大脑处理信息量化模型中的细节汇编

1、大脑处理信息量化模型中的细节汇编谢勤（广州市科技和信息化局第16届亚运会组委会信息技术部510000）【中图分类号】r741【文献标识码】a【文章编号】1672-5085 （2011） 48-0078-03 【摘要】文献1-9提岀了血液循环在大脑处理信息的过程中具有时序控制作用， 并用量化模型结合结构风险最小化相关理论说明时序控制作用的意义。木文将汇 总介绍量化模型中的一些细节，以期同行能更深入理解该模型。文章括三部分: 第一部分作了一些更正；第二部分介绍了在观察的时间精度和空间精度更加精细 的情况下，如何确定一个样木中阈值的值；第三部分介绍了大脑处理信息过程中 “索引效应”的木质。第四部分介

2、绍理论建立和应用过程中的一些神经网络原理。 【关键词】过程存储与重组模型时序控制微循环结构风险中枢祌经系统信 息处理details of quantitative model of brain information processingxieqin1,* 1 bureau of science, technology and information of guangzhou municipality; it&t department, gagoc guangzhou, 510000 【abstract】 literatures 1-9 suggest that blood c

3、irculation plays the role of basic timer when brain processing information; and suggest a quantitative model of braininformation processing. this article introduces details of the quantitative model,including 4 parts. part 1 gives a correction; part2 introduces "how to define gatevalue" in

4、 greater details; part3 introduces the essential nature of "indexing effect"when brain processing information; part4 introduces some basic neural networkprinciples of "theorizing".【key words】 model of process storing and recalling timing control microcirculation structure risk mi

5、nimization cns information processing1 一些更正在己发表文章6图13 （见图1）需要更正，更正后见图2。其中，“阈值”沿用人工智能领域的定义，对疲神经生物学定义为：阈值电位-膜电位。图1已发表图6图2更正后图2关于一个训练样本中阈值数值的确定在观察的吋间精度和空间精度足够小的情况下，可看到在某一吋刻，由 于各种原因，一个细胞各处的电位并不相同；在一个训练样本中，当各输入信号 到达细胞后，由于空间距离等因素，对细胞各处的电位影响也不相同；由于各种 原因，一个细胞各处的阈值电位也可能不同。因此，存在对于量化模型中的一个 训练样本，存在该样本“阈值”如何确定的问

6、题；即在观察的吋间精度和空间精 度更加精细的情况下，如何更精确定义“阈值”的问题。图3以细胞a为例说明 了这一问题。图3存在一个样本中的“阈值的值”怎样确定的问题下面以细胞a为例说明怎样确定一个训练样本中的阈值：第一步：确定观察点对细胞各点构造函数:g(t>=阈值电位(t)-膜电位,以点i为例，构造函数 gl(t)m'值电位l(t)-膜电位l(t),取动作电位发生前gl(t)最小值gl(t)min,这样,在动作 电位发生前，对于细胞中的各点1,11,111可获得一个集合gl(t)min,gllmin,glll(t)min,则取得 mingl(t)min,gll(t)min,gll

7、l(t)min的点就是确定的观察点p。第二步：确定阈值对观察点p在取得mingl(t)min,gll(t)min,glllmin吋的g(tl)的值进行 处理.消除各路输入对“膜电位(tl)”值的实际贡献值；2.根据输入信号到达后 对点p电位的影响和应奋的影响(如在不触发动作电位的情况下，实际贡献值和 ∑(pi*wi)的差异，pi表示第i路输入，wi表示第i路权值)调整“膜电位(tl>”的值；3.大脑处理信息的样本量和网络规模问题图6提到的“调整阈值波动 的数值”的数学处理也会影响“膜电位（tl）”的值；等。处理后的g（tl）就是该样 本中的阈值数值。3 “索引效应”的本质

8、前面文章曾提到外界输入的信号经过“索引效应”激活特定的细胞群。 索引效应的本质是：由于存储了一个具体信息（例如一幅图）的一群细胞由于连 接强度大等原因，这群细胞同步兴奋（或者在这群细胞冋步兴奋的冋吋另一群细 胞同步抑制）的概率较大，在一些情况下，外界的输入信号等原因使细胞群中一 部分细胞的兴奋程度增大，则会使这群细胞中其他各细胞兴奋程度增人（或者在 这群细胞兴奋程度增大的同吋另一群细胞抑制程度增大），进而经一系列过程形 成“冋忆起这一信息”的心理现象。例如图4中，g区域的细胞存储了一幅图像g,由于外界刺激输入等原 因，a、b两个细胞的兴奋程度增大，从而影响g区域中其他细胞的兴奋状态， 使红色细

9、胞同步兴奋，同时蓝色细胞抑制。进而经一系列过程形成红色细胞群兴 奋程度高于大脑中其他大量细胞，蓝色细胞群抑制程度高于人脑中其他人量细胞 的情况，形成“冋忆起图像g”的心理现象。在a细胞参与多幅图存储的情况下，则具体心理上“冋忆起哪幅图”视 存储各幅图的细胞群中其他各细胞的兴奋情况而定，如图4中由于b细胞兴奋程 度也较大，因此形成“冋忆起图像g”心理现象。图4 “索引效应”示意图4关于理论建立和应用过程中的一些神经网络原理这里将以匀速直线运动相关理论为例介绍关于理论建立和应用过程中 的一些神经网络原理。在对大量客观事实进行长期观察的过程中，大量的样本 进入大脑，样本中重复出现次数多的一些统计特性

10、被神经网络保留下来，形成一 张相对稳定的神经网络，表示为网络g，图中用灰色结点和实线表示；样本中重 复出现次数少的统计特性，由于形成的连接强度不人，在遗忘机制的作用下不参 与这网络g的形成，图中用虚线表示。上述过程可能在多个大脑中逐步形成，例如人们通过对运动事物的长期 观察，形成“速度”等概念（形成图中i、iii圈内的相对穂定的网络），这些概念 传给另一群人后，继续观察客观现象，形成匀速直线运动相关理论（形成图中ii 圈内的相对稳定网络，从而形成网络g）。大脑中己建立的相对稳定的子网络和 一些其他因素会影响后续观察客观现象过程中对输入样本的处理和样本中统计 特性的识别。在匀速直线运动相关理论的

11、建立过程中,人们通过各种方式获得样本，根 据样本检验网络g的输入输出，并不断调整网络g,使网络g的输入输出和样本 相符，最后网络g相对稳定下来，对疲“pt=po+v*t”，和一些相关概念、数字、 单位、计算方法等。在理论的建立过程中，一些随机的因素，如灵感等可能在网 络建立过程发挥重大作用，使网络在符合样本方面冇很大的改善。由于不可能学 习完所有客观世界可能出现的样本，所以只有相对真理，只能在客观实践中不断 改进理论。当这张网络在大脑中建立起来以后，在观察运动物体并预测t吋间后物 体位置的场景中，这张网络在“索引效应”的作用下把输入信息抽象为物体原始 位置、速度、所经历的吋间三个要素，这些信息

12、进入网络g后，输出物体t吋 间后的位置。在这一场景中活跃的神经网络是网络g和图中标u的连接和细胞 共同组成的网络g’。注意在神经细胞群活跃的顺序中，并不一定网络 g&rsquo沖所有细胞同吋同强度活跃，而可能在各种吋序控制机制或自身特性等 的作用下分成几步，如图中分成1、2、3步，分别是i、ii、iii圈中的细胞群依次 活跃程度最强。网络g建立好以后，可以在大脑信息处理的辅助工具，如纸上记录下 来，通过信息传播，在不同的大脑中建立这一相对稳定的网络；或者己建冇这张 网络的大脑因遗忘机制作用，大脑中这张网络不完整存在的吋候，重建这张网络。 新建的和重建的网络具体相关的

13、细胞和连接权可能会右差异，但都对应 “pt=p0+v*t”，和一些相关概念、数字、单位、计算方法等。图5关于理论建立和应用过程中的一些神经网络原理参考文献1】谢勤,王乙容.大脑处理信息的过程存储与重组模型.现代生物医学进展,2007, (3)： 432-435, 439.xie qin, wang yi-rong. storing and re-engineering of models of cerebral information process j. progress of modern biomedicine, 2007,(3):432-435,439.2】谢勤.血液循环在大脑信息处理

14、过程中的吋序控制作用j.现代生物医学进展， 2008，(6)： 1152-1159.xie qin. timer role of blood circulation when brain processing information j.progress of modern biomedicine, 2008, (6):1152-1159.3】谢勤.过程存储与重组模型z. ，2006.xie qin. model of process storing and recalling z, 2006.4】谢勤.一种关于脑电波起源和含义的观点c.中国神经科学学会第七次全国学 术会议论文集.北京：科学出

15、版社，2007:144.xie qin. a viewpoint about origin and meaning of eegsc.proceedings of the 7th biennial meeting and the 5th congress of the chinese society for neuroscience.beijing: science press, 2007:144.5】谢勤.血液循环在大脑信息处理过程中的时序控制作用整理c.中国神经科 学学会第八次全国学术会议论文集.北京:科学出版社,2009: 135.xie qin. a review of &lt

16、;timer role of blood circulation when brain processinglnformation>c.proceedings of the 8th biennial meeting of the chinese societyfor neuroscience. beijing: science press. 2009:135.6】谢勤.血液循环在人脑信总处理过程中的时序控制作用整理.中外健康文摘， 2011, 8(20)： 93-98.xie qin. a review of <timer role of blood circula

17、tion when brain processing lnformation>j.world health digest, 2011, 8(20): 93-98.7】谢勤.大脑处理信息的样本量和网络规模问题.中外健康文摘，2011，8(21)： 88-91.xie qin. matching problem of sample quantity and network scale when brain processing information j.world health digest, 2011, 8(21): 88-91.8】谢勤.大脑处理信息量化模型中的另一种样本重组方案j.中外健康文摘,2011， 8(22)： 209-210.xie qin. another sample recombination solution for quantitative model of braininformation processing j.world health digest, 2011, 8(22)