Ця стаття є кандидатом на вилучення. Ознайомитися та долучитися до обговорення цієї номінації можна на сторінці . Доки воно триває, Ви можете працювати над покращенням цієї статті, але не прибирайте це повідомлення. Для отримання додаткової інформації про підстави вилучення див. .
: вилучити · залишити · редагувати |
Цю статтю написано занадто професійним зі специфічною термінологією, що може бути незрозумілим для більшості читачів. (червень 2024) |
Ця стаття містить текст, що не відповідає . (липень 2014) |
Зв'язуючий нейрон (ЗН) — концепція обробки сигналів в нейроні загального типу і/або математична модель (моделі), яка втілює цю концепцію.
Опис концепції
Для нейрону загального типу стимулами є збуджуючі імпульси. Як правило, для збудження нейрону до рівня, коли він стріляє і посилає вихідний імпульс, потрібно більше ніж один вхідний. Нехай нейрон одержує вхідних імпульсів в послідовні моменти часу . В концепції ЗН вводиться поняття часової когерентності, , між вхідними імпульсами:
Висока часова когерентність між вхідними імпульсами свідчить на користь того, що в зовнішньому до нейрона середовищі всі імпульсів можуть бути породжені одною комплексною подією. Відповідно, ЗН, стимульований достатньо когерентним в часі набором імпульсів, стріляє і посилає вихідний імпульс. В термінології ЗН це називається зв'язуванням елементарних подій (вхідних імпульсів) в єдину подію. Зв'язування реалізується, якщо набір стимулюючих імпульсів характеризується достатньою часовою когерентністю і не реалізується, якщо когерентність вхідних імпульсів низька.
Гальмування в концепції ЗН (в першу чергу мається на увазі повільне соматичне калієве гальмування) контролює рівень часової когерентності між вхідними імпульсами, необхідний для зв'язування їх в єдину подію: чим вищий рівень гальмування, тим більша часова когерентність необхідна для зв'язування.
Вихідний імпульс вважається абстрактним представленням комплексної події (набору когерентних в часі вхідних імпульсів), див. Схему[[1]][[2]][[3]][[4]][[5]][[6]][[7]][[8]][[9]][[10]][[11]][[12]].
Походження
«Хоча нейрон і споживає енергію, його головна функція — одержувати сигнали і посилати їх назовні, отже — обробляти інформацію» — ці слова Френсіса Кріка вказують на потребу описати функцію поодинокого нейрона в термінах обробки абстрактних сигналів. Існують дві абстрактні концепції функціонування нейрона, «детектор збігів» і «часовий інтегратор»,,. В першій з них припускається, що нейрон збуджується і надсилає вихідний імпульс, якщо певна кількість вхідних імпульсів надходить до нього одночасно. В концепції часового інтегратора припускається, що нейрон збуджується і надсилає вихідний імпульс після того як одержує певну кількість вхідних імпульсів розподілених в часі. Кожна з цих концепцій враховує певні риси функціонування реальних нейронів, оскільки відомо, що функціонування конкретного нейрона може бути подібним до детектора збігів, або до часового інтегратора в залежності від характеру стимулів,. Разом з тим відомо, що нейрони одержують крім збуджувальних імпульсів також і гальмівну стимуляцію. Природним розвитком згаданих вище двох концепцій мала б бути концепція, яка надає гальмуванню власну роль при обробці сигналів.
В той же час в нейронауках існує таке поняття, як [en]. Наприклад, при зоровому сприйнятті такі ознаки, як форма, колір і просторове розташування зорового об'єкту представлені в мозку в різних групах нейронів. Механізм, який забезпечує сприйняття сукупності цих ознак як приналежних одному реальному об'єкту, називається зв'язуванням ознак, . Існує експериментально підтверджена думка, що для функціонування механізму зв'язування необхідна точна координація часових моментів нервових імпульсів, що відповідають тим чи іншим ознакам, , , , , , . Ця координація в основному вимагає, щоб сигнали про різні ознаки надходили до певних областей в мозку в межах певного часового вікна.
Концепція ЗН відтворює на рівні поодинокого нейрона вимоги, сформульовані раніше на рівні крупномасштабних нейронних мереж, котрі забезпечують функціонування механізму зв'язування. Формулювання концепції здійснено на основі аналізу знайденого чисельно відгуку рівнянь Ходжкіна-Хакслі на стимули, подібні до тих, які одержуються нейронами в реальних умовах, див. «Математичні реалізації», нижче.
Математичні реалізації
Модель Ходжкіна-Хакслі (Х-Х)
Модель Ходжкіна-Хакслі — фізіологічно обґрунтована модель нейрону, що оперує в термінах іонних струмів крізь мембрану нейрону і описує механізм генерації нейроном потенціалу дії.
У роботі досліджувався чисельно відгук моделі Х-Х на стимули складені з великого числа збуджуючих імпульсів, моменти одержання яких розподілені випадковим чином в межах певного часового вікна :
Тут позначає величину [en] в момент часу , — момент одержання -того імпульсу, — повне число імпульсів. Числа — випадкові, розподілені рівномірно в інтервалі . Застосований до моделі Х-Х стимул одержувався наступним чином
де — ємність одиниці площі збудливої мембрани. Обчислювалась ймовірність збудження нейрона до генерації спайку в залежності від ширини вікна . Розглядались рівняння Х-Х з різними значеннями фіксованої калієвої провідності, для створення певного рівня гальмівного потенціалу. Одержані залежності, перераховані на величину, обернену до ширини вікна, , яка є аналогом часової когерентності імпульсів в стимулі, мають вигляд сходинки, причому положення сходинки регулюється величиною гальмування, див. Рис. 1. Такий характер залежностей дозволяє трактувати рівняння Х-Х як математичну реалізацію концепції ЗН.
Інтегруючий нейрон з втратами (ІНВ)
Модель інтегруючого нейрону з втратами є широко розповсюдженою абстрактною моделлю нейрону. Якщо поставити аналогічну задачу для ІНВ, то при належним чином організованому гальмуванні сходинкоподібні залежності, аналогічні зображеним на Рис. 1, можна одержати і для ІНВ. Отже, ІНВ може служити математичною реалізацією концепції ЗН.
Модель «зв'язуючий нейрон»
Модель зв'язуючого нейрона реалізує концепцію ЗН в найбільш рафінованому вигляді. В цій моделі кожен вхідний імпульс зберігається в нейроні в незмінному вигляді протягом фіксованого часу після чого зникає. Нейрон характеризується пороговим значенням : якщо число наявних в нейроні імпульсів рівне, або більше від , то нейрон посилає вихідний імпульс і звільняється від наявних вхідних. Наявність гальмування в моделі ЗН реалізується як зменшення .
В моделі ЗН при обчисленні відгуку нейрона на потік вхідних імпульсів потрібно контролювати час, який залишилось провести в нейроні кожному присутньому в ньому імпульсу (час життя). Це робить модель ЗН при чисельному моделюванні більш складною ніж модель ІНВ, де потрібно контролювати тільки сумарне збудження. З іншого боку, кожен імпульс проводить в ЗН скінченний час після якого безслідно зникає. Це відрізняє модель ЗН від ІНВ, оскільки сліди вхідного імпульсу залишаються в ІНВ необмежено довго і зникають тільки в момент пострілу. Така властивість моделі ЗН дозволяє одержати точний опис статистики вихідної активності ЗН при стимуляції випадковим потоком імпульсів.
Граничний випадок ЗН з нескінченною пам'яттю τ→∞ відповідає часовому інтегратору. Граничний випадок ЗН з нескінченно короткою пам'яттю τ→0 відповідає детектору збігів.
Мікросхемні реалізації
Перелічені вище та інші моделі нейронів і нейронні мережі з них мають свої реалізації на рівні електронних мікросхем. Серед застосованих мікросхем відмітимо програмовані користувачем вентильні матриці, ПКВМ. ПКВМ застосовуються для моделювання нейронів будь-яких типів, але найбільш природно в них реалізується модель ЗН, оскільки ця модель може бути реалізована без застосування чисел з плаваючою точкою і не потребує розв'язання диференціальних рівнянь.
Обмеження
Концепція ЗН має низку обмежень, які випливають з її абстрактного характеру. До таких обмежень слід віднести ігнорування морфології нейронів, ідентичну інтенсивність вхідних імпульсів, заміну низки перехідних процесів з різними часами релаксації, які спостерігаються в реальних нейронах, єдиним часом життя імпульсу в нейроні, відсутність рефрактерного періоду, розгляд тільки повільного (калієвого) гальмування.
Такі ж обмеження має і модель ЗН, хоча частина з них може бути усунена за рахунок ускладнення моделі, де використано модель ЗН з рефрактерним періодом і швидким гальмуванням.
Примітки
- F. Crick. The Astonishing Hypothesis. Touchstone., 1995.
- M. Abeles. Role of the cortical neuron: integrator or coincidence detector? Israel Journal of Medical Sciences, 18:83-92, 1982. PMID:6279540
- P. König, A. K. Engel, and W. Singer. Integrator or coincidence detector? the role of the cortical neuron revisited. Trends in Neurosciences, 19(4):130-137, 1996. http://dx.doi.org/10.1016/S0166-2236(96)80019-1 PMID:8658595
- M. Rudolph and A. Destexhe. Tuning neocortical pyramidal neurons between integrators and coincidence detectors. Journal of Computational.Neuroscience, 14(3):239-251, 2003. http://dx.doi.org/10.1023/A:1023245625896 PMID:12766426
- J. P. Sougné. Binding problem. In Encyclopedia of Cognitive Science. John Wiley & Sons, Ltd, 2006.
- A. M. Treisman and G. Gelade. A feature-integration theory of attention. Cognitive Psychology, 12:97-136, 1980. http://dx.doi.org/10.1016/0010-0285(80)90005-5 PMID:7351125
- von der C. Malsburg. The what and why of binding: The modeler's perspective. Neuron, 24(8):95-104, 1999. http://dx.doi.org/10.1016/S0896-6273(00)80825-9 PMID:10677030
- R. Eckhorn, R. Bauer, W. Jordan, M. Brosch, W. Kruse, M. Munk, and H. J. Reitboeck. Coherent oscillations: a mechanism for feature linking in the visual cortex? Biological Cybernetics, 60:121-130, 1988. http://dx.doi.org/10.1007/BF00202899 PMID:3228555
- A. R. Damasio. Concepts in the brain. Mind & Language, 4(1-2):25-28, 1989. http://dx.doi.org/10.1111/j.1468-0017.1989.tb00236.x
- A. K. Engel, P. König, A. K. Kreiter, C. M. Gray, and W. Singer. Temporal coding by coherent oscillations as a potential solution to the binding problem: physiological evidence. In H. G. Schuster and W. Singer, editors, Nonlinear Dynamics and Neuronal Networks, pages 325. VCH Weinheim, 1991.
- M. M. Merzenich, C. Schreiner, W. Jenkins, and X. Wang. Neural mechanisms underlying temporal integration, segmentation, and input sequence representation: some implications for the origin of learning disabilities. In P. Tallal, A. M. Galaburda, R. R. Llinás, and C. Von Euler, editors, Temporal Information Processing in the Nervous System, page 122. The New York Academy of Sciences, 1993. http://dx.doi.org/10.1111/j.1749-6632.1993.tb22955.x
- A. K. Vidybida. Neuron as time coherence discriminator. Biological Cybernetics, 74(6):537-542, 1996. http://dx.doi.org/10.1007/BF00209424 PMID:8672560
- О.К. Відибіда. Вихідний потік зв’язуючого нейрона. Український математичний журнал, 59(12):1619-1838, 2007, http://dx.doi.org/10.1007/s11253-008-0028-5
- A. K. Vidybida and K. G. Kravchuk. Delayed feedback makes neuronal firing statistics non-markovian. Ukrainian Mathematical Journal, 64(12):1587-1609, 2012, http://dx.doi.org/10.1007/s11253-013-0753-2
- Arunachalam, V., Akhavan-Tabatabaei, R., Lopez, C. Results on a Binding Neuron Model and Their Implications for Modified Hourglass Model for Neuronal Network. Computational and Mathematical Methods in Medicine, vol. 2013, Article ID 374878, 2013, http://dx.doi.org/10.1155/2013/374878
- J. L. Rosselló, V. Canals, A. Morro, and A. Oliver. Hardware implementation of stochastic spiking neural networks. International Journal of Neural Systems, 22(4):1250014, 2012. http://dx.doi.org/10.1142/S0129065712500141
- R. Wang, G. Cohen, K. M. Stiefel, T. J. Hamilton, J. Tapson, and A. van Schaik. An fpga implementation of a polychronous spiking neural network with delay adaptation. Frontiers in Neuroscience, 7(14), 2013. http://dx.doi.org/10.3389/fnins.2013.00014 PMID:23408739
- K. G. Kravchuk and A. K. Vidybida. Non-markovian spiking statistics of a neuron with delayed feedback in presence of refractoriness. Mathematical Biosciences and Engineering, 11(1):81-104, 2014. http://dx.doi.org/10.3934/mbe.2014.11.81
Посилання
- Стаття написана з використанням матеріалу публікації: Vidybida, A. (2014), Mehdi Khosrow-Pour (ред.), Binding neuron, Encyclopedia of information science and technology (англ.) (вид. Third Edition), Hershey PA: IGI Global, с. 1123—1134
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
Cya stattya ye kandidatom na viluchennya Oznajomitisya ta doluchitisya do obgovorennya ciyeyi nominaciyi mozhna na storinci Vikipediya Statti kandidati na viluchennya 20 zhovtnya 2023 Doki vono trivaye Vi mozhete pracyuvati nad pokrashennyam ciyeyi statti ale ne pribirajte ce povidomlennya Dlya otrimannya dodatkovoyi informaciyi pro pidstavi viluchennya div kriteriyi viluchennya statej Do uvagi nominatora Bud laska povidomte avtora ciyeyi storinki pro nominaciyu pidstavivshi shablon i subst papv Zv yazuyuchij nejron 20 zhovtnya 2023 i na jogo storinku obgovorennya Administratoram viluchiti zalishiti redaguvatiCyu stattyu napisano zanadto profesijnim stilem zi specifichnoyu terminologiyeyu sho mozhe buti nezrozumilim dlya bilshosti chitachiv Vi mozhete dopomogti vdoskonaliti cyu stattyu zrobivshi yiyi zrozumiloyu dlya nespecialistiv bez vtrat zmistu Mozhlivo storinka obgovorennya mistit zauvazhennya shodo potribnih zmin cherven 2024 Cya stattya mistit tekst sho ne vidpovidaye enciklopedichnomu stilyu Bud laska dopomozhit udoskonaliti cyu stattyu pogodivshi stil vikladu zi stilistichnimi pravilami Vikipediyi Mozhlivo storinka obgovorennya mistit zauvazhennya shodo potribnih zmin lipen 2014 Zv yazuyuchij nejron ZN koncepciya obrobki signaliv v nejroni zagalnogo tipu i abo matematichna model modeli yaka vtilyuye cyu koncepciyu Opis koncepciyiDlya nejronu zagalnogo tipu stimulami ye zbudzhuyuchi impulsi Yak pravilo dlya zbudzhennya nejronu do rivnya koli vin strilyaye i posilaye vihidnij impuls potribno bilshe nizh odin vhidnij Nehaj nejron oderzhuye n displaystyle n vhidnih impulsiv v poslidovni momenti chasu t 1 t 2 t n displaystyle t 1 t 2 dots t n V koncepciyi ZN vvoditsya ponyattya chasovoyi kogerentnosti t c displaystyle tc mizh vhidnimi impulsami t c 1 t n t 1 displaystyle tc frac 1 t n t 1 Visoka chasova kogerentnist mizh vhidnimi impulsami svidchit na korist togo sho v zovnishnomu do nejrona seredovishi vsi n displaystyle n impulsiv mozhut buti porodzheni odnoyu kompleksnoyu podiyeyu Vidpovidno ZN stimulovanij dostatno kogerentnim v chasi naborom impulsiv strilyaye i posilaye vihidnij impuls V terminologiyi ZN ce nazivayetsya zv yazuvannyam elementarnih podij vhidnih impulsiv v yedinu podiyu Zv yazuvannya realizuyetsya yaksho nabir stimulyuyuchih impulsiv harakterizuyetsya dostatnoyu chasovoyu kogerentnistyu i ne realizuyetsya yaksho kogerentnist vhidnih impulsiv nizka Galmuvannya v koncepciyi ZN v pershu chergu mayetsya na uvazi povilne somatichne kaliyeve galmuvannya kontrolyuye riven chasovoyi kogerentnosti mizh vhidnimi impulsami neobhidnij dlya zv yazuvannya yih v yedinu podiyu chim vishij riven galmuvannya tim bilsha chasova kogerentnist neobhidna dlya zv yazuvannya Shema obrobki signaliv v zv yazuyuchomu nejroni t 1 t 2 t n displaystyle t 1 t 2 dots t n momenti oderzhannya vhidnih impulsiv Vihidnij impuls vvazhayetsya abstraktnim predstavlennyam kompleksnoyi podiyi naboru kogerentnih v chasi vhidnih impulsiv div Shemu 1 2 3 4 5 6 7 8 9 10 11 12 Pohodzhennya Hocha nejron i spozhivaye energiyu jogo golovna funkciya oderzhuvati signali i posilati yih nazovni otzhe obroblyati informaciyu ci slova Frensisa Krika vkazuyut na potrebu opisati funkciyu poodinokogo nejrona v terminah obrobki abstraktnih signaliv Isnuyut dvi abstraktni koncepciyi funkcionuvannya nejrona detektor zbigiv i chasovij integrator V pershij z nih pripuskayetsya sho nejron zbudzhuyetsya i nadsilaye vihidnij impuls yaksho pevna kilkist vhidnih impulsiv nadhodit do nogo odnochasno V koncepciyi chasovogo integratora pripuskayetsya sho nejron zbudzhuyetsya i nadsilaye vihidnij impuls pislya togo yak oderzhuye pevnu kilkist vhidnih impulsiv rozpodilenih v chasi Kozhna z cih koncepcij vrahovuye pevni risi funkcionuvannya realnih nejroniv oskilki vidomo sho funkcionuvannya konkretnogo nejrona mozhe buti podibnim do detektora zbigiv abo do chasovogo integratora v zalezhnosti vid harakteru stimuliv Razom z tim vidomo sho nejroni oderzhuyut krim zbudzhuvalnih impulsiv takozh i galmivnu stimulyaciyu Prirodnim rozvitkom zgadanih vishe dvoh koncepcij mala b buti koncepciya yaka nadaye galmuvannyu vlasnu rol pri obrobci signaliv V toj zhe chas v nejronaukah isnuye take ponyattya yak en Napriklad pri zorovomu sprijnyatti taki oznaki yak forma kolir i prostorove roztashuvannya zorovogo ob yektu predstavleni v mozku v riznih grupah nejroniv Mehanizm yakij zabezpechuye sprijnyattya sukupnosti cih oznak yak prinalezhnih odnomu realnomu ob yektu nazivayetsya zv yazuvannyam oznak Isnuye eksperimentalno pidtverdzhena dumka sho dlya funkcionuvannya mehanizmu zv yazuvannya neobhidna tochna koordinaciya chasovih momentiv nervovih impulsiv sho vidpovidayut tim chi inshim oznakam Cya koordinaciya v osnovnomu vimagaye shob signali pro rizni oznaki nadhodili do pevnih oblastej v mozku v mezhah pevnogo chasovogo vikna Koncepciya ZN vidtvoryuye na rivni poodinokogo nejrona vimogi sformulovani ranishe na rivni krupnomasshtabnih nejronnih merezh kotri zabezpechuyut funkcionuvannya mehanizmu zv yazuvannya Formulyuvannya koncepciyi zdijsneno na osnovi analizu znajdenogo chiselno vidguku rivnyan Hodzhkina Haksli na stimuli podibni do tih yaki oderzhuyutsya nejronami v realnih umovah div Matematichni realizaciyi nizhche Matematichni realizaciyiModel Hodzhkina Haksli H H Model Hodzhkina Haksli fiziologichno obgruntovana model nejronu sho operuye v terminah ionnih strumiv kriz membranu nejronu i opisuye mehanizm generaciyi nejronom potencialu diyi U roboti doslidzhuvavsya chiselno vidguk modeli H H na stimuli U t displaystyle U t skladeni z velikogo chisla zbudzhuyuchih impulsiv momenti oderzhannya yakih rozpodileni vipadkovim chinom v mezhah pevnogo chasovogo vikna W displaystyle W U t k 1 N P V t t k t k 0 W displaystyle U t sum k 1 NP V t t k qquad t k in 0 W Tut V t displaystyle V t poznachaye velichinu en v moment chasu t displaystyle t t k displaystyle t k moment oderzhannya k displaystyle k togo impulsu N P displaystyle NP povne chislo impulsiv Chisla t k displaystyle t k vipadkovi rozpodileni rivnomirno v intervali 0 W displaystyle 0 W Zastosovanij do modeli H H stimul oderzhuvavsya nastupnim chinom I t C M d U t d t displaystyle I t C M frac dU t dt de C M displaystyle C M yemnist odinici ploshi zbudlivoyi membrani Obchislyuvalas jmovirnist zbudzhennya nejrona do generaciyi spajku v zalezhnosti vid shirini vikna W displaystyle W Rozglyadalis rivnyannya H H z riznimi znachennyami fiksovanoyi kaliyevoyi providnosti dlya stvorennya pevnogo rivnya galmivnogo potencialu Oderzhani zalezhnosti pererahovani na velichinu obernenu do shirini vikna T C 1 W displaystyle TC frac 1 W yaka ye analogom chasovoyi kogerentnosti impulsiv v stimuli mayut viglyad shodinki prichomu polozhennya shodinki regulyuyetsya velichinoyu galmuvannya div Ris 1 Takij harakter zalezhnostej dozvolyaye traktuvati rivnyannya H H yak matematichnu realizaciyu koncepciyi ZN Ris 1 Zalezhnist jmovirnosti postrilu f p displaystyle fp v nejroni tipu Hodzhkina Haksli stimulovanomu sukupnistyu N P displaystyle NP vhidnih impulsiv v zalezhnosti vid yih chasovoyi kogerentnosti Krivi zliva napravo vidpovidayut zbilshennyu kaliyevoyi providnosti membrani tobto vse bilshomu stupenyu galmuvannya Integruyuchij nejron z vtratami INV Model integruyuchogo nejronu z vtratami ye shiroko rozpovsyudzhenoyu abstraktnoyu modellyu nejronu Yaksho postaviti analogichnu zadachu dlya INV to pri nalezhnim chinom organizovanomu galmuvanni shodinkopodibni zalezhnosti analogichni zobrazhenim na Ris 1 mozhna oderzhati i dlya INV Otzhe INV mozhe sluzhiti matematichnoyu realizaciyeyu koncepciyi ZN Model zv yazuyuchij nejron Model zv yazuyuchogo nejrona realizuye koncepciyu ZN v najbilsh rafinovanomu viglyadi V cij modeli kozhen vhidnij impuls zberigayetsya v nejroni v nezminnomu viglyadi protyagom fiksovanogo chasu t displaystyle tau pislya chogo znikaye Nejron harakterizuyetsya porogovim znachennyam N t h displaystyle N th yaksho chislo nayavnih v nejroni impulsiv rivne abo bilshe vid N t h displaystyle N th to nejron posilaye vihidnij impuls i zvilnyayetsya vid nayavnih vhidnih Nayavnist galmuvannya v modeli ZN realizuyetsya yak zmenshennya t displaystyle tau V modeli ZN pri obchislenni vidguku nejrona na potik vhidnih impulsiv potribno kontrolyuvati chas yakij zalishilos provesti v nejroni kozhnomu prisutnomu v nomu impulsu chas zhittya Ce robit model ZN pri chiselnomu modelyuvanni bilsh skladnoyu nizh model INV de potribno kontrolyuvati tilki sumarne zbudzhennya Z inshogo boku kozhen impuls provodit v ZN skinchennij chas t displaystyle tau pislya yakogo bezslidno znikaye Ce vidriznyaye model ZN vid INV oskilki slidi vhidnogo impulsu zalishayutsya v INV neobmezheno dovgo i znikayut tilki v moment postrilu Taka vlastivist modeli ZN dozvolyaye oderzhati tochnij opis statistiki vihidnoyi aktivnosti ZN pri stimulyaciyi vipadkovim potokom impulsiv Granichnij vipadok ZN z neskinchennoyu pam yattyu t vidpovidaye chasovomu integratoru Granichnij vipadok ZN z neskinchenno korotkoyu pam yattyu t 0 vidpovidaye detektoru zbigiv Mikroshemni realizaciyiPerelicheni vishe ta inshi modeli nejroniv i nejronni merezhi z nih mayut svoyi realizaciyi na rivni elektronnih mikroshem Sered zastosovanih mikroshem vidmitimo programovani koristuvachem ventilni matrici PKVM PKVM zastosovuyutsya dlya modelyuvannya nejroniv bud yakih tipiv ale najbilsh prirodno v nih realizuyetsya model ZN oskilki cya model mozhe buti realizovana bez zastosuvannya chisel z plavayuchoyu tochkoyu i ne potrebuye rozv yazannya diferencialnih rivnyan ObmezhennyaKoncepciya ZN maye nizku obmezhen yaki viplivayut z yiyi abstraktnogo harakteru Do takih obmezhen slid vidnesti ignoruvannya morfologiyi nejroniv identichnu intensivnist vhidnih impulsiv zaminu nizki perehidnih procesiv z riznimi chasami relaksaciyi yaki sposterigayutsya v realnih nejronah yedinim chasom zhittya t displaystyle tau impulsu v nejroni vidsutnist refrakternogo periodu rozglyad tilki povilnogo kaliyevogo galmuvannya Taki zh obmezhennya maye i model ZN hocha chastina z nih mozhe buti usunena za rahunok uskladnennya modeli de vikoristano model ZN z refrakternim periodom i shvidkim galmuvannyam PrimitkiF Crick The Astonishing Hypothesis Touchstone 1995 M Abeles Role of the cortical neuron integrator or coincidence detector Israel Journal of Medical Sciences 18 83 92 1982 PMID 6279540 P Konig A K Engel and W Singer Integrator or coincidence detector the role of the cortical neuron revisited Trends in Neurosciences 19 4 130 137 1996 http dx doi org 10 1016 S0166 2236 96 80019 1 PMID 8658595 M Rudolph and A Destexhe Tuning neocortical pyramidal neurons between integrators and coincidence detectors Journal of Computational Neuroscience 14 3 239 251 2003 http dx doi org 10 1023 A 1023245625896 PMID 12766426 J P Sougne Binding problem In Encyclopedia of Cognitive Science John Wiley amp Sons Ltd 2006 A M Treisman and G Gelade A feature integration theory of attention Cognitive Psychology 12 97 136 1980 http dx doi org 10 1016 0010 0285 80 90005 5 PMID 7351125 von der C Malsburg The what and why of binding The modeler s perspective Neuron 24 8 95 104 1999 http dx doi org 10 1016 S0896 6273 00 80825 9 PMID 10677030 R Eckhorn R Bauer W Jordan M Brosch W Kruse M Munk and H J Reitboeck Coherent oscillations a mechanism for feature linking in the visual cortex Biological Cybernetics 60 121 130 1988 http dx doi org 10 1007 BF00202899 PMID 3228555 A R Damasio Concepts in the brain Mind amp Language 4 1 2 25 28 1989 http dx doi org 10 1111 j 1468 0017 1989 tb00236 x A K Engel P Konig A K Kreiter C M Gray and W Singer Temporal coding by coherent oscillations as a potential solution to the binding problem physiological evidence In H G Schuster and W Singer editors Nonlinear Dynamics and Neuronal Networks pages 325 VCH Weinheim 1991 M M Merzenich C Schreiner W Jenkins and X Wang Neural mechanisms underlying temporal integration segmentation and input sequence representation some implications for the origin of learning disabilities In P Tallal A M Galaburda R R Llinas and C Von Euler editors Temporal Information Processing in the Nervous System page 122 The New York Academy of Sciences 1993 http dx doi org 10 1111 j 1749 6632 1993 tb22955 x A K Vidybida Neuron as time coherence discriminator Biological Cybernetics 74 6 537 542 1996 http dx doi org 10 1007 BF00209424 PMID 8672560 O K Vidibida Vihidnij potik zv yazuyuchogo nejrona Ukrayinskij matematichnij zhurnal 59 12 1619 1838 2007 http dx doi org 10 1007 s11253 008 0028 5 A K Vidybida and K G Kravchuk Delayed feedback makes neuronal firing statistics non markovian Ukrainian Mathematical Journal 64 12 1587 1609 2012 http dx doi org 10 1007 s11253 013 0753 2 Arunachalam V Akhavan Tabatabaei R Lopez C Results on a Binding Neuron Model and Their Implications for Modified Hourglass Model for Neuronal Network Computational and Mathematical Methods in Medicine vol 2013 Article ID 374878 2013 http dx doi org 10 1155 2013 374878 J L Rossello V Canals A Morro and A Oliver Hardware implementation of stochastic spiking neural networks International Journal of Neural Systems 22 4 1250014 2012 http dx doi org 10 1142 S0129065712500141 R Wang G Cohen K M Stiefel T J Hamilton J Tapson and A van Schaik An fpga implementation of a polychronous spiking neural network with delay adaptation Frontiers in Neuroscience 7 14 2013 http dx doi org 10 3389 fnins 2013 00014 PMID 23408739 K G Kravchuk and A K Vidybida Non markovian spiking statistics of a neuron with delayed feedback in presence of refractoriness Mathematical Biosciences and Engineering 11 1 81 104 2014 http dx doi org 10 3934 mbe 2014 11 81PosilannyaStattya napisana z vikoristannyam materialu publikaciyi Vidybida A 2014 Mehdi Khosrow Pour red Binding neuron Encyclopedia of information science and technology angl vid Third Edition Hershey PA IGI Global s 1123 1134