0


脑与认知科学基础(期末复习)

脑与认知科学基础(期末复习)

文章目录

第一章 脑与认知科学简介

认知

在这里插入图片描述

元认知

在这里插入图片描述

中国脑计划

“中国脑计划”已经筹备了五六年时间,初步形成开展以脑认知神经原理研究为“主体”,脑重大疾病诊断新手段类脑人工智能新技术是研究为“一体两翼”的格局。类脑计算和人工智能研究是“中国脑计划”的重要组成部分,将以类脑人工智能研发与产业化为核心,从“湿”“软”“硬”“大规模服务”这四个方向展开。
在这里插入图片描述

第二章 大脑简介

Human brain

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

解剖参考坐标

在这里插入图片描述

在这里插入图片描述

大脑皮质

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
额叶:中央前回是人脑控制运动的中枢,前额叶是人类高级认知活动的生理基础,负责计划、调节和控制人的心理活动,对人的高级的、目标导向的行为有重要作用;
前额叶受损的人会带来诸多缺陷,如无法抑制自己 的行为、无·法控制自己的情绪、无法有效的做计划与执 行计划、无法有工作记忆。(反向理解额叶功能)
在这里插入图片描述
本体觉又叫深感觉,是指感受肌肉、肌腱、关节和韧带等深部结构的本体感觉,即肌肉是否处于收缩或舒张状态,肌腱和韧带是否被牵拉,以及关节是否处于屈曲还是伸直状态的感觉。

顶叶:人类重要的感觉中枢,响应疼痛、触摸、品尝、温度、压力等感觉,顶叶还与注意功能、空间分辨以及数学逻辑相关。
在这里插入图片描述
在这里插入图片描述

脑的内侧和腹侧面

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

神经系统

神经系统的细胞

在这里插入图片描述
一个神经元的结构
在这里插入图片描述
基本的信息传递和处理单位
主要包含树突(接受信息)、胞体(整合信息)、轴突(传出信息)
神经元的功能:
在这里插入图片描述
在这里插入图片描述

神经元间信号传导

在这里插入图片描述

神经回路

在这里插入图片描述

神经回路的基本模式

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

人工神经

在这里插入图片描述
人工神经元反映神经元信息加工的重要方面,如空间整合、阈值非线性、神经元间连接的可塑性等,但也忽略了神经元的许多特性,如时间整合、不应期等。

人工神经网络

人工神经网络是为模拟生物神经网络而设计的一种计算模型,由多个节点(人工神经元)互相连接而成,实质是由多个人工神经元连接而成的自适应非线性系统。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

生物神经网络vs. 当前人工神经网络

在这里插入图片描述

课后作业

如果动作电位是全或无的,神经系统如何编码感觉刺激强度的差异?

发放率(firing rate)]编码:通过动作电位的发生频率进行编码
在这里插入图片描述
但速率编码或发放率编码是有缺陷的
在这里插入图片描述
相关性(correlation)编码:信息通过两个或多个邻近神经元的共同激活进行编码(共同激活的模式或程度,在时间维度体现,又叫时间编码)
在这里插入图片描述
发放率编码可以完成快速的信息编码,因此更具时效性,而相关性编码可以利用更少的动作电位来传递信息


感知机(perceptron)是受神经元启发的数学模型,在人工智能的发展史中具有重要地位。请结合本章内容,分析神经元在工作原理上与感知机模型的相同和差异之处


人工神经元或感知机反映了神经元信息加工的重要方面,如空间整合、阈值非线性、神经元间连接的可塑性等,但也忽略了神经元的许多特性,如时间整合、不应期等。


人工神经网络(artificial neural network)是深度学习的基础模型,请分析如右图所示的人工神经网络(隐层数>1)中可能存在哪些真实神经系统中的回路模体(circuit motif) ?


在这里插入图片描述
答:
收敛式兴奋(convergent excitation)回路模体
发散式兴奋(divergent excitation)回路模体
侧抑制(lateral inhibition)回路模体等

为什么说脉冲神经网络是感知机、前馈网络之后的第三代网络?

答:
传统神经网络在时间维度上考虑相对较少,而脉冲神经网络 (Spiking Neural Network,SNN) ,使用最拟合生物神经元机制的模型来进行计算,认为更能弥合神经科学和人工神经网络之间的差距。SNN 使用脉冲这种发生在时间点上的离散事件而非常见的连续值。每个峰值由代表生物过程的微分方程表示出来,其中最重要的是神经元的膜电位。本质上,一旦神经元达到了某一电位,脉冲就会出现,随后达到电位的神经元会被重置。脉冲随着时间而发生,在传统二进制编码中丢失的信息可以在脉冲的时间信息中重新获取,这允许自然地处理时间数据,无须循环网络添加额外的复杂度。
但是因为训练方法和硬件实现方面面临一些困难,还需要更多的研究和实践。


总结所介绍的工具或方法的原理,优势和劣势。包括:单细胞记录,EEG/ERP, CT,MRI,fMRI,TMS


在这里插入图片描述


简述感觉与知觉的区别


答:
感觉是一刺激对感觉器官的影响,如听觉、嗅觉、视觉等等;
而知觉是建立在感觉刺激之上的的加工和阐释(通过对感觉刺激进行加工和阐释所形成的),有听知觉,味知觉,躯体知觉,视知觉等等


解释物体恒常性和感觉信息的变异性


答:
物体恒常性:我们在各种情境中识别物体的惊人能力。
物体识别必须克服感觉信息的三种变异源:视角的改变;光线的变化(阴影等);
部分遮挡。
即尽管从物体来的感觉信息有变异性,但我们对物体的识别具有恒常性。


解释层级编码假说和集群编码假说


答:
层级编码假说:初级特征被整合起来形成一个可被知识单元识别的物体。
层级编码假说认为,物体的识别是层级化过程,先有一些细胞表征初级特征,进而有另一些细胞表征更高层级的特征,这样由简单到复杂,就形成对复杂物体的识别(其中能够识别复杂物体的神经元叫知识单元)。

集群编码假说:由同时激活一群定义性特征来定义物体。
集群编码假说认为,物体识别不是源于单个单元,而是许多单元的集体激活。


背侧和腹侧视觉通路的加工有什么差异?背侧或腹侧视觉通路的损伤会导致什么症状?


答:
腹侧通路,“What”通路,物体识别;
背侧通路,“Where”通路,空间分析。
”what”缺陷,”where”正常,视觉失认症,难于从视觉识别存在的物体;
what”正常,”where”缺陷,视觉共济失调,难于运用视觉信息去引导它们的动作。

参考

aust 人工智能学院 孙老师ppt


本文转载自: https://blog.csdn.net/qq_43629083/article/details/127978726
版权归原作者 树下一朵云 所有, 如有侵权,请联系我们删除。

“脑与认知科学基础(期末复习)”的评论:

还没有评论