Вчені з Франції побудували математичну теорію навчання живих організмів при обробці сенсорної інформації. Їхня теорія, заснована на рекуррентних нейромережах, розширює класичну теорію навчання до випадку просторових кореляцій. Роботу опубліковано в журналі.
Як сенсорна інформація кодується і обробляється нейронами в мозку - одна з найцікавіших проблем у обчислювальній нейробіології. У багатьох областях мозку активність нейронів сильно залежить від деякого сенсорного параметра: наприклад, активність нейронів місця залежить від орієнтації голови і положення тварини в просторі. За останні десятиліття штучні нейронні мережі з безперервним атрактором стали привабливою моделлю для пояснення роботи нейронів мозку при обробці просторової інформації ззовні. Такі моделі можуть пояснити як велика нейронна система може кодувати інформацію з низькорозмірного сенсорного простору і безперервно оновлювати її з плином часу відповідно до вхідних сигналів.
Фізики Альдо Батіста (Aldo Battista) and Ремі Монассон (Rémi Monasson) з Вищої Нормальної Школи Парижа використовували рекуррентні нейромережі (RNN) для пояснення того, як атрактори можуть виникати з багатовимірної динаміки і показали що RNN здатні зберігати велику кількість просторової інформації з високою роздільною здатністю.
Для моделювання своєї мережі вчені припустили, що кожен нейрон випадково розташований на багатовимірному торі, який являє собою навколишнє середовище, здатне впливати на нейрони. Для кожної точки на торі модель витягує патерн активності нейронів, таким чином створюючи вибірку.
Вчені побудували теорію оптимального створення та зберігання відображень з просторових параметрів у бінарні параметри активності нейронів. Для навчання своєї моделі дослідники запропонували використовувати метод опорних векторів і показали стабільність такого процесу навчання.
У результаті фізики створили математичну модель, яка здатна описати, як навчаються живі організми, і показали її коректну роботу. Автори припускають, що їхня модель здатна описати, як відбувається розвиток гризунів протягом перших тижнів життя, ґрунтуючись на великій роботі дослідників зі США. Надалі вчені збираються прояснити, яким чином розвивається нейромережа для того, щоб враховувати все більше і більше просторової інформації і, в кінцевому підсумку, визначити безперервний атрактор.
Нейромережі іноді застосовують і для зчитування активності мозку, але поки до читання думок ще дуже далеко. Детальніше про це можна прочитати в блозі "Нейромережі навчилися читати думки в режимі реального часу. Що? Ні! ".