پردازش پیشگویانه در ستون های قشری مغز با استفاده از شبکه های عصبی ضربه ای
Publish place: Computing Science Journal، Vol: 9، Issue: 4
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 63
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_CSJI-9-4_001
Index date: 28 February 2025
پردازش پیشگویانه در ستون های قشری مغز با استفاده از شبکه های عصبی ضربه ای abstract
پردازش پیشگویانه نگرشی جدید و نویددهنده است که عملکرد مغز را به صورت پیش بینی حواس ورودی در نظر می گیرد. ستون های قشری به عنوان واحدهای سازنده ی مغز وظیفه محاسبات پردازش پیشگویانه را بر عهده دارند. هرچند پژوهش های متعددی برای استفاده از این نگرش در حوزه ی هوش مصنوعی انجام شده است، اما در اکثر این پژوهش ها، ساختار مغز و دینامیک فعالیت واحدهای سازنده آن نادیده گرفته شده و یا بیش از حد ساده سازی شده اند. در این مقاله تلاش شده است تا با استفاده از شبکه های عصبی ضربه ای، یک مدل محاسباتی زیست توجیه پذیر برای ستون های قشری مغز معرفی شود. در این مدل از دندریت های نورونی چندبخشی به همراه دینامیک مربوط به آن ها استفاده شده و نقش ارتباطات رو به عقب در پردازش های پیشگویانه مورد بررسی قرار گرفته است. عملکرد مدل پیشنهادی را با استفاده از آزمایش های مربوط به پردازش پیشگویانه مورد بررسی قرار داده و نشان می دهیم که پیش بینی می تواند منجر به تشکیل بازنمایی مناسب تر از ورودی در ساختار یک ستون قشری شود.
پردازش پیشگویانه در ستون های قشری مغز با استفاده از شبکه های عصبی ضربه ای Keywords:
پردازش پیشگویانه در ستون های قشری مغز با استفاده از شبکه های عصبی ضربه ای authors
علی رحیمی کلیشمی
دانشجوی کارشناسی ارشد، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشکدگان علوم ، دانشگاه تهران، تهران، ایران
محمد گنج تابش
استاد، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشکدگان علوم ، دانشگاه تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
