Электронный научный журнал
Современные проблемы науки и образования
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 0,931

МОДЕЛЬ РАБОТЫ СИСТЕМЫ ПАМЯТИ ПРИ ИЗМЕНЕНИИ ВЕСА ИНФОРМАЦИИ

Лаврова Н.М., Рудинский А.В., Лавров В.В.
Впервые представлена модель, отражающая совмещение регулятора и регистратора в едином блоке, осуществляющем запись фрагмента информации в мозговой памяти. Весовые параметры фрагмента определяются его значением для принятия решения в поведенческой ситуации. Чем больше вес фрагмента, тем больше объем памяти отводится для его регистрации и тем легче он считывается. Модель объясняет формирование рабочей памяти, природу ассоциаций и позволяет понять причину быстрого стирания в памяти бесполезной информации. Предполагается, что модель найдет свое применение в построении компьютера, воспроизводящего работу мозга. Ключевые слова: память, дискретность информации, ассоциации, весовые параметры информации, математическое моделирование

Вопрос о том, как происходит управление механизмами перехода информации, хранящейся в памяти, из одной категории (эпизодической, кратковременной, долговременной и рабочей памяти) в другую, составляет основополагающую проблему изучения памяти и целостной работы нейронных сетей. Важность вопроса обусловлена не только тем, что он касается прочности памяти и степени ее доступности для считывания, но и тем, что затрагивается проблема формирование ассоциаций и целостных образов из информационных фрагментов, записанных в разных структурах нейронной сети. Необходимо найти объяснение с помощью универсальной модели, применимой для понимания разнородности памяти и построенной с учетом принципа гетерогенности нейронных сетей, предусматривающего системное распределение функций между элементами нейронных сетей, структурированных по функциональным единицам. Имеется в виду, что нейросетевой модуль, центральным элементом которого выступает интегрирующий нейрон («интеллектуальный» нейрон, для роли которого, например, подходит большой пирамидный), участвует в различных фунциональных системах [1]. Интегрирующий нейрон, обладающий эффекторным выходом, несет в себе комплексы фрагментов памяти, значимость которой меняется по мере участия в разных поведенческих актах. Понятно, что в таких условиях необходима целесообразная селекция, поскольку фрагменты информации, важные в одном случае, могут иметь нулевой вес в другом случае, когда выполняется другой акт. Здесь идет речь не о так называемых «энергетических» явлениях, обусловленных переходом от возбужденного к заторможенному состоянию и обратно, а именно о памяти, потому что участие в разных поведенческих актах может происходить в равном функциональном состоянии. Необходимость регуляции веса информационных фрагментов становится очевидной еще и потому, что «пересортировка» памяти сопряжена с постоянным поступлением информации, неизбежно переполняющей ресурсы памяти. То есть, необходимо иметь регулятор стирания памяти и восстановления следов памяти в соответствии с поведенческой ситуацией. Функция регистратора и регулятора регистрации предполагают наличие двух взаимодействующих нервных элементов. Исследования [4-6] подтверждают предположение о совмещении двух элементов в едином функциональном блоке и впервые высказываемого представления о том, что гетерогенная нейронная структура обеспечивает запись фрагментов информации в соответствии с их весом, который определяется значением фрагмента для принятия решения при интеграции фрагментов.

Цель данной работы заключалась в моделировании процесса управления памятью в гетерогенной нейронной сети с учетом изменения весовых параметров зарегистрированных фрагментов информации.

Сперва обратили внимание не гетерогенность нейронных популяций, исходя из представлений [2-6], что функциональной единицей мозга является нейронный модуль, состоящий из популяции неоднородных (дифференцированных по своей функциональной роли) нервных клеток. Примером такого модуля служит большой пирамидный нейрон (БПН) с группой сервисных нейронов. БПН обладает следующими свойствами, указывающими на ведущее положение в модуле: имеет наибольшую разветвленность дендритов, ответственных за восприятие информации; апикальный дендрит БПН проходит через весь поперечник коры, что позволяет собирать информацию от нейронов всех слоев; БПН имеет максимальный набор функциональных блоков, в том числе – аксошипиковый аппарат и запрещающие синапсы на аксонном холмике.

Затем сконцентрировали внимание на принципе целесообразной фрагментации сенсорной информации [5]. Имеется в виду, что нейронная сеть не просто воспринимает потоки информации от рецепторов, а вначале создает запрос, после чего фильтрует входные потоки информации, отбирая и фрагментируя в соответствии с запросом. Отмеченный принцип базируется на результатах исследований, касающихся принятия решения при опознании зрительных образов под регулирующим влиянием неспецифических нервных образований [5, 7-9].

На основном этапе работы приступили к моделированию процессов управления памятью в соответствии с весом информации, исходя из представления, что объем памяти, отводимой для записи каждого фрагмента, регулируется в соответствии с его весом. Объем памяти может сокращаться вплоть до того уровня, когда волевым усилием становится невозможно сознательно воспроизвести информацию. В момент забывания, информация попадает в разряд подпороговой, но при этом полностью не уничтожается. Восстановление и увеличение объема фрагментов, происходит при повторении событий, а экстренное воспроизведение подпороговых информационных фрагментов обеспечивается напряжением регулятора в условиях эмоционального стресса. Переходя к алгоритмическому выражению модели памяти, учитывали динамичность памяти в процессе принятия решения. Представим принятие решения как процесс объединения наличного количества фрагментов.

,                                                                      (1)

где пределы у символа объединения относятся к индексу фрагмента (inf) – n. Примем в качестве одного из условий свойство постоянства фрагмента во времени и рассмотрим величину Azn как абсолютно правильное решение. Тогда текущий уровень обработки данных можно представить как:

,                                              (2)

где  - вес фрагмента с номером n на данный момент времени.

Отметим, что , причем значение  свидетельствует о том, что в момент времени t нет данных о значимости фрагмента . Как только будут получены данные для этого , его вес станет .

Формула (2) отражает тот факт, что весовые коэффициенты обусловлены оценкой, производимой с учетом значимости для принятия решения. Очевидно, что в процессе принятия решения доступная информация не просто фильтруется – производится целенаправленный отбор и «взвешивание». Чем больше значимость, тем более она детализируется, тем больше ее вес.

Итак, оценка весов фрагментов информации и установление корреляционных отношений с предыдущими оценками, которые зафиксированы в памяти, служит базисным моментом в процессе принятия решения и одновременно создает субстрат ассоциаций. Принятие решения можно представить в виде дискретного процесса весовой оценки фрагментов (с номером i), характеризующих состояние объекта 
(c номером j) в виде следующей записи:

                                           (3)

Формула (3) отражает тот факт, что в ходе принятия решения взвешенно отбираются фрагменты, которые свидетельствуют о ситуации. Понятно, что при обновлении ситуации не экономно сохранять в памяти прежние весовые значения и выделять большой объем памяти для поддержания на высоком уровне информации, потерявшей актуальность. Исследователи не дают ответа на вопрос, как обеспечивается динамика памяти из разряда актуальной в неактуальную и обратно в соответствии с требованиями ситуации. Предполагается, что память просто стирается под влиянием времени, в то время как следует предусмотреть целесообразное управление памятью и дифференцированный сдвиг весовых параметров вследствие изменения ситуации. При выполнении решения в момент времени  запускается процесс обновления памяти. Процесс забывания (уменьшения веса и размеров фрагментов, хранящихся в памяти) может протекать пассивно вследствие изменения структур памяти под влиянием времени, или активно под контролем регулятора.

В соответствии с первым правилом Иоста (цитировано по [3]) и формулой (3) определим процесс забывания информации как:

                                (4)

где:  - время забывания;  - постоянная дисконтирования.

Из формулы (4) следует, что информация, находясь в памяти, может изменяться, но не исчезает, поскольку экспоненциальная функция не достигает нулевого значения. Соответственно, процесс забывания, сопровождающийся постепенным уменьшением объема и весов фрагментов, хранящихся в памяти, выражается в уменьшении суммарной оценки веса объекта в памяти, вследствие чего память переходит в подпороговую область. Такой переход не означает, что фрагмент памяти осуществляет «дрейф» по структурам, служащим субстратом памяти. Переход из одной категории памяти в другую обусловлен изменением состояния фрагмента. По всей видимости, порог забывания определяется потерей надежного контроля за извлечением информации из памяти. В некоторых экстренных поведенческих ситуациях информация из подпороговой памяти может стать высоко актуальной. Считывание такой информации в мозге обеспечивается интуицией и стрессом, когда мобилизуется ресурс регуляторных систем мозга. По всей видимости, эволюция целесообразно формировала механизм памяти, с одной стороны, следуя принципу экономии, допускала «забывание», а с другой - сохраняла полезную информацию в подпороговой области. Отмеченные особенности работы памяти в мозге служат ориентиром для будущей конструкции такого запоминающего устройства, которое будет воспроизводить алгоритмы принятия решения мозгом.

Важно отметить принципиальный момент, отражаемый в модели – обучение и накопление памяти начинается не с «чистого листа», а представляет собой дополнение к той, которая задана наследственно. Именно наследственная информация составляет основную программу поведения живого организма и предоставляет базисную символику памяти, которая служит стабилизированным «языком» записи фрагментов информации в те ячейки, которые существуют в нейронах.

Предположение, что в мозге, подобно ЭВМ, имеются специализированные структурные блоки памяти, не было подтверждено нейрофизиологическими исследованиями. Поэтому следует полагать, что разнородность памяти обусловлена не обособленностью мнестических структур, а различием доступности считывания. Используя критерий весовых параметров, можно выделить ряд уровней состояния памяти. Первый уровень - рабочая (оперативная) память, воспроизводится без усилий регулятора, фрагменты имеют высокий вес и увеличенные размеры со средней весовой величиной – hnm. Второй уровень памяти, воспроизводится под контролем регулятора без напряжения, фрагменты имеют средние весовые параметры – hmp. Третий уровень памяти, фрагменты со средним весом – hpa, считывание («воспоминание») достигается после напряжения регулятора, требуется время для обнаружения требуемого фрагмента памяти и воспроизведения.

Приступая к моделированию памяти, невозможно обойти проблему консолидации фрагментов, зафиксированных в пространственно-временном континууме мозга. Такая консолидация в рамках целостного образа, по-видимому, обусловлена наличием функциональных контактов (ассоциативностью) фрагментов. Понятно, что ассоциативность обеспечивается связями между структурами, содержащими запись информации. Но связи являются субстратом и не дают представления об организации процессов консолидации. Коммутационная концепция, объясняющая обучение и возникновение ассоциаций только за счет формирования (или трансформации) контактов между нейронными структурами, уступает место теории, основанной на системно-информационном подходе. Поскольку один и тот же фрагмент памяти может входить в состав разных образов, то такой фрагмент, с одной стороны, функционально связан с этими образами, а с другой стороны, устанавливает ассоциацию образов, в состав которых входит. Можно полагать, что чем выше вес такого фрагмента, общего для образов, тем прочнее ассоциация образов. Соответственно, субстратом ассоциативной памяти служит не просто комплекс контактов нейронов, а система тех фрагментов, которые входят в состав ряда образов. Ассоциативные области мозга, как и специфические анализаторные, насыщены неспецифическими регуляторными элементами, что указывает на их важную роль в процессах консолидации фрагментированной информации.

Таким образом, предложена принципиально новая модель системы памяти, в основе функциональной организации которой лежит принцип весового различия регистрируемой информации. Модель, учитывающая дискретность информации и ее избирательность, объясняет совмещение регистраторов фрагментов и регуляторов в едином блоке. Нейробионическая модель, призванная воспроизвести работу реальных нервных сетей, раскрывает природу следующих особенностей мозговой памяти:

1.  Долговременность и прочность памяти обеспечивается увеличением объема фрагментов памяти в тех структурах, которые ответственны за мнестическую функцию.

2.  Оперативность рабочей памяти обусловлена легким доступом к тем фрагментам, которые отличаются высоким весом и увеличенными размерами фрагментов памяти.

3.  Консолидация фрагментов памяти в процессе принятия решения происходит под контролем регуляторов, которые ответственны за целостность взаимодействия и ассоциативность образов.

4.  Эпизодическая память, как предполагается, формируется информацией, которая селектируется не по весу отдельных фрагментов, а по комплексам информационных потоков. Особенность эпизодической памяти заключается в том, что она обеспечивает информацией аппарат мозга, ответственный за передвижение в пространстве и за построение триединой модели (модели внешнего мира, собственного тела и модели пространственного взаимодействия двух предыдущих), для чего используются широкомасштабные мультимодальные потоки информации.

СПИСОК ЛИТЕРАТУРЫ

1.  Анохин П.К. Очерки по физиологии функциональных систем.- М.: Медицина. 1985. 444 с.

2.  Вальцев В.Б., Лавров В.В., Рудинский А.В. Модель отношений неоднородных нейронов в процессе адаптации нейросетей к изменению ситуации // "Нейрокомпьютеры и их применение", VIIВсероссийская научно-техническая конференция, ИПУ, Москва, 2002 г., ISBN5-201-14-935-9.

3.  Ермоленко А.С., Рудинский А.В., Сиек Ю.Л. О применении гетерогенных нейронных сетей при построении классификаторов морских объектов// В сб.: "Нейроинформатика и ее приложения". Красноярск: . 2002 г. С. 23-25.

4.  Лавров В.В. Мозг и психика. СПб. 1996, 156 с.

5.  Лавров В.В., Вальцев В.Б. Целесообразное фрагментирование информации на входе в мозг//Информационные технологии. 2006, № 2. C. 22-29.

6.  Лавров В.В., Рудинский А.В. Организация целостной деятельности микро- и макросистемных нервных образований и гетерогенные нервные сети // В сб.: «Нейроинформатика-2003». Т.1, Москва. 2003. С.19-23.

7.  Brewer J. B., Zhao Z. Making memories: Brain activity that predicts how well visual experience will be remembered// Science1998, V 281, N 5380, P. 1185-1187.

8.  Hoffman K.L., McNaughton B.L. Sleep on it: cortical reorganization after-the-fact// Trends in Neurosci.2002, V 251. Р. 1-2.

9.  Iba M., Sawaguchi T. Neuronal activity representing visuospatial mnemonic processes associated with target selection in the monkey dorsolateral prefrontal cortex// Neuroscience Research2002, V 43, N1. P.9-22.


Библиографическая ссылка

Лаврова Н.М., Рудинский А.В., Лавров В.В. МОДЕЛЬ РАБОТЫ СИСТЕМЫ ПАМЯТИ ПРИ ИЗМЕНЕНИИ ВЕСА ИНФОРМАЦИИ // Современные проблемы науки и образования. – 2010. – № 1.;
URL: http://science-education.ru/ru/article/view?id=1285 (дата обращения: 26.09.2020).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074