प्रीफ्रंटल कॉर्टेक्स बेसल गैन्ग्लिया वर्किंग मेमोरी: Difference between revisions
| Line 44: | Line 44: | ||
====एसएनआरथल==== | ====एसएनआरथल==== | ||
एसएनआरथल [[काला पदार्थ|सबटांतिए निग्रा]] [[पार्स रेटिकुलाटा]] (एसएनआर) और [[ चेतक |थैलेमस]] के संबंधित क्षेत्र का प्रतिनिधित्व करता है, जो किसी दिए गए स्ट्राइप के अंदर गो/नोगो इकाइयों के बीच प्रतिस्पर्धा उत्त्पन करता है और k-विनर टेक आल (कंप्यूटिंग) क्रियाशीलता का उपयोग करके प्रतिस्पर्धा में मध्यस्थता करता है। यदि किसी दिए गए स्ट्राइप में अधिक समग्र गो क्रियाविधि है, तो संबंधित एसएनआरथल इकाई सक्रिय हो जाती है, और यह पीएफसी में अपडेट को संचालित करती है। प्रत्येक स्ट्राइप के लिए, एसएनआरथल में एक इकाई होती है।{{fact|date=September 2015}} | |||
====वीटीए और एसएनसी==== | ====वीटीए और एसएनसी==== | ||
Revision as of 11:06, 12 July 2023
पेरफरेंटल कोर्टेक्स बेसल गैन्ग्लिया क्रियाशील मेमोरी (पीबीडब्लूएम) कलन विधि है जो प्रीफ्रंटल कॉर्टेक्स और बेसल गैन्ग्लिया में कंप्यूटर सिमुलेशन क्रियाशील मेमोरी है।[1]
कार्यक्षमता में इसकी तुलना दीर्घकालिक अल्पकालिक मेमोरी (एलएसटीएम) से की जा सकती है, लेकिन यह जैविक रूप से अधिक व्याख्या के योग्य है।[1][2]
यह प्रीफ्रंटल कॉर्टेक्स और बेसल गैन्ग्लिया के जीव विज्ञान के आधार पर प्रीफ्रंटल कॉर्टेक्स क्रियाशील-मेमोरी अपडेटिंग सिस्टम को प्रशिक्षित करने के लिए पीवीएलवी मॉडल का उपयोग करता है।[3]
इसका उपयोग लीब्रा फ्रेमवर्क के भाग के रूप में किया जाता है और इसे 2019 में इमर्जेंट (सॉफ्टवेयर) में क्रियान्वित किया गया था।
सार
लंबे समय से यह माना जाता रहा है कि प्रीफ्रंटल कॉर्टेक्स कार्यशील मेमोरी (प्रसंस्करण के लिए ऑनलाइन सुचना रखना) और "कार्यकारी" फंक्शन (कार्यशील मेमोरी में परिवर्तन करने और प्रसंस्करण करने की विधि तय करना) दोनों का समर्थन करता है। यद्यपि की, कार्यशील मेमोरी के कई कम्प्यूटेशनल मॉडल विकसित किए गए हैं, कार्यकारी फ़ंक्शन का यंत्रवत आधार गुप्त बना हुआ है।
पीबीडब्ल्यूएम, कार्य-उपयुक्त प्रकार से स्वयं को और मेमोरी के अन्य क्षेत्रों को नियंत्रित करने के लिए प्रीफ्रंटल कॉर्टेक्स का कम्प्यूटेशनल मॉडल है। ये अधिगम क्रियाविधि मिडब्रेन, बेसल गैन्ग्लिया और एमिग्डाला में सबकोर्टिकल संरचनाओं पर आधारित हैं, जो एक साथ एक कर्त्ता/आलोचक वास्तुकला का निर्माण करते हैं। आलोचक प्रणाली सीखती है कि कौन से प्रीफ्रंटल प्रतिनिधित्व कार्य-प्रासंगिक हैं और कर्त्ता को प्रशिक्षित करते हैं, जो बदले में कार्यशील मेमोरी अपडेट को नियंत्रित करने के लिए क्रियाशील गेटिंग तंत्र प्रदान करता है। कम्प्यूटेशनल रूप से, अधिगम क्रियाविधि को अस्थायी और संरचनात्मक क्रेडिट असाइनमेंट समस्याओं को एक- साथ हल करने के लिए निर्मित किया गया है।
मॉडल का प्रदर्शन चुनौतीपूर्ण 1-2-एएक्स कार्यशील मेमोरी कार्य और अन्य बेंचमार्क कार्यशील मेमोरी कार्यों पर मानक बैकप्रॉपैगेशन-आधारित टेम्पोरल लर्निंग तंत्र के साथ अनुकूल रूप से तुलना करता है।[1][third-party source needed]
मॉडल
सबसे पहले, प्रीफ्रंटल कॉर्टेक्स और स्ट्रिएटम परतों में कई अलग-अलग स्ट्राइप्स (इकाइयों के समूह) होती हैं। प्रत्येक स्ट्राइप को स्वतंत्र रूप से अपडेट किया जा सकता है, जैसे कि यह सिस्टम एक ही समय में, प्रत्येक मेमोरी को अपडेट और बनाए रखने के लिए अलग अपडेटिंग नीति के साथ कई अलग-अलग कार्यो को कर सकता है। मेमोरी का सक्रिय अनुरक्षण प्रीफ्रंटल कॉर्टेक्स (पीएफसी) में होता है, और अद्यतन संकेत (और अधिक सामान्यतः अद्यतन नीति) स्ट्रिएटम इकाइयों (बेसल गैन्ग्लिया इकाइयों के उपसमूह) से आते हैं।[3]
पीवीएलवी बेसल गैन्ग्लिया में क्रियाशील गेटिंग प्रणाली को प्रशिक्षित करने के लिए सुदृढीकरण अभिगम के संकेत प्रदान करता है।
सेंसरी इनपुट और मोटर आउटपुट
सेंसरी इनपुट पोस्टीरियर कोर्टेक्स से जुड़ा होता है जो मोटर आउटपुट से जुड़ा होता है। सेंसरी इनपुट पीवीएलवी प्रणाली से भी जुड़ा हुआ होता है।
पोस्टीरियर कोर्टेक्स
पोस्टीरियर कोर्टेक्स इनपुट/आउटपुट मैपिंग की अदृस्य परतों का निर्माण करता है। इस इनपुट/आउटपुट मैपिंग को प्रासंगिक बनाने के लिए पीएफसी पोस्टीरियर कॉर्टेक्स से जुड़ा हुआ है।
पीएफसी
पीएफसी (आउटपुट गेटिंग के लिए) में प्रत्येक स्ट्राइप्स के लिए इनपुट इकाइयों का एक-से-एक स्ट्राइप्स स्थानीय अभ्यावेदन होता है। इस प्रकार, आप इन पीएफसी अभ्यावेदनों को देख सकते हैं और सीधे देख सकते हैं कि नेटवर्क क्या बनाए रख रहा है। पीएफसी कार्य करने के लिए आवश्यक क्रियाशील मेमोरी को बनाए रखता है।
स्ट्रेटम
यह क्रियाशील गेटिंग प्रणाली है जो बेसल गैन्ग्लिया की स्ट्रिएटम इकाइयों का प्रतिनिधित्व करती है। एक स्ट्राइप्स के भीतर प्रत्येक सम-सूचकांक इकाई "गो" का प्रतिनिधित्व करती है, यद्यपि की विषम-सूचकांक इकाइयाँ "नोगो" का प्रतिनिधित्व करती हैं। गो इकाइयाँ पीऍफ़सी को अद्यतन करने का कारण बनती हैं, जबकि नोगो इकाइयाँ पीऍफ़सी को उसके उपस्थित मेमोरी प्रतिनिधित्व को बनाए रखने का कारण बनती हैं।
प्रत्येक स्ट्राइप्स के लिए इकाइयों के समूह हैं।
इमर्जेंट (सॉफ्टवेयर) में पीबीडब्ल्यूएम मॉडल में, मैट्रिक्स स्ट्रिएटम का प्रतिनिधित्व करते हैं।
पीवीएलवी
ये सभी स्तर पीवीएलवी प्रणाली का भाग हैं। पीवीएलवी प्रणाली बेसल गैन्ग्लिया (बीजी) के डोपामिनर्जिक मॉड्यूलेशन को नियंत्रित करती है। इस प्रकार, बीजी/पीवीएलवी कर्त्ता-आलोचक वास्तुकला का निर्माण करता है जहां पीवीएलवी प्रणाली बताती है कि कब अपडेट करना है।[citation needed]
एसएनआरथल
एसएनआरथल सबटांतिए निग्रा पार्स रेटिकुलाटा (एसएनआर) और थैलेमस के संबंधित क्षेत्र का प्रतिनिधित्व करता है, जो किसी दिए गए स्ट्राइप के अंदर गो/नोगो इकाइयों के बीच प्रतिस्पर्धा उत्त्पन करता है और k-विनर टेक आल (कंप्यूटिंग) क्रियाशीलता का उपयोग करके प्रतिस्पर्धा में मध्यस्थता करता है। यदि किसी दिए गए स्ट्राइप में अधिक समग्र गो क्रियाविधि है, तो संबंधित एसएनआरथल इकाई सक्रिय हो जाती है, और यह पीएफसी में अपडेट को संचालित करती है। प्रत्येक स्ट्राइप के लिए, एसएनआरथल में एक इकाई होती है।[citation needed]
वीटीए और एसएनसी
उदर तेग्मेंतल क्षेत्र (वीटीए) और सबस्टैंटिया नाइग्रा पार्स कॉम्पेक्टा (एसएनसी) डोपामाइन परत का हिस्सा हैं। यह परत मिडब्रेन डोपामाइन न्यूरॉन्स को मॉडल करती है। वे बेसल गैन्ग्लिया के डोपामिनर्जिक मॉड्यूलेशन को नियंत्रित करते हैं।[citation needed]
यह भी देखें
- राज्य-कार्रवाई-इनाम-राज्य-कार्रवाई
- सैमन मैपिंग
- कौशल वृक्षों का निर्माण
संदर्भ
- ↑ 1.0 1.1 1.2 O'Reilly, R.C & Frank, M.J. (2006). "Making Working Memory Work: A Computational Model of Learning in the Frontal Cortex and Basal Ganglia". Neural Computation. 18 (2): 283–328. doi:10.1162/089976606775093909. PMID 16378516. S2CID 8912485.
- ↑ Jeevanandam, Nivash (2021-09-13). "Underrated But Fascinating ML Concepts #5 – CST, PBWM, SARSA, & Sammon Mapping". Analytics India Magazine (in English). Retrieved 2021-12-04.
- ↑ 3.0 3.1 "लीब्रा पीबीडब्ल्यूएम". CCNLab.
