Global Temporal Dynamic

討論
ここで説明されている研究は、生きている神経系の時間的なダイナミクス、そして特に人間や高等動物の時間的な能力によって動機づけられています。私たちの脳は、時変信号に反応し、時変パターンを生成し、時間をかけて情報を処理し（思考）、任意の時間間隔で概念やイメージを表すことができます。目を覚まし、目を覚まし、眠っています。さらに、時空間パターンの認識など、時間に関連したスキルやダイナミクスが自動的に発生します。明らかな制御タイムクロックにもかかわらず、脳内の内部処理の調整。振動（例えば、呼吸ニューロン）または他のより複雑な継続的活動（「自発的活動」）を介した、脳の多くの領域における自己持続的動的活動の存在。この広範な一連の時間的能力および時間的に変化する活動は、これらのプロセスの基礎となる時間的に動的なニューラルネットワークを指し示している。今日まで、多くのニューラルモデルはパターンマッピング能力を示しているが、それらがモデル化しようとしているシステムのダイナミクスおよび時間的挙動を欠いている。
ニューラルネットワークにおける動的活動に関する一連のパラダイムを調査しました。我々はどのようにしてニューラルネットワークの単純なモデルが動的アトラクタ、自立的活動、そしてカオスを発展させることができるかを説明した。パラメータg（ウェイト乗数）を制御することで、単純な固定小数点アトラクタからカオスへの進行でダイナミクスを変調することができます。カオス的活動パターンをニューラルネットワークで生成したら、刺激パターンを適用してネットワークをリミットサイクルアトラクターに固定することができます。このシナリオは、パターン認識と信号分類を実行するための潜在的な方法を提示します。動的システムはそれらのアトラクタにとって複雑な洗面器境界を持つことができるので、この種のアプローチから性能と一般化能力の向上を期待する理由があります。
ニューラルネットワークにおける複数のアトラクタの開発は、重み摂動を伴う付加法によって達成することができる。結果のネットワークでは、初期状態のセットがそれぞれ独自のアトラクターを呼び起こします。パターン分類および連想記憶における計算タスクは、異なる動的アトラクタを呼び起こす異なる初期状態を通して達成することができる。
動的バイナリネットワークでは、アトラクタ盆地の探索とそれらのアトラクション盆地の柔軟性は、アトラクタの容量が静的Hopfieldネットワーク（0.15n）内のメモリ数よりもかなり高いことを示しました。動的バイナリネットワーク内のわずか5つのニューロンで、何千もの盆地クラス - パターンを異なる盆地に分割 - を達成することができます。
特定のアトラクタをニューラルネットワークに訓練するために、時間遅延を伴うニューラルネットワークが閉ループ軌道を生成するように訓練された。訓練されたネットワークは、騒々しい開始条件にもかかわらず、そして異なる初期セグメントを用いてこの軌道を生成する。その結果、通信および制御アプリケーション用の堅牢な信号およびパスジェネレータが得られます。
インパルス列車は、生物学的神経システムに時空間処理の新しい次元を追加します。神経インパルスの時間的パターンおよびニューロンのアンサンブル間の同期は、情報処理および表現のための推定コードである。ニューロンとニューラルアンサンブルの発火活動は、生物学的ニューラルプロセッシングのインパルストレイン構造に重ね合わされたトランジェントとダイナミックアトラクターを反映する可能性があります。
時空間信号の認識および生成の一般的な問題は、動的ニューラルネットワークによって解決可能であるように思われるが、まだ多くの研究が行われていない。動的振動アトラクタに基づいて、自立した活動を生成し訓練する能力は、ここに記載されている予備的結果に示されている。