Showing posts with label neuron. Show all posts
Showing posts with label neuron. Show all posts

Tuesday, July 11, 2006

腦中的海馬(hippocampus)

創智慧》強烈建議海馬迴(hippocampus)在新皮質區域階層中,扮演最頂層的角色。所以我特地找了《海馬體:大腦真的很有意思》複習複習,更詳細地認識腦中的這對海馬。

本書內容以訪談的對話形式進行。受訪者是專門研究海馬迴的學者,是東京大學藥學系助理教授池谷裕二。其對話過程用了許多比喻。雖某種程度可以幫助人們瞭解相關議題,在我看來,卻有資訊密度過低的缺點。

無論如何,書中確實聊了許多有趣的東西:

page 83 到 page 90 提出一系列很具說服力的盲點(scotoma)實驗,說明即使簡單的視覺,也很大成分是大腦建構出來的東西,不是單純的感光輸入而已。

人類海馬迴的神經細胞大約有一千萬個,用來擔任資訊篩選、分類的任務,以避免大腦被感官送來的大量訊息淹沒。篩選資訊時,海馬迴會參考扁桃核的情緒訊號。

睡夢時,海馬迴會把清醒時所發生的事件作整理、回想(reminiscence)、排列組合。海馬迴和大腦各個皮質區都有廣泛的雙向連接,藉此把篩選的資訊,慢慢轉移到各個皮質區。

成年後,海馬迴是大腦少數神經細胞會不斷再生的地方。大多數的神經細胞在人們成年後,只會不斷消亡;嗅神經細胞是另一種會在人的一生中,不斷消亡、再生,細胞更替的神經種類。

池谷裕二據此提出假設:海馬迴只是製造記憶的地方,並非保存記憶的地方,所以經常更新是必要的。海馬迴為了製造記憶而製造一個模子,但這個模子會被推擠到別的地方。因為模子永久留下來會占空間,所以形成記憶後,就把舊模子丟掉,然後準備製造新的模子。 [page127]

有趣的是,池谷裕二還根據實驗證明,神經細胞間的連結,收訊者握有主導權。 [page198]

……

Friday, July 07, 2006

A Big Buying

既然要再回到象牙塔蹲一陣子,趁機大拜書一下是一定要的啦 :)

除了到各圖書館抱些書過過癮外,買書勢必是免不了的!

說到買書,這年頭誰不是在網路買呢?是吧!(事實是有些書在實體書店找不著 :p)

於是我就逛逛 Amazon ,晃晃若水堂,找些對味的:

Modeling Neural Development
上次被關在塔裡搞論文時,就一直想翻翻這本,跟學校請購卻沒下文;如今再次入塔,當然要抱一本回來當枕頭,也好斷了當年的念 ^_^b

The World in my Mind, My Mind in the World
幾年前拜讀了 Aleksander 的論述後,我整理了〈Weighted and Weightless〉;現在出新書了,當然要忙裡偷閒一下,聽聽他說些什麼 ^____^

Second Nature : Brain Science and Human Knowledge
有沒有搞錯!十月才要出版的書,也到上面兜售,想讓人口水乾流嗎?衝著作者 Edelman 是諾貝爾獎得主, 就值得聽聽他想說些什麼~ Hmm... 不過,我是不預購的,暫時放過這本吧 :p

小小世界
這本是 Duncan Watts 的博士論文,雖說是小世界(Small World)領域的經典,但連這都有人翻譯,會不會太閒了,不不不,是太令人感動了。嗯,給它來個最實際的支持…… :p

深入淺出 ARM7
哇勒,好慫的書名喔,這本是大陸那小有名氣的周立功出的,不久前在街上混吃時翻過,藉這次大採購,順便買本回來存參。

Saturday, July 10, 2004

The Neuron Farm

基於興趣,碩士論文我是作 Bio-machine modeling 方面的題目,在歸類上屬於人造生命(Artificial Life, ALife)的範疇,選擇的 target 是神經細胞的生長、發育。以下就先簡述一下整個概念:
這裡並不是要詳盡地模擬腦部的發育和功能執行,而是提出經過大幅簡化的模型,以利電腦模擬,及供我們驗證假設之用。經過長期考量過各種可能方案後,我決定以 Cellular Automata 來模擬神經細胞生長的環境。
考慮在一個由 CA 舖成的空間中,我們在一些選定的位置,滴上特定的化學物質,於是這些化學物質就會由滴定的點,向四周擴散。再考慮到真正的腦,對個別神經細胞而言,並非完全開放的空間,所以我們也在 CA 舖成的空間中設置各種障礙,來對空間作某種區隔。於是我們的神經細胞除了有化學的土壤外,現在也有了障礙的地形。整個生長環境豐富了許多。
有了生長環境之後,該是時候讓細胞在環境中過活了,於是我們就隨手一灑,這些神經幹細胞就被灑到 CA 構成的空間中了。既然有了前面土壤的比喻,就讓我們稱這個“灑”的動作為“播種”吧! ^__^
神經幹細胞的生長也遵循 automata 的模式。完全因應環境中的化學梯度而長出軸突(axon)和樹突(dendrite)……環境中的化學物質有其自然的損耗率、神經細胞的成長也會消耗掉 大量的化學物質……我們可以在其中模擬神經細胞的成長、競爭與凋亡。並觀察最後長成的神經網路拓僕。
~~
為了完成這個模擬,我當然要先 survey 一下現成的東西,決定一下要以哪些工具來達成想要的效果。雖然在大規模的模擬時,在效率的考量下,比較傾向於使用 C++ ;最後我還是決定用 Java 來實作,因為要縮短開發時程下,執行效率的考量就顯得比較次要了。
在決定用 Java 實作後,我 survey 了許多 Java 下的 agent software toolkits 。在它們當中, Swarm 雖是該領域的元老,它的接繼者 Repast 卻比較合我胃口。但由於 Repast 的架構還是顯得龐雜,且我要的許多效果它也沒提供,索性就 參考一下 Repast 的作法後,自己重新開發一套合用的 toolkit 。
為了確認每一步都沒出錯,也為了好玩,在開發過程中我同時利用自己的 toolkit 撰寫了許多測試用的小程式:

左邊那個是用來 Demo 在物理上有名的布朗運動(Brownian Movement)。程式一開始會把固定數量的化學分子置於中央,分子們很快就會以 Random Walk 的方式擴散開來,其中的色溫提示我們每個位置的分子數量的多寡。
右邊那個我管它叫做 Diffusion Sun 。化學分子一開始也是置於中央,隨著每個 time tick 的推進,這個 Demo 程式會繼續滴上給定數量的分子作為補充。在給定的自然分子損耗(lose)及不斷地添加分子間會有個動態平衡,造成一個形狀像抖動的太陽般的圖像,故稱之。
接下來,我們就繼續觀摩一下這個 toolkit 還提供了甚麼:

很明顯地,右邊那兩個綠底、裡面畫有 sine 波的東東,就是示波器(socillograph)的 scope 。比較特別的是這裡的示波器原則上是無限量供應的,只要點選 toolbar 上面代表探針(probe)的 icon 即可。值得一提的還有,這裡的探針量測的不是單純的點的訊號,而是一個指定的範圍。我們可以在左圖的 Imaging 畫布上看到一個虛線框住的範圍,它對應到右上那個 scope ,以這個例子來說,scope 顯示的是整個框框內所有點的平均訊號,實際上我們可以在上面顯示其他更有用的統計。
最後,我這裡也附上 SineSun 的 jar 檔,有興趣的話,諸位看官也可以自行玩玩看 :)

Thursday, July 08, 2004

Spiking Neural Network

  Spiking Neural Network, SNN 又稱 pulsed neural network 顧名思義,其中的 neuron 著重在模擬生物神經元激發時軸突所傳遞的突波。這樣的模型除了比傳統的 ANN 更真實外,實用上也更適合處理時變訊號的應用場合。

  以下有個 open source
Amygdala -- http://amygdala.sourceforge.net/

  有興趣的可以去玩玩...

Tags: [] [] [] []

Monday, March 24, 2003

Re: [借鏡靈感篇] 腦的一生 [跳脫式參考]

※ 引述《T2000 (概念語意導向類神經光腦)》之銘言:

感謝你 :)

能不能請ykjiang先提示一下"神經元群選擇"是選擇什麼? 大概是怎麼選擇? 為何選擇?

有ykjiang的導讀,相信我可以花比較少的時間。 謝謝你喔.

目前手邊資料不是很充分, Edelman 的文獻也只是提出大方向上的描述,對實作真正有幫助的細節並未公開...

這裡是其中一本著作的 review:

http://ourworld.compuserve.com/homepages/Joachim_Gruber/Edel.html

大家可以參考看看,有什麼想法再上來討論一下 :)

我再釐清一件事,

生物神經的緩慢只是由於其以離子傳遞電荷的方式,還是其網絡組織結構也有關?

如果速度慢不是緣由其網絡組織結構導致的話,相同的網絡拓僕移植到電路磁路或光路

就我目前的理解,生物神經訊號傳遞的電化學模式,有一部分不是為了單純地對外界訊息作處理與傳遞。而是跟情緒訊號傳遞、長期記憶、學習機制有關。

生物的腦神經元網路,是泡在特殊的化學濃湯中,而神經元間又大都經過這化學湯才把訊號傳遞過去...

當然啦,這裡並不是宣稱人工的神經網路也非要有這包湯不可,只是這裡發覺這包湯在生物上所扮演的角色,在人工的神經網路上很少被強調,這是否意味著前人不小心忽略掉了什麼?還是我想太多了... :p

聯想..

折舊率高一直是有機生命體宿命的缺陷,但人工的IC產業可以不用這樣,至少應該學學生物,受限物理壽命而非規格壽命。

以目前的技術,用軟體模擬較容易達成這個目標,畢竟軟體的本質,就在於“軟”嘛...

Tags: [] [] [] [] []

Sunday, March 09, 2003

Re: [借鏡靈感篇] 腦的一生 [跳脫式參考]

※ 引述《T2000 (概念語意導向類神經光腦)》之銘言:

※ 引述《ykjiang (Woodstock)》之銘言:
  所以我才會急欲進一步了解微核的性質。

小弟我所謂微核(microKernal)是指 dendrite 的脈衝 singal 與
synapse的電荷量memory,指的是軟體,不是指 neuron 硬體。

  我想,那跟你的模擬方式有關,由於你是利用通用電腦來模擬神經網路,我們當然可以指稱,被模擬的東西是軟體、因為它們都存於電腦記憶體中。
至於幹細胞與一般細胞的分裂複製,我是不懂的,我只是看過報導.
幹細胞與一般細胞的分裂複製.....這個我還想請教生物課本、生物學家、
還有造物主—— God。

但是今天我 design computer ,我愛怎麼做就怎麼做,
只是希望它盡可能接近自然生物的天生構造而已。
  也類似艾德曼提出的“神經元群選擇”原理。

這個我想多瞭解一下,能不能請你指點查閱方向?

  艾德曼(Gerald M. Edelman), 1972 年諾貝爾生理醫學獎得主。
  其早期的研究都集中在哺乳動物“免疫系統”運作的機制上。

  後來致力於將相關機制應用在神經系統的研究上,提出神經元群選擇學說(TNGS, theory of neuronal group selection)。
  並據此學說實地建造了許多可以和真實世界互動的實驗機器人,又以 Darwin I, II, III, IV...等方式為這一系列的機器人編號。

  其中一本相關的科普著作:
《Bright Air, Brilliant Fire: On the Matter of the Mind》,
經牛頓翻譯、出版為《先有心靈?還是先有物質?》

  好了,以上這些訊息應該夠你忙一陣子了,閱畢後如有什麼想法,記得提出來分享一下喔! :)
嗯- 軟體靈魂會物競天擇培養優生,硬體神經網絡呢?

  根據艾德曼的說法,動物個體的“神經元群”間也有類似天擇的現象發生。
電路的動態連結配置也是有很多需要考慮如何選擇才優的......
  據手上的資料顯示:神經幹細胞喜歡在安靜的環境下分裂,一但腦部整體佈
線到一定程度,可以開始接收足夠的神經訊號,神經幹細胞就會開始休眠。

對啊- 突然想到: 硬體神經網絡組織結構改變,
那軟體靈魂培養好的神經訊號傳遞路徑是不是也要跟著調整?

  理論上,是這樣的沒錯。
  嗯,期望能跟您好好地聊一下 :)
另外,為什麼人類沒有辦法使用到大部份的神經網絡而只使用到局少部份?

  人腦是個“低密度”開發的器官。沒錯,人腦的細胞數、神經元間的連結數,是一個天文級的數目,但也沒多到數不清。

  一些常見的誤導多來自過時的研究報導,以及過度引申的勵志書籍。
  人類雖有很大的潛能,卻不是源於低密度開發的神經網路所致。

  人腦低密度開發最可能的原因有:
  1. 受限於各種感官所能接收外界輸入訊號的頻寬。
  2. 受限於單一神經細胞緩慢的資訊處理速度。
  3. 妥協於腦細胞的高損耗、高死亡速度。
  4. 腦細胞的高複雜度,一大部分是為了支撐生物營生所需,而非為了思考。