Redes neuronales oscilatorias

Las redes neuronales oscilatorias ( ONS ) son redes neuronales cuyas principales unidades estructurales son los osciladores . ONS funcionan debido a las fluctuaciones de los elementos individuales o grupos de elementos y su interacción. ONS son de interés científico, ya que las fluctuaciones juegan un papel importante en los procesos de pensamiento humano [1] .

Conexión biológica

En los trabajos de los conocidos neurofisiólogos A. A. Ukhtomsky y M. N. Livanov, se planteó la hipótesis de que el proceso de procesamiento de información en el sistema nervioso se describe en términos de sincronización de la actividad de varias estructuras neuronales. E. R. John y E. Bazar también comparten un punto de vista similar.

En los trabajos de O. S. Vinogradova, se planteó una hipótesis sobre la participación del tetaritmo (4-10 Hz) en la región del septo-hipocampo en el proceso de selección y almacenamiento de información.

Los estudios de W. Freeman, W. Singer, R. Eckhorn dan motivos para creer que los mecanismos oscilatorios permiten que la información se procese en las zonas olfativas y visuales de la corteza cerebral.

Clasificación

Tres tipos de SNO se han estudiado más a fondo:

Redes totalmente conectadas
Redes con conexiones locales
Redes con retrasos en los enlaces

Redes totalmente conectadas

Los osciladores de estas redes tienen conexiones débiles de muchos a muchos.

En los trabajos de E. Yamaguchi y H. Shimizu, se estudiaron las condiciones de sincronización para ONS construidos sobre osciladores tipo van der Pol con acoplamientos débiles.

E. Kuramoto también estudió osciladores de fase y sus condiciones de sincronización en redes totalmente conectadas.

Literatura

G. N. Borisyuk Redes neuronales oscilatorias
N. Yu. Semenova., V. S. Zakharov., Análisis fractal y búsqueda de determinismo en datos de EEG.
G. N. Borisyuk, R. M. Borisyuk, Ya. B. Kazanovich, G. R. Ivanitsky Modelado de la dinámica de la actividad neuronal durante el procesamiento de la información por el cerebro Resultados de la década.

Notas

↑ G. N. Borisyuk Redes neuronales oscilatorias Copia de archivo del 11 de diciembre de 2013 en Wayback Machine

Tipos de redes neuronales artificiales

Red feed-forward ( Red de funciones de base radial )
Perceptrón de una sola capa
Perceptrón multicapa ( Rosenblatt • Rumelhart )
Red Hopfield
cadena de Markov
máquina de Boltzmann
Máquina Boltzmann limitada
Codificador automático ( Codificador automático de eliminación de ruido • Codificador automático disperso [en • Codificador automático variacional )
Red profunda de confianza
Red neuronal convolucional
Red neuronal convolucional profunda
Red neuronal de despliegue
Red gráfica inversa convolucional profunda
Red adversaria generativa
Red neuronal recurrente
Redes Neuronales Recursivas
memoria a corto plazo
Bloque recurrente controlado
Máquinas neurales de Turing
Red bidireccional (Red neuronal recurrente bidireccional • Red bidireccional con memoria a corto plazo larga • Neuronas recurrentes controladas bidireccionales )
Red residual profunda
Red de eco neuronal
Método de aprendizaje extremo
Método de estados inestables
Máquinas de vectores soporte
Red Kohonen
Mapa autoorganizado de Kohonen
Red neuronal de la cápsula
Memoria asociativa en redes neuronales

Aprendizaje automático y minería de datos
Tareas	Problema de clasificación Aprender sin un maestro Aprendizaje asistido por profesores Análisis de regresión AutoML reglas de asociación Extracción de características entrenamiento de rasgos Entrenamiento de clasificación Derivación gramatical Aprender en línea
Aprendiendo con un maestro	método del k-vecino más cercano Clasificador bayesiano ingenuo árbol de decisión Máquinas de vectores soporte Regresión lineal Regresión logística perceptrón conjuntos de modelos Harpillera impulsar bosque aleatorio Método de vector relevante
análisis de conglomerados	método k-medias método de agrupamiento difuso Agrupación jerárquica algoritmo EM ABEDUL CURAR DBSCAN ÓPTICA Desplazamiento medio
Reducción de dimensionalidad	Análisis factorial Método de componentes principales CCA ACI LDA Expansión de matriz no negativa t-SNE
Pronóstico estructural	Graficar modelo probabilístico red bayesiana Modelo oculto de Markov FRC
Detección de anomalías	método del k-vecino más cercano Nivel de emisión local
Graficar modelos probabilísticos	red bayesiana Red de Markov Modelo oculto de Markov
Redes neuronales	Máquina Boltzmann limitada mapa autoorganizado Función de activación Sigmoideo softmax Funcion de base radial Método de propagación hacia atrás Aprendizaje profundo perceptrón multicapa Red neuronal recurrente memoria a corto plazo Bloque recurrente controlado Red neuronal convolucional U-red Codificador automático
Aprendizaje reforzado	proceso de Markov Ecuación de Bellman Algoritmo codicioso Q-aprendizaje SARAS Diferencia temporal (DT)
Teoría	Teoría de Vapnik-Chervonenkis Dilema de dispersión de sesgo Teoría del aprendizaje computacional Minimización empírica del riesgo El aprendizaje de Occam aprendizaje PAC Teoría del aprendizaje estadístico
revistas y congresos	NeurIPS ICML ML JMLR ArXiv:cs.LG