Кортекс 2: Кортекс 2 — настольная игра (обзор, цена, правила)

Рис. 4. Реакция модельного нейрона на различные преобразования предпочитаемого им стимула.

Ссылки

1. Thorpe, S. Fize, D. & Marlot., C. Скорость обработки в зрительной системе человека. Природа 381 , 520–522 (1996).

   Артикул КАС пабмед Google Scholar

2. Брюс С., Десимоне Р. и Гросс С. Визуальные свойства нейронов в полисенсорной области верхней височной борозды макаки. J. Нейрофизиол. 46 , 369–384 (1981).

   Артикул КАС пабмед Google Scholar

3. Унгерлейдер Л. и Хаксби Дж. «Что» и «где» в человеческом мозгу. Курс. мнение Нейробиол. 4 , 157–165 (1994).

   Артикул КАС пабмед Google Scholar

4. Хьюбел Д. и Визель Т. Рецептивные поля, бинокулярное взаимодействие и функциональная архитектура зрительной коры кошек. J. Physiol. (Лондон.) 160 , 106–154 (1962).

   Артикул КАС Google Scholar

5. Hubel, D. & Wiesel, T. Рецептивные поля и функциональная архитектура в двух неполосатых зрительных областях (18 и 19) кошки. Дж. Нейрофизиол. 28 , 229–289 (1965).

   Артикул КАС пабмед Google Scholar

6. Фукусима, К. Неокогнитрон: Модель самоорганизующейся нейронной сети для механизма распознавания образов, на который не влияет изменение положения. биол. киберн. 36 , 193–202 (1980).

   Артикул КАС пабмед Google Scholar

7. Перретт Д. и Орам М. Нейрофизиология обработки формы. Визир. визуализация. вычисл. 11 , 317–333 (1993).

   Артикул Google Scholar

8. Уоллис Г. и Роллс Э. Модель распознавания инвариантных объектов в зрительной системе. Прогр. Нейробиол. 51 , 167–194 (1997).

   Артикул КАС пабмед Google Scholar

9. Андерсон, К. и ван Эссен, Д. Схемы сдвига: вычислительная стратегия для динамических аспектов визуальной обработки. Проц. Нац. акад. науч. США 84 , 6297–6301 (1987).

   Артикул КАС пабмед ПабМед Центральный Google Scholar

10. Ольсхаузен, Б., Андерсон, К. и ван Эссен, Д. Нейробиологическая модель зрительного внимания и распознавания инвариантных образов, основанная на динамической маршрутизации информации. J. Neurosci. 13 , 4700–4719 (1993).

    Артикул КАС пабмед ПабМед Центральный Google Scholar

11. Салинас, Э. и Эббот, Л. Инвариантные визуальные ответы от полей усиления внимания. Дж. Нейрофизиол. 77 , 3267–3272 (1997).

    Артикул КАС пабмед Google Scholar

12. Riesenhuber, M. & Dayan, P. в Достижения в системах обработки нейронной информации Vol. 9 (ред. Мозер, М., Джордан, М. и Петше, Т.) 17–23 (MIT Press, Кембридж, Массачусетс, 1997).

    Google Scholar

13. Моран, Дж. и Дезимоун, Р. Избирательное внимание блокирует визуальную обработку в экстрастриарной коре. Science 229 , 782–784 (1985).

    Артикул КАС пабмед Google Scholar

14. Коннор К. , Предди Д., Галлант Дж. и ван Эссен Д. Эффекты пространственного внимания в районе макак V4. J. Neurosci. 17 , 3201–3214 (1997).

    Артикул КАС пабмед ПабМед Центральный Google Scholar

15. Поджио Т. и Эдельман С. Сеть, которая учится распознавать трехмерные объекты. Nature 343 , 263–266 (1990).

    Артикул КАС пабмед Google Scholar

16. Бюльтхофф, Х. и Эдельман, С. Психофизическая поддержка теории распознавания объектов с интерполяцией двумерного изображения. Проц. Натл. акад. науч. США 89 , 60–64 (1992).

    Артикул пабмед ПабМед Центральный Google Scholar

17. Логофетис, Н., Паулс, Дж., Бюльтхофф, Х. и Поджио, Т. Репрезентация формы в нижней височной коре головного мозга обезьян. Курс. биол. 4 , 401–414 (1994).

    Артикул КАС пабмед Google Scholar

18. Тарр, М. Вращение объектов для их распознавания: тематическое исследование роли зависимости точки обзора в распознавании трехмерных объектов. Психоном. Бык. Ред. 2 , 55–82 (1995).

    Артикул КАС Google Scholar

19. Бут, М. и Роллс, Э. Инвариантные представления знакомых объектов нейронами в нижней височной зрительной коре. Церебр. Cortex 8 , 510–523 (1998).

    Артикул КАС пабмед Google Scholar

20. Кобатаке Э., Ван Г. и Танака К. Влияние обучения распознаванию формы на селективность нижневисочных клеток у взрослых обезьян. J. Нейрофизиол. 80 , 324–330 (1998).

    Артикул КАС пабмед Google Scholar

21. Логофетис, Н. , Паулс, Дж. и Поджио, Т. Репрезентация формы в нижней височной коре обезьян. Курс. биол. 5 , 552–563 (1995).

    Артикул КАС пабмед Google Scholar

22. Perrett, D. et al. Ориентированное на зрителя и объектное кодирование голов в височной коре макаки. Экспл. Мозг Res. 86 , 159–173 (1991).

    Артикул КАС пабмед Google Scholar

23. Миссал М., Фогельс Р. и Орбан Г. Реакция нижних височных нейронов макаки на перекрывающиеся формы. Церебр. Cortex 7 , 758–767 (1997).

    Артикул КАС пабмед Google Scholar

24. Сато, Т. Взаимодействие зрительных стимулов в рецептивных полях нижних височных нейронов у бодрствующих обезьян. Экспл. Мозг Res. 77 , 23–30 (1989).

    Артикул КАС пабмед Google Scholar

25. Riesenhuber, M. & Poggio, T. в Достижения в системах обработки нейронной информации Vol. 10 (ред. Джордан, М., Кернс, М. и Солла, С.) 215–221 (MIT Press, Кембридж, Массачусетс, 1998).

    Google Scholar

26. Wang, G., Tanifuji, M. & Tanaka, K. Функциональная архитектура нижневисочной коры обезьян, выявленная с помощью оптической визуализации in vivo. Неврологи. Рез. 32 , 33–46 (1998).

    Артикул КАС пабмед Google Scholar

27. Логотетис Н. Предметное зрение и зрительное восприятие. Курс. мнение Нейробиол. 8 , 536–544 (1998).

    Артикул КАС пабмед Google Scholar

28. Riesenhuber, M & Poggio, T. Действительно ли корковые модели связаны «проблемой связывания»? Нейрон 24 , 87–93 (1999).

    Артикул КАС пабмед Google Scholar

29. Rolls, E. & Tovee, M. Ответы одиночных нейронов в височных зрительных областях коры макаки, ​​когда в рецептивном поле присутствует более одного стимула. Экспл. Мозг Res. 103 , 409–420 (1995).

    Артикул КАС пабмед Google Scholar

30. Vogels, R. Категоризация сложных зрительных образов макак-резусов. Часть 2: исследование одной клетки. евро. Дж. Нейроски. 11 , 1239–1255 (1999).

    Артикул КАС пабмед Google Scholar

31. Роули Х., Балуджа С. и Канаде Т. Распознавание лиц на основе нейронной сети. IEEE PAMI 20 , 23–38 (1998).

    Артикул Google Scholar

32. Сунг К. и Поджио Т. Обучение на основе примеров для распознавания человеческого лица на основе просмотра. IEEE PAMI 20 , 39–51 (1998).

    Артикул Google Scholar

33. Кох, К. и Уллман, С. Сдвиг избирательного зрительного внимания: в сторону основной нервной схемы. Гул. Нейробиол. 4 , 219–227 (1985).

    КАС пабмед Google Scholar

34. Эббот Л., Варела Дж., Сен К. и Нельсон С. Синаптическая депрессия и кортикальный контроль усиления. Наука 275 , 220–224 (1997).

    Google Scholar

35. Гроссберг, С. Нелинейные нейронные сети: принципы, механизмы и архитектуры. Нейронная сеть. 1 , 17–61 (1988).

    Артикул Google Scholar

36. Шанс, Ф., Нельсон, С. и Эбботт, Л. Сложные клетки в виде кортикально амплифицированных простых клеток. Нац. Неврологи. 2 , 277–282 (1999).

    Артикул КАС пабмед Google Scholar

37. Дуглас, Р., Кох, К. Маховальд, М., Мартин, К. и Суарес, Х. Периодическое возбуждение в неокортикальных цепях. Наука 269 , 981–985 (1995).

    Артикул КАС пабмед Google Scholar

38. Рейхардт, В., Поджио, Т. и Хаузен, К. Различение фигуры и фона посредством относительного движения зрительной системы мухи – II: к нейронным схемам. биол. киберн. 46 , 1–30 (1983).

    Артикул Google Scholar

39. Lee, D., Itti, L., Koch, C. & Braun, J. Внимание активирует соревнование между визуальными фильтрами, где победитель получает все. Нац. Неврологи. 2 , 375–381 (1999).

    Артикул КАС пабмед Google Scholar

40. Heeger, D. Нормализация клеточных ответов в стриарной коре кошек. Виз. Неврологи. 9 , 181–197 (1992).

    Артикул КАС пабмед Google Scholar

41. Nowlan, S. & Sejnowski, T. Модель выбора для обработки движения в области MT приматов. Дж. Неврологи. 15 , 1195–1214 (1995).

    Артикул КАС пабмед ПабМед Центральный Google Scholar

42. Мамфорд, Д. О вычислительной архитектуре неокортекса. II. Роль кортико-кортикальных петель. биол. киберн. 66 , 241–251 (1992).

    Артикул КАС пабмед Google Scholar

43. Рао, Р. и Баллард, Д. Прогнозирующее кодирование в зрительной коре: функциональная интерпретация некоторых экстраклассических эффектов рецептивного поля. Нац. Неврологи. 2 , 79–87 (1999).

    Артикул КАС пабмед Google Scholar

44. Reynolds, J., Chelazzi, L. & Desimone, R. Конкурентные механизмы привлекают внимание в районах макак V2 и V4. J. Neurosci. 19 , 1736–1753 (1999).

    Артикул КАС пабмед ПабМед Центральный Google Scholar

45. Мел, Б. СИМОРЕ: сочетание цвета, формы и гистограммы текстуры в нейронном подходе к визуальному распознаванию объектов. Нейронные вычисления. 9 , 777–804 (1997).

    Артикул КАС пабмед Google Scholar

46. Кобатаке, Э. и Танака, К. Избирательность нейронов к характеристикам сложных объектов в вентральном зрительном пути коры головного мозга макаки. Дж. Нейрофизиол. 71 , 856–867 (1994).

    Артикул КАС пабмед Google Scholar

47. Фёльдиак, П. Инвариантность обучения на основе последовательностей преобразований. Нейронные вычисления. 3 , 194–200 (1991).

    Артикул пабмед Google Scholar

Ссылки на скачивание

Информация об авторе

Авторы и организации

1. Департамент мозга и когнитивных наук, Центр биологического и вычислительного обучения и Лаборатория искусственного интеллекта, Массачусетский технологический институт, Кембридж, 02142, Массачусетс, США

   Максимилиан Ризенхубер и Томазо Поджио

Авторы

1. Максимилиан Ризенхубер

   Посмотреть публикации автора

   Вы также можете искать этого автора в PubMed Google Scholar

2. Tomaso Poggio

   Просмотр публикаций автора

   Вы также можете искать этого автора в PubMed Google Scholar

Автор, ответственный за корреспонденцию

Томасо Поджо.

Дополнительная информация

В документе показано, что диапазоны инвариантности настроенных на вид клеток в нашей модели хорошо согласуются с количественными экспериментами с использованием стимулов скрепки. Здесь мы кратко описываем предварительные симуляции, которые демонстрируют, что эта производительность не специфична для объектов-скрепок, а скорее также переносится на более естественные классы объектов, содержащие много членов схожей формы, например, класс автомобилей.

Чтобы иметь возможность точно контролировать сходство стимулов, мы использовали программное обеспечение автоматического трехмерного многомерного преобразования, разработанное Кристианом Шелтоном в нашей лаборатории ¹ , которое позволило нам создать большой набор «промежуточных» объектов, созданных путем смешивания характеристики различных объектов-прототипов, охватывающих класс. Это было сделано путем указания того, сколько каждого прототипа должен содержать создаваемый объект, естественным образом определяя векторное пространство над объектами-прототипами. На рис. 1 показаны несколько прототипов автомобилей и промежуточный автомобиль, сгенерированный как случайная комбинация этих прототипов.

(GIF 9,14 КБ)

Система трехмерного преобразования, используемая для исследования распознавания классов объектов реального мира. В показанном примере разные прототипы автомобилей были объединены для создания трансформированного автомобиля (вверху).

Описанная в статье модель клеток, настроенных на представление, в которой каждый нейрон был жестко настроен на представление одного объекта, может быть расширена на классы объектов с континуумом элементов прямым способом, поскольку модельные нейроны уже демонстрируют настройку в пространстве формы — группа нейронов, каждый из которых в целом настроен на своего представителя, может, таким образом, кодировать личность случайно представленного члена класса посредством распределенного паттерна активации.

В предварительном моделировании мы исследовали распознавание представления (в парадигме 2AFC) на основе десяти VTU, настроенных на случайно выбранные автомобили, при этом остальная часть сети, то есть от уровня S1 до уровня C2, точно идентична ‘ многофункциональная версия нашей модели, описанная в статье. В каждом испытании образец стимула представлял собой стандартный вид (225°, см. рис. 1) объекта, выбранного из линии, соединяющей прототип, в пространстве морфинга. Стимул на совпадение показывал тот же объект с повернутой точки зрения, тогда как стимул-дистрактор показывал объект, выбранный на разном расстоянии от той же линии, соединяющей прототип, в пространстве морфинга, с той же точки зрения, что и совпадающий объект. Утверждалось, что сеть правильно распознает повернутый вид объекта выборки, если шаблон активности над единицами, настроенными на просмотр, вызванный объектом сопоставления, был более похож (по евклидовой метрике) на шаблон активности, связанный с объектом выборки, чем активность. паттерн, связанный с объектом-дистрактором.

На рис. 2 показана эффективность распознавания модели в зависимости от сходства дистракторов и различия точки зрения с образцом точки зрения, демонстрируя две точки. Во-первых, скорость распознавания падает с увеличением поворота образца представления совпадающих/несоответствующих объектов. Во-вторых, правильные кривые узнавания сужаются по мере увеличения сходства дистракторов с совпадающим объектом. (Оба этих пункта кажутся качественно надежными для различного выбора числа нейронов, участвующих в групповом представлении, и широты настройки VTU.)

Обратите внимание, что диапазоны инвариантности для класса автомобильных стимулов сравнимы с результатами, полученными для стимулов в виде скрепки в психофизике и моделировании ^2-4 , демонстрируя универсальность модели для различных классов объектов и представлений.

(GIF 25,6 КБ)