Математическая теория выдвинута французскими исследователями

Теория обучения живых организмов при обработке сенсорной информации, основанная на рекуррентных нейросетях, представлена французскими учеными. Она, по мнению специалистов, расширяет классическую теорию обучения до случая пространственных корреляций. Об этом говорится  в научной статье, опубликованной в журнале Physical Review Letters.

Процесс кодировки и обработки сенсорной информации нейронами в мозге — одна из самых интересных тем в вычислительной нейробиологии.

Во многих областях мозга активность нейронов сильно зависит от некоторого сенсорного параметра. Так, активность нейронов места зависит от ориентации головы и положения животного в пространстве.

Для моделирования своей сети ученые предположили, что каждый нейрон случайно расположен на многомерном торе, который представляет собой окружающую среду, способную влиять на нейроны. Для каждой точки на торе модель извлекает паттерн активности нейронов, таким образом создавая выборку.

Ученые из Франции построили теорию оптимального создания и хранения отображений из пространственных параметров в бинарные параметры активности нейронов. Для обучения своей модели исследователи предложили использовать метод опорных векторов и показали стабильность такого процесса обучения.