen. Kognitiivinen tiede 118A-B voidaan ottaa kummassakin järjestyksessä. 118B: n aiheita ovat: suurimman todennäköisyyden arviointi, Bayesin parametriarviointi, klusterointi, pääkomponenttien analyysi ja jotkin sovellusalueet.  Edellytykset:   CSE 8B tai CSE 11 ja matematiikka 18 tai matematiikka 31AH ja matematiikka 20E ja matematiikka 180A tai opettajan suostumus.

COGS 118C. Neuraalisignaalin käsittely (4)
Tämä kurssi kattaa teoreettiset perusteet ja käytännön sovellukset signaalinkäsittelystä hermotietoihin. Aiheita ovat EEG/kenttäpotentiaalimenetelmät (suodatus, Fourier (spektri) -analyysi, koherenssi) ja piikkijuna -analyysi (käänteinen korrelaatio, piikkien lajittelu, monielektroditallenteet). Lisäksi keskustellaan joistakin neurokuvantamisen sovelluksista (optinen mikroskopia, fMRI). Edellytykset:   Matematiikka 18 tai Matematiikka 31AH, Kognitiivinen tiede 14B tai Psykologia 60 ja Kognitiivinen tiede 108 tai Kognitiivinen tiede 109.

COGS 118D. Matemaattiset tilastot käyttäytymistietojen analysointia varten (4)
Tilastolliset menetelmät käyttäytymistietojen analysoimiseksi. Matemaattisesti hienostunut kurssi, joka kattaa sekä klassiset että Bayesin tilastolliset menetelmät estimointia, hypoteesitestausta, regressiota ja mallien vertailua varten. Painotus sekä tilastollisten menetelmien matemaattiseen ymmärtämiseen että yleisiin sovelluksiin. Edellytykset:   Matematiikka 18 tai Matematiikka 31AH ja Matematiikka 180A tai opettajan suostumus.

COGS 180. Päätöksenteko aivoissa (4)
Tämä kurssi kattaa viimeaikaiset edistysaskeleet hermomekanismien ja laskentaperiaatteiden ymmärtämisessä, jotka ovat aivojen päätöksentekokyvyn taustalla. Eri tekijöiden rooli ja niiden hermokoodaus otetaan huomioon, esim. Havaintoäänet, palkkio, riski, sisäinen epävarmuus, emotionaalinen tila, ulkoiset kannustimet.   Edellytykset:   (BILD12 tai COGS17) ja (COGS108 tai COGS109 tai CSE150A) ja (MATH18 tai MATH20B tai MATH31AH)

COGS 181. Neuraaliverkot ja syväoppiminen (4)
Tämä kurssi kattaa hermoverkkojen perusteet sekä viimeaikaisen kehityksen syvässä oppimisessa, mukaan lukien syvät uskomusverkot, konvoluution hermoverkot, toistuvat hermoverkot, pitkän aikavälin muisti ja vahvistava oppiminen. Tutkimme yksityiskohtia syvän oppimisen arkkitehtuureista keskittyen näiden tehtävien kokonaisvaltaisten mallien oppimiseen, erityisesti kuvien luokitteluun. Edellytykset: (COGS18 tai CSE11 tai CSE8B) ja (MATH18 tai MATH31AH) ja (MATH20E) ja (MATH180A) ja (COGS118A tai COGS118B tai CSE150 tai CSE151 tai CSE158 tai ECE174 tai ECE175A)

COGS 182. Johdatus vahvistavaan oppimiseen (4)
Tämä kurssi on johdanto vahvistusoppimiseen, koneoppimisen osa -alueeseen, joka koskee sitä, miten keinotekoiset aineet oppivat toimimaan maailmassa maksimoidakseen palkkion. Aiheita ovat MDP: t, politiikan iterointi, TD-oppiminen, Q-oppiminen, toimintojen lähentäminen, syvä RL.  Edellytykset (COGS18 tai CSE11 tai CSE8B) ja (MATH18 tai MATH31AH) ja (MATH180A) ja (COGS108 tai COGS109 tai COGS118B tai CSE150A tai CSE150B tai CSE151A tai CSE151B tai CSE158 tai ECE174 tai ECE17)

COGS 185. Kehittyneet koneoppimistavat (4)
Tämä kurssi on edistynyt seminaari ja projektikurssi, joka seuraa Johdatus koneoppimiseen -kursseja. Edistyneistä ja uusista koneoppimismenetelmistä keskustellaan ja niitä käytetään. Edellytykset: Kognitiivinen tiede 118B tai kognitiivinen tiede 118A.

COGS 188. Tekoälyalgoritmit (4)
Tämä luokka kattaa laajan valikoiman koneoppimisalgoritmeja. Se perustuu opiskelijoiden aiempaan altistumiseen koneoppimiseen. Se kattaa uudet tekoälyalgoritmit tekstidatan analysoinnissa käytetyistä aihemalleista geneettisiin algoritmeihin. Edellytykset: Kognitiivinen tiede 109 tai kognitiivinen tiede 118A tai kognitiivinen tiede 118B.

COGS 189. Aivotietokoneen liitännät (4)
Tällä kurssilla keskustellaan signaalinkäsittelystä, kuvion tunnistusalgoritmeista ja ihmisen ja tietokoneen välisestä vuorovaikutuksesta EEG-pohjaisissa aivotietokoneen rajapinnoissa. Myös muita aivot-tietokone-rajapintoja käsitellään.   Edellytykset:   Kognitiivinen tiede 108 tai kognitiivinen tiede 109 tai kognitiivinen tiede 118A tai kognitiivinen tiede 118B.


Neuraaliset mikrofilamentit laskentaa varten? - Psykologia

Drexelin yliopisto, Philadelphia, PA, Yhdysvallat

Nykyaikaiset hermoverkkomallit:
Koneoppiminen, tekoäly ja kognitio

Rahoittavat W. K. & amp; W. W. Estes -rahasto, Google DeepMind
ja Rumelhart Emergent Cognitive Functions Fund

Jay McClelland, Stefan Frank & amp; Daniel Mirman

Näyttelijät Nikolaus Kriegeskorte, Timothy Lillicrap, Andrew Saxe,
Linda Smith, Greg Wayne ja Marco Zorzi

Meillä on ilo ilmoittaa työpajasta Nykyaikaiset hermoverkkomallittuo viimeisimmät kehitykset Deep Neural Networks, Deep Reinforcement Learning Networks ja toistuvissa neuroverkkoissa, joissa on pitkän ja lyhyen aikavälin muistiyksiköt, kosketuksiin nykyaikaisen kognitiivisen tieteen ja kognitiivisen neurotieteen kanssa. Täysistunnon puhujat ovat vakiintuneita ja nousevia asiantuntijoita syvien hermoverkkojen havainto-, toiminta- ja kognitiomallien kehittämisessä, ja niihin kuuluu kirjoittajia Google DeepMind -projekteista, jotka saavuttavat inhimillisen suorituskyvyn Atari-peleissä ja Go-ohjelmassa sekä luovat innovatiivisia kognitiivisia arkkitehtuureja, kuten Neural Turing Kone. Työpaja jatkaa Neural Computation and Psychology Workshop (NCPW) -sarjaa, joka sai alkunsa Yhdistyneestä kuningaskunnasta vuonna 1992. Se järjestetään 8.-9. Elokuuta 2016 Philadelphiassa-Pohjois-Amerikassa ensimmäistä kertaa 14 aikaisemman kokouksen jälkeen Euroopassa .

Työpajalla on sekä tutkimuksen levittäminen että opetusohjelma. Tutkimusta esitellään millä tahansa laskennallisen tutkimuksen alalla, joka soveltaa hermoverkkomalleja tai niihin liittyviä lähestymistapoja ihmisen kognition ymmärtämiseen. Ajatuksienvaihdon edistämiseksi äskettäin julkaistun tai myös muualla lähetetyn työn esittely on tervetullutta, ja uudelle teokselle on saatavana julkaisuvaihtoehto.Anteliaan tuen ansiosta kustannukset ovat alhaiset ja matkapalkinot kannustavat osallistumaan erilaisiin osallistujiin, joilla on asiaankuuluvia tavoitteita. Osallistujia pyydetään osallistumaan muuten julkaisemattomaan työhön suunnitellussa muodossa Kognitiivisen tieteen rajat Tutkimusaihe nykyaikaisista hermoverkkomalleista.

Jokaiseen NCPW: n kahteen päivään sisältyy kolme 75 minuutin istuntoa, joita johtavat kutsutut puhujat. Ensimmäiset viisi näistä istunnoista keskittyvät eri osaan tai aiheeseen nykyaikaisessa hermoverkkotutkimuksessa, ja kutakin johtaa eri asiantuntija. Viimeinen istunto alkaa vanhemman kognitiivisen tutkijan (Linda Smith) kommentilla, jota seuraa paneelikeskustelu muiden viiden puhujan kanssa. Päivän lounaan aikana päivän puhujat pitävät kukin pienemmän keskusteluistunnon työryhmän osanottajien kanssa ja materiaalit jaetaan etukäteen. Joka päivä kaksi 1,5 tunnin istuntoa omistetaan lähetetyille esityksille, jotka on valittu niiden tieteellisen arvon ja sen mukaan, missä määrin ne edistävät hermoverkkoarkkitehtuurien, työkalujen ja käsitteiden käyttöä sekä laskennallisessa että kognitiivisessa (neuro) tieteen alalla. Ensimmäisen päivän lopussa julisteistunto antaa kaikille osallistujille mahdollisuuden esittää ja saada palautetta kutsutuilta puhujilta sekä oppia toisiltaan ja verkostoitua keskenään. Konferenssi -illallinen ensimmäisenä iltana ja vastaanotto toisena iltana mahdollistaa epävirallisen vuorovaikutuksen.

Katso lisätietoja työpajan aikataulusivulta.

NCPW15: tä täydentää keskiviikkona 10. elokuuta erillinen päivän mittainen opetusohjelma, joka on osa Philadelphiassa järjestettävää Cognitive Science Society -kokousta. Tämä koko päivän kestävä tapahtuma tarjoaa lisäopetusesityksiä, joita seuraa perusteelliset opastusistunnot, jotka liittyvät syväoppiverkostojen todelliseen toteuttamiseen ja tehokkaaseen käytännön hallintaan kognitiivisen tieteen tutkimuksessa.


Neurobiologiset mekanismit reagoimiseen epäoikeudenmukaisuuteen

Ihmiset ovat erityisen herkkiä epäoikeudenmukaisuudelle. Näin ollen syvällisemmällä tietämyksellä epäoikeudenmukaisuuden käsityksen taustalla olevista prosesseista ja myöhemmin tehdyistä päätöksistä joko rangaista rikoksentekijöitä tai maksaa uhreille korvauksia on tärkeä sosiaalinen arvo. Yhdistämällä uuden päätöksenteon paradigman toiminnalliseen neurokuvaukseen tunnistimme erityiset aivoverkot, jotka liittyvät sekä sosiaalisen epäoikeudenmukaisuuden havaitsemiseen että siihen reagoimiseen, ja palkitsemiseen liittyvät alueet, jotka ovat ensisijaisesti mukana rangaistuksessa verrattuna korvaukseen. Developing a computational model of punishment allowed for disentangling the neural mechanisms and psychological motives underlying decisions of whether to punish and, subsequently, of how severely to punish. Results show that the neural mechanisms underlying punishment differ depending on whether one is directly affected by the injustice, or whether one is a third-party observer of a violation occurring to another. Specifically, the anterior insula was involved in decisions to punish following harm, whereas, in third-party scenarios, we found amygdala activity associated with punishment severity. Additionally, we used a pharmacological intervention using oxytocin, and found that oxytocin influenced participants' fairness expectations, and in particular enhanced the frequency of low punishments. Together, these results not only provide more insight into the fundamental brain mechanisms underlying punishment and compensation, but also illustrate the importance of taking an explorative, multimethod approach when unraveling the complex components of everyday decision-making.SIGNIFICANCE STATEMENT The perception of injustice is a fundamental precursor to many disagreements, from small struggles at the dinner table to wasteful conflict between cultures and countries. Despite its clear importance, relatively little is known about how the brain processes these violations. Taking an interdisciplinary approach, we combine methods from neuroscience, psychology, and economics to explore the neurobiological mechanisms involved in both the perception of injustice as well as the punishment and compensation decisions that follow. Using a novel behavioral paradigm, we identified specific brain networks, developed a computational model of punishment, and found that administrating the neuropeptide oxytocin increases the administration of low punishments of norm violations in particular. Results provide valuable insights into the fundamental neurobiological mechanisms underlying social injustice.

Avainsanat: compensation computational modeling neuroimaging oxytocin punishment social norms.

Copyright © 2018 the authors 0270-6474/18/382944-11$15.00/0.

Kuviot

Trial outline of a second-party…

Trial outline of a second-party punishment game in the Justice Game. In this…

Mean amount of chips spent…

Mean amount of chips spent as a function of game type and number…

Frequency of punishment in the…

Frequency of punishment in the second-party punishment games. Participants in the oxytocin group…

Frequency of punishment in third-party…

Frequency of punishment in third-party punishment game. y -axis, Percentage of trials x…

Neural correlates of fairness: trials…

Neural correlates of fairness: trials in which Taker took no chips versus trials…

Neural correlates of unfairness: trials…

Neural correlates of unfairness: trials in which Taker took chips versus trials in…

Brain contrast maps displayed at…

Brain contrast maps displayed at s < 0.001 uncorrected. A , Punishment versus…

Mean parameter estimates per game…

Mean parameter estimates per game type. A , Means of parameter θ reflecting…


  • Author : Robert M. French
  • Publisher : Springer Science & Business Media
  • Release Date : 2001-03-23
  • Genre: Tietokoneet
  • Pages : 322
  • ISBN 10 : 1852333545

Connectionist Models of Learning, Development and Evolution comprises a selection of papers presented at the Sixth Neural Computation and Psychology Workshop - the only international workshop devoted to connectionist models of psychological phenomena. With a main theme of neural network modelling in the areas of evolution, learning, and development, the papers are organized into six sections: The neural basis of cognition Development and category learning Implicit learning Social cognition Evolution Semantics Covering artificial intelligence, mathematics, psychology, neurobiology, and philosophy, it will be an invaluable reference work for researchers and students working on connectionist modelling in computer science and psychology, or in any area related to cognitive science.



Kommentit:

  1. Loxias

    Se on merkittävä, erittäin hyvä kappale

  2. Mauhn

    Suosittelen vierailemaan sivustolla, jossa on valtava määrä artikkeleita sinua kiinnostavasta aiheesta.



Kirjoittaa viestin