4.3.2. Neuronal model of MHOur mode

4.3.2. Neuronal model of MH

Our model of MH is based on the ‘predictive coding’ theory of brain function (Bastos et al., 2012, Kumar et al., 2011 and Rao and Ballard, 1999).



In this framework, each level of the cortical hierarchy tries to predict the representation of sensory objects in the level below by sending top-down predictions.



Aspects of the representation that are inconsistent with the prediction (the prediction error) are then passed back to the higher level.



Prediction errors are then used to update the representations at the higher level.



In this framework, all bottom-up (ascending) connections communicate prediction error, and top-down (descending) connections convey predictions.


This message passing changes hierarchical representations such that prediction error is minimized at all levels.



In this regard, the predictive coding framework is Bayes-optimal from the perceptual inference perspective ( Friston, 2010).

ผลลัพธ์ (ไทย) 1:

4.3.2. ประสาทรุ่น MHของเรารุ่น MH ตามทฤษฎี 'การเขียนโค้ดเชิงทำนาย' การทำงานของสมอง (Bastos et al. 2012, Kumar et al. 2011 และ Rao และบัล ลาร์ด 1999) ในกรอบนี้ แต่ละระดับของลำดับชั้นในคอร์เทกซ์พยายามคาดการแสดงของวัตถุทางประสาทสัมผัสในระดับล่าง โดยการคาดคะเนบนลงส่ง ลักษณะของการแสดงที่ไม่สอดคล้องกัน ด้วยการคาดเดา (คาดคะเนผิดพลาด) จะถูกส่งผ่านจากนั้นกลับไปยังระดับที่สูงขึ้น ข้อผิดพลาดในการทำนายแล้วใช้การปรับปรุงแทนในระดับที่สูงขึ้น ในกรอบนี้ ทำนายผิดพลาดการสื่อสารเชื่อมต่อล่างขึ้น (มาก) ทั้งหมด และการเชื่อมต่อ (เรียง) บนลงสื่อคาดคะเน ข้อความนี้ผ่านการเปลี่ยนแปลงแทนตามลำดับชั้นเช่นที่ทำนายผิดพลาดจะลดลงในทุกระดับ ในเรื่องนี้ กรอบการเขียนโค้ดเชิงทำนาย Bayes เหมาะสมจากมุมมองรับรู้สรุป (Friston, 2010)

ผลลัพธ์ (ไทย) 3:

4.3.2 . แบบจำลองของเซลล์ประสาทของ MHแบบจำลองของ MH จะขึ้นอยู่กับ ' ทำนายนะครับ ทฤษฎีสมอง ( Bastos et al . , 2012 Kumar et al . , 2011 และ เรา และ บัลลาร์ด , 1999 )ในกรอบนี้ ระดับของลำดับชั้นเปลือกแต่ละคนพยายามที่จะทำนายการเป็นตัวแทนของวัตถุทางประสาทสัมผัสในระดับล่าง โดยส่งคำทำนายบนลงล่างลักษณะของการแสดงที่สอดคล้องกับพยากรณ์ ( พยากรณ์ผิดพลาด ) แล้วส่งกลับไปยังระดับที่สูงขึ้นข้อผิดพลาดการทำนายจะใช้เพื่อปรับปรุงตัวแทนในระดับที่สูงขึ้นในกรอบนี้ ทั้งหมดจากล่างขึ้นบน ( Ascending ) การเชื่อมต่อสื่อสารผิดพลาด การทำนาย และจากบนลงล่าง ( น้อย ) การเชื่อมต่อสื่อคาดคะเนข้อความนี้ผ่านการเปลี่ยนแปลงลำดับชั้นเป็นตัวแทนเช่นข้อผิดพลาดการทำนายน้อยที่สุดในทุกระดับทั้งนี้ การทำนายการเข้ารหัสกรอบ Bayes ที่ดีที่สุดจากมุมมองการรับรู้ ( friston , 2010 )