• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Ett nytt memristorbaserat neuralt nätverk inspirerat av begreppet associativt minne

    Illustration som förklarar begreppet Pavlovs associativa minne. Kredit:Sun et al.

    Klassisk konditionering är en psykologisk process genom vilken djur eller människor parar ihop önskade eller obehagliga stimuli (t.ex. mat eller en smärtsam upplevelse) med en till synes neutral stimulans (t.ex. ljudet av en klocka, blixten av ett ljus, etc.) efter att dessa två stimuli upprepade gånger presenteras tillsammans. Den ryske psykologen Ivan Pavlov studerade klassisk konditionering på djupet och introducerade idén om "associativt minne, " vilket innebär att bygga starka associationer mellan de trevliga/obehagliga och neutrala stimulierna.

    Pavlov är känd för sina studier på hundar, där han gav djuren mat efter att de hört ett specifikt ljud för flera försök. Intressant, han observerade att hundarna så småningom skulle börja salivera (dvs. förutse maten) efter att ha hört ljudet, även om maten ännu inte hade presenterats för dem. Detta tyder på att de hade lärt sig att associera ljudet med matens ankomst.

    På senare år har forskare har försökt utveckla beräkningsverktyg, framför allt maskininlärningstekniker, inspirerad av biologiska mekanismer, och de har ofta hämtat inspiration från klassisk konditionering. Några av dessa tillvägagångssätt inspirerade av Pavlovs arbete försöker reproducera det "associativa minne" som han observerade i maskiner som använder memristorer, som är elektroniska komponenter som fungerar som ett minne för enheter.

    Ett team av forskare vid Zhengzhou University of Light Industry och Huazhong University of Science and Technology i Kina har nyligen utvecklat en ny memristor-baserad neurala nätverkskrets som återger Pavlovs föreställning om associativt minne. Deras krets, presenteras i en tidning publicerad i Transaktioner på cybernetik , designades för att övervinna några av begränsningarna hos tidigare föreslagna memristorbaserade neurala nätverk som reproducerar associativt minne.

    "De flesta memristorbaserade Pavlov associativa minnesneurala nätverk kräver strikt att endast samtidig mat och ring verkar generera associativt minne, " förklarade forskarna i sin uppsats. "I den här artikeln, tidsfördröjningen beaktas för att bilda associativt minne när matstimulansen släpar efter ringstimulansen under en viss tid."

    Den memristorbaserade neurala nätverkskretsen som utvecklats av forskarna har tre nyckelkomponenter, en synapsmodul, en spänningskontrollmodul och en tidsfördröjningsmodul. Dess unika struktur, speciellt tidsfördröjningsmodulen, tillåter det att skapa associationer även om en framträdande stimulans, som i Pavlovs hundexperiment var mat, uppträder en tid efter en neutral stimulans (t.ex. ett ljud).

    Detta är en särskilt anmärkningsvärd prestation, eftersom majoriteten av tidigare utvecklade memristorbaserade neurala nätverk bara kan skapa dessa associationer om de två stimulierna matas till nätverket samtidigt. Hastigheten med vilken kretsen som presenteras av laget lär sig att skapa associationer kan också anpassas, helt enkelt genom att ändra tidslängden mellan de neutrala och de framträdande stimulierna.

    "Funktioner som lärande, glömmer, snabblärning, långsam glömning och inlärning med tidsfördröjning implementeras av kretsen, " skrev forskarna i sin uppsats. "Pavlovs associativa minnesneurala nätverk med tidsfördröjd inlärning ger en referens för vidareutveckling av hjärnliknande system."

    Övergripande, forskarna vid Zhengzhou University of Light Industry och Huazhong University of Science and Technology har introducerat en effektiv design för memristorbaserade neurala nätverkssystem inspirerade av idén om Pavlovsk konditionering. I framtiden, kretsen de utvecklade kan ha flera intressanta tillämpningar, till exempel, stödja utvecklingen av beräkningsverktyg som reproducerar psykologiska processer som observerats hos djur eller människor mer effektivt. Teamet planerar nu att fortsätta arbeta på kretsen, optimera dess prestanda, förenkla dess struktur och försöka integrera den i andra enheter.

    © 2019 Science X Network




    © Vetenskap https://sv.scienceaq.com