Спайковые модели динамики и обучения локальных сетей нейронов мозга

Диссертация посвящена исследованию биофизических спайковых моделей нейронных сетей и разработке на их основе новых подходов к созданию самообучающихся нейроморфных систем и нейроинтерфейсных технологий. Предложенная спайковая многокомпонентная модель нейронной сети в зависимости от параметров и топологической конфигурации обеспечивает моделирование: (а) сети нейронов мозга, выращиваемых в искусственных условиях; (б) сети клеток места со свойствами когнитивных карт; (в) самоорганизующейся нейронной карты, работающей в контуре нейромышечного интерфейса; (г) сети с ассоциативным обучением по типу условного рефлекса и оперантного обучения. Исследованы свойства глобальной сетевой памяти, основанной на синаптической пластичности. Предложены модели нейрональных когнитивных карт. На базе искусственных нейронных сетей различной степени биологической релевантности, в том числе и на спайковых, разработаны нейромушечные интерфейсы, работа которых продемонстрирована в контуре управления различными устройствами: персональным компьютером, роботами, экзоскелетонными комплексами, прототипом нейроуправляемого автомобиля. Исследовано ассоциативное обучение. С помощью самообучающегося робота-нейроанимата продемонстрирована модель условного рефлекса и оперантного обучения. Сформулированы основные принципы ассоциативного обучения в спайковой нейронной сети: (1) наличие Хеббовского правила обучения, (2) конкуренция нейронных входов на основе правила кратчайшего пути либо синаптического забывания, и (3) нейронная конкуренция или конкуренция нейронных выходов на основе латерального торможения.