Как известно, типичным для некортекса является наличие шести слоев, которые различаются между собой формой входящих в них клеток и их функциональным назначением, которые сгруппированы во множество колонок. Схематично, участок зрительной коры мозга представлен на Рисунке 2 и Рисунке 3.
Рисунок 2. Участок зрительной коры головного мозга, на котором схематично изображены 6 кортикальных колонок со стороны поверхности коры головного мозга.
Рисунок 3. Схематическое изображение коры головного мозга, на котором изображены 5 кортикальных колонок, каждая из которых имеет шестислойную структуру.
Мы предполагаем, что одной из функциональных операций кортикальной колонки является способность реагировать на сложные сигналы, поступающие с сенсорной системы таким образом, что сигналы, соответствующие какому-то объекту или состоянию, вызывают активацию всей колонки, а сигналы, соответствующие другому объекту или состоянию, не приводят к активации всей колонки. При этом, для распознавания каждого объекта или состояния требуется одна или несколько кортикальных колонок.
Для создания искусственной кортикальной колонки мы взяли за основу структуру, которая реализована в естественной биологической среде в коре головного мозга млекопитающих и попытались воспроизвести ее в виде программного комплекса, который имеет сходную многослойную ячеистую архитектуру и демонстрирует активность только при наличии сигналов определенного вида.
Наша биоморфная модель включает в себя несколько типов нейроноподобных элементов, работающих на своем уровне иерархи и которые выполняют простые операции по преобразованию информации. Показано, что такая модель из одинаковых элементов, сгруппированных послойно, демонстрирует способность распознавать объекты заданных типов и их свойства. Схематично, послойное описание модели представлено на Рисунке 4.
Рисунок 4. Описание биоморфной модели искусственной колонки неокортекса.
Послойное описание модели.
1. Полиморфный слой. Полиморфный слой состоит из нейроноподобных элементов, которые выполняют суммирование информации с некоторого участка изображения. Участок изображения должен иметь прямоугольную форму и может быть произвольного размера. Каждый нейроноподобный элемент в этом слое может быть соединен с различным числом нейронов рецептивных нейронов, это число может варьироваться от 4х до 1024 нейроноподобных элементов.
2. Внутренний пирамидальный слой содержит нейроны, которые соединены с различным количеством нейронов полиморфного слоя (от 2х до 9ти) и в зависимости от их состояния генерируют кодовое описание этого состояния.
3. Кодовое описание состояния нейронов внутреннего пирамидального слоя передается на один или несколько нейронов внутреннего зернистого слоя, которые, в зависимости от этого кодового состояния, активируются на заданный вид сигнала, причем осмысленная активация нейронов этого слоя становится возможной в результате обучения всей нейросети.
4. Нейроноподобные элементы наружного пирамидального слоя представляют классические искусственные нейроны типа «integrate-and-fire» которые соединены с несколькими нейронами предыдущего слоя.
5. Нейроноподобные элементы наружного зернистого слоя также представляют классические искусственные нейроны типа «integrate-and-fire», но собирающие информацию с нейронов предыдущего слоя и с нейронов своего слоя, которые относятся к другим кортикальным колонкам. Как правило, в этом слое присутствует один нейрон. Но, был рассмотрен случай с двумя нейронами, которые взаимно усиливают или подавляют активность всей иерархии.
6. Элементы шестого слоя представляют собой дендритные деревья нейронов пятого слоя, которые передают активирующие или подавляющие сигналы на соседние колонки.
Типичная искусственная биоморфная модель кортикальной колонки содержит порядка 1000 нейронов различных видов и выполняет строго определенную функциональную операцию, обнаружение объектов заданного типа под определенным углом зрения.
Визуализация.
С целью исследования работы искусственной биоморфной модели кортикальной колонки был разработан программный комплекс, который обеспечивает визуализацию работы колонки, и предназначен для целей ее тренировки и подавления ошибок первого и второго рода в процессе жизни этой структуры. Причем подавление ошибок осуществляется без переобучения всей системы. Помимо процедуры дообучения нейросети в процессе ее функционирования, программный комплекс позволяет проводить исследования быстродействия и эффективности работы всей системы, оценивая число нейроноподобных элементов, вовлеченных в работу системы во время распознавания. Другими словами, оценивается активность колонки при наблюдении ложных объектов, что позволяет сделать выводы о том, каким образом следует оптимизировать или саму модель колонки или процедуру обучения для минимизации этой активности.