Diplomarbeit Der Vergleich von plastischen Synapsen gegenüber ...

3. PULSCODIERTE NEURONALE NETZE
Durch die Verwendung von pulscodierten Neuronalen Netzen erwartet man eine
Verringerung der Netzaktivität durch selten auftretende Impulse zwischen den Neuronen.
Diesen Vorteil erkauft man sich durch ein komplexes Neuronenmodell. Gegenüber
herkömmlichen Neuronalen Netzwerken wird bei der Erstellung von biologienahen
Neuronalen Netzen auf folgende Punkte geachtet:
• pulskodierte Darstellung der Ein- und Ausgangssignale des Neurons;
• ein Puls ist relativ kurz und tritt selten auf;
• innerhalb des Neurons werden die einzelnen internen Zustände gespeichert, aus den
internen Zuständen wird das Membranpotential gebildet;
• eine Ausgangsfunktion bestimmt in Abhängigkeit des Membranpotential und des
Schwellwertes ob das Neuron einen Impuls aussendet.
Bei Untersuchungen an Gehirnen von Katzen und Affen wurde festgestellt, daß ein
visueller Reiz bereits viele Neuronen in verschiedenen Bereichen des Gehirns aktiviert.
Die Neuronen in den ersten Ebenen der Bildverarbeitung im Gehirn müssen mit den Bereichen
des Gehirns kommunizieren, die für die Objekterkennung bzw. -trennung von
Objekten vom Hintergrund zuständig sind. Die Abhängigkeit der Aktivität der verschiedenen
Bereiche wurde als grundlegendes Merkmal der Bildbearbeitung im Gehirn angenommen.
Die Arbeitsgruppe von Prof. Reinhard Eckhorn an der Philipps Universität
in Marburg, hat durch Experimente den Nachweis für diese Annahme erbracht[6]. Die
Experimente zeigten ebenfalls, daß die abhängige Aktivität einzelner Bereiche die
grundlegende Eigenschaft ist, Bildmerkmale zu erkennen. Die Aktivität der zusammengehörenden
Bereiche eines Bildmerkmals wurde durch gleichzeitiges Feuern dieser
Neuronen dargestellt. Neuronen, die an der Bearbeitung oder Erkennung eines Objektes
beteiligt sind, feuern synchron. Die Synchronität wurde in Neuronalen Netzen als
grundlegender Mechanismus, zur Texterkennung, Bildsegmentierung oder Mustererkennung
verwendet. Aus diesen Erkenntnissen wurde ein neues Modell zur Beschreibung
der neuronalen Aktivität entworfen.
3.1 DAS MARBURGER NEURONEN MODELL
Das Marburger Modell bildet ein sehr biologienahes Neuronales Netzwerk. Es verwendet
Neuronen mit mehreren Dendriten, wobei die Dendriten unterschiedliche Aufgaben
haben. Die Synapsen werden hier zum Dendriten gehörend angesehen und stellen
nicht, wie bei einem biologischen Neuron, das Ende des Axons dar. Ein Reiz des vorhergehenden
Neurons wird durch einen Faktor in eine Potentialänderung innerhalb des
Dendriten umgewandelt. Diese Potentialänderung klingt mit der Zeit unter Verwendung
eines verlustbehafteten Integrators ab. Der Hauptreiz wird auf dem Feedingdendriten
empfangen. Der Einfluß des dort entstehenden Potentials kann durch das Potential des
Linkingdendriten verstärkt werden, aber ein ausschließlicher Reiz auf dem Linkingdendriten
kann das Neuron nicht zum Feuern bewegen. Das Potential des Feedingdendriten
wird mit eins und dem Potential des Linkingdendriten multipliziert. Der Einfluß weiterer
Dendriten kann anschließend additiv erfaßt werden. Negativ wirkende Impulse, die
hemmend auf das Membranpotential Einfluß nehmen, werden auf dem inhibitorisch
wirkenden Dendriten zusammengefaßt. Die Summe aller Dendritpotentiale bildet das
Membranpotential. Ein Vergleich des Schwellwertes mit dem Membranpotential bringt
die Entscheidung ob das Neuron feuert oder nicht. Das Membranpotential übersteigt
SpinnSoftSim 12