Тип публикации: статья из журнала
Год издания: 2022
Идентификатор DOI: 10.31857/S2686738922010048
Ключевые слова: delayed match to sample test, neural activity, dynamic coding, classification of neural activity patterns, тест отложенного сравнения с образцом, нейронная активность, динамическое кодирование, классификация паттернов нейронной активности
Аннотация: Работа посвящена оценке возможности восстановления информации, полученной искусственной нейронной сетью, по паттерну нейронной активности. В ходе теста отложенного сравнения с образцом, усложненного варьирующей длительностью паузы между получением стимулов, простая рекуррентная нейронная сеть формирует динамические паттерны возбуждПоказать полностьюения, с помощью которых обеспечивается хранение информации о полученном стимуле. Информация, хранящаяся в данных паттернах, может быть использована нейронной сетью в любой момент времени из заданного интервала (3–6 тактов), следовательно, может быть выделено инвариантное представление полученного стимула. Для выделения данных представлений предложен метод нейросетевого декодирования со 100% эффективностью идентификации полученных стимулов. Метод позволяет выделить минимальное подмножество нейронов, в паттерне возбуждения которых содержится исчерпывающая информация о стимуле, полученном нейронной сетью. We assess the possibility to recover information received by artificial neural network via inspecting neural activity pattern. Simple recurrent neural network forms dynamic excitation patterns for storing information about input stimulus during the delayed match to sample test with variable duration of pause between received stimuli. Information stored in these patterns can be used by neural network at any moment of time within specified interval (3–6 clock cycles), therefore it is possible to detect invariant representation of received stimulus. To identify these representations, we suggest the neural network-based decoding method that shows 100% efficiency of received stimuli recognition. This method allows to identify the minimum subset of neurons, the excitation pattern of which contains comprehensive information about the stimulus received by neural network.
Журнал: Доклады Российской академии наук. Науки о жизни
Выпуск журнала: Т. 502, № 1
Номера страниц: 48-53
ISSN журнала: 26867389
Место издания: Москва
Издатель: Российская академия наук