Ingenieure-Modell bessere Navigationssysteme nach Anpassungsfähigkeit des Gehirns
Diese Forschung in Aktion Artikel wurde Live Science in Zusammenarbeit mit der National Science Foundation zur Verfügung gestellt.
Das Gehirn Spezialfähigkeiten locken viele Ingenieure, die es als Modell für andere Dinge verwenden, die sie erstellen. In ihren Entwürfen der neuen Kontroll- und Navigationssysteme für Flugzeuge Roboter und andere technische Systeme Ingenieur Silvia Ferrari und ihr Forschungsteam an der Duke University emulieren Anpassungsfähigkeit des Gehirns. Sie interessieren sich vor allem in Teilen des Gehirns, die Tiere, ihre Bewegungen in Reaktion auf sich ändernde Umweltbedingungen ändern zu lassen.
So gehört das Gehirn Hippocampus, das ist wichtig für das Lernen und Gedächtnis, die Navigation zugrunde liegt. In der obigen Abbildung sind verschiedene Teile der hippocampalen Zellen zur Identifizierung gefärbt. Neuriten (grün) sind lange Vorsprünge von Neuronen, die senden und empfangen Signale von anderen Zellen. Die Protein-Histon-Lysin-Demethylase (Cyan) trägt zur Zelle Lebenszyklus und frühe Entwicklung des Gehirns. Das Protein ist Arc (rot) zum Ausdruck gebracht, wo das Gehirn Änderungen in Nervenbahnen, ein Phänomen bekannt als Plastizität vornimmt. Forscher suchen nach Markierungen der Plastizität als Beweis dafür, dass Änderungen, z. B. lernen, im Gehirn passiert sind. [Verzögert Befriedigung – wie der Hippocampus hilft uns Hold Off (Op-Ed)]
Tierischen Gehirne auf ihre Umgebung reagieren und lernen von sensorisches Feedback, wie Vision, Berührung und Klang, zur Verbesserung der motorischen Leistung. Ferrari Gruppe nutzt Gehirn inspirierten Rechenmodelle, bekannt als neuronale Netze, Spick und Gestaltung von Algorithmen, die trainieren neuronale Netze zur Anpassung an externes Feedback modelliert. In einem Test von ihren Algorithmus modelliert sie z. B. eine virtuelle Insekt gesteuert durch ein spiking neuronales Netz, ein unbekanntes Terrain auf der Suche nach Nahrung zu navigieren.
Die Forscher untersuchen auch, wie gut ihre Ausbildung-Algorithmus auf lebende neuronale Netze in Petrischalen funktioniert. Im Erfolgsfall könnte die Algorithmen in Steuerung und Navigation Systeme verwendet werden, die in einer Vielzahl von technischen Systemen verwendet werden, die auch unter wechselnden Bedingungen, z. B. Roboter ausführen müssen.
Weiterführende Literatur: Brain Power: geniale Ideen und intelligente Werkzeuge für Neuroengineering
Anmerkung der Redaktion: Meinungen, Erkenntnisse und Schlussfolgerungen oder Empfehlungen ausgedrückt in diesem Material sind die des Autors und spiegeln nicht unbedingt die Ansichten von der National Science Foundation. Siehe die Recherche im Archiv der Aktion.