Summary notes of the course part 1

Page 1

RIASSUNTO NEUROENGINEERING _ PARTE 1 di CERVERI 2019/2020 Come usare questo riassunto: sono raccolti per punti tutti i concetti fondamentali per ogni lezione con relativa breve spiegazione. Non sostituisce completamente le slides o le dispense, ma è utile per un ripasso. 1) NEURONI - Tipi di neuroni . ECCITATORI: acetilcolina, noradrenalina, glutammato . INIBITORI: dopamina, acido gamma amminobutirrico, serotonina, endorfina - Neurone sensoriale: input segnali che vengono dai sensori - Action potential: solo quando eccitazione + inibizione > soglia, come funziona - Hundred step rule: riconoscimento facciale in 500ms: max 100 sinapsi perché il segnale dura circa 5ms - Neural plasticity . reinforcement learning . short term plasticity . long term plasticity → nuove dendritic spines o allargamento di preesistenti - Dendritic spine turn-over: . Giovinezza: velocità di eliminazione maggiore di quello di creazione . Adulto: il contrario, le spines rimangono persistenti e aumenta la half life - ANN Artificial Neural Network . input t . output t+1 . MCP neuron (McCulloc and Pitts): on o off . funzione scalino, segno, log, tanh - INTERAZIONE TRA NEURONI  Matrice di interconnessione: senza localizzazione spaziale  Metric domain: dipende dalla distanza - FFNN . layers di neuroni: no intra- e inter layer o backward connections . multilayer FFNN se non conosco i layer in mezzo - Formule: VEDI SCHEMA 2) FFNN - Servono per classificare dati, comprimere dati, approssimare funzioni continue. - Perceptron: la FFNN più semplice . Supervisor: update dei pesi minimizzando l’errore tra l’output predetto e quello desiderato . Dopo un decennio → Delta rule: correzione dell’errore a gradiente . Solo gli input patterns separabili linearmente!! . Backpropagation dell’errore - Variabili…