《基於記憶機制的吸引子模型》是依託四川大學，由張蕾擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於記憶機制的吸引子模型
- 項目類別：青年科學基金項目
- 項目負責人：張蕾
- 依託單位：四川大學
項目摘要,結題摘要,
項目摘要
神經科學的最新研究成果表明：吸引子網路是大腦信息處理過程中一切記憶活動的本質機制。基於記憶進行預測，是大腦功能的根本特徵。機器智慧型是研究用機器模擬生物體智慧型行為的學科，毫無疑問，建立符合大腦工作原理的計算模型是機器智慧型發展的必由之路。但是，現有的吸引子模型研究，在一定程度上忽略了吸引子機制的神經基礎，也因此遭遇了套用推廣的瓶頸。本項目的目標是通過深入研究生物神經系統的三大特徵：時間、反饋和層級結構，建立基於記憶機制的吸引子網路模型，並努力建立完備的基礎理論與分析工具。研究內容包括：分析離散點吸引子網路的多穩定性、吸引子數量、分布及收斂性；研究連續吸引子網路產生連續吸引子的內在機制，建立連續吸引子的基本理論和研究方法；研究以脈衝發放編碼的吸引子網路模型；建立回複式吸引子網路的學習規則；建立具有層級結構的回覆式吸引子網路模型。這一系列問題的解決，必將對機器智慧型的發展起重要推動作用。
結題摘要
本項目成功建立了一套基於記憶機制的吸引子模型的基礎理論與分析方法，為機器智慧型的研究注入了新的活力。內容包括：建立了離散點吸引子網路模型；建立了連續吸引子網路產生連續吸引子的內在機制；建立了具有層級結構的回覆式吸引子網路模型。大量的研究表明，有限以及無窮個神經元（至少神經元個數也要充分大）的網路中存在連續吸引子，並且在網路具有對稱性時，可以得到吸引子清晰的數學表達式，吸引子的吸引子性問題也可以得到完整的數學證明。但是，每種網路得到的吸引子往往都只有一個，通過進一步對連續吸引子的表達方法以及吸引性問題進行研究，我們發現在一個網路當中可以有多個吸引子的存在。而從大腦存儲記憶的層面來說，這一發現也進一步驗證了“連續吸引子是大腦信息處理的主要機制”的生物學假設。根據目前連續吸引子研究成果得知，連續吸引子的學習規則問題沒有得到徹底的解決，我們通過利用連續模式之間的相關矩陣，直接利用Hebb-Learning學習方法得到網路的連續吸引子及權值。為研究連續吸引子在機器智慧型中的套用問題，我們選擇了HTM（Hierarchical Temporal Memory）模型並對該模型進行了大量的研究，並在此基礎上與連續吸引子神經網路的特性相結合，提出了新的記憶-預測模型，從而為進一步實現連續吸引子在機器智慧型中的套用奠定了基礎。
