21.06.2015 Views

I

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Figuur 4.2 Vorming van een representatie<br />

in een netwerk. Alle<br />

typen verbindingen die in een<br />

netwerk kunnen voorkomen zijn<br />

weergegeven: parallelle, convergerende,<br />

divergerende, opstijgende<br />

en terugkerende (feedback)<br />

verbindingen. Actieve verbindingen<br />

en neuronen zijn in zwart, niet<br />

actieve verbindingen en neuronen<br />

in wit weergegeven. Situatie A:<br />

Activering van een netwerk via<br />

twee inputkanalen (onderzijde).<br />

Situatie B: Na stimulatie blijven<br />

alleen de synaptische verbindingen actief. Situatie C: Input van slechts één kanaal is voldoende om het grootste<br />

deel van dit passieve of sluimerende netwerk weer te activeren. Naar: Fuster (1995).<br />

Hierdoor ontstaat snel een 'tekort aan cellen': het menselijke brein bevat domweg onvoldoende<br />

zenuwcellen, om de miljarden specifieke indrukken die een mens tijdens zijn leven opdoet,<br />

te kunnen opslaan. Verspreide opslag van informatie wordt daarom, neuraal gezien, meer<br />

plausibel geacht dan lokale opslag: informatie wordt niet in een enkele cel, maar in een netwerk<br />

van cellen opgeslagen. Figuur 4.2 geeft op eenvoudige wijze weer hoe de vorming van<br />

zo'n verspreid netwerk tot stand komt: input vanuit lagere niveaus van een netwerk convergeert<br />

in 'knopen' op een hoger niveau. Op de hogere niveaus is echter ook sprake van divergentie<br />

van dezelfde input. Nadat stimulatie heeft plaatsgevonden (patroon A), is er sprake van<br />

een versterkte synaptische activiteit die de latent aanwezige (of passieve) geheugenrepresentatie<br />

voorstelt (patroon B). Op grond van deze versterkte synaptische werking kan bij een later<br />

optredende partiële input, een groot deel van de representatie weer opnieuw worden geactiveerd<br />

(patroon C).<br />

Andere aanduidingen van het netwerkprincipe zijn vectorcodering of verspreide opslag. Het<br />

gezicht van grootmoeder is niet in een enkele cel opgeslagen, maar in een vector of een<br />

reeks van cellen. De activatietoestand van elke cel kan daarbij in een getal worden uitgedrukt.<br />

Het grote voordeel van vectorcodering is dat in een beperkt aantal cellen een groot aantal<br />

verschillende representaties kunnen worden opgeslagen. Verschillende combinaties van cellen<br />

en verschillende configuraties van gewichten (dat wil zeggen de sterkte van synaptische<br />

verbindingen tussen de cellen) produceren immers steeds nieuwe representaties. Het probleem<br />

van 'cellengebrek' dat bij lokale codering optreedt, wordt hiermee dus grotendeels<br />

vermeden. Het is dus veel aantrekkelijker om representaties te beschouwen als eigenschappen<br />

van netwerken van in het brein verspreide neuronen, dan als de eigenschap van een<br />

enkele cel.<br />

94

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!