新皮質は複雑である。 厚さ2.5mm以内には、数十種類のセルタイプ、多数のレイヤー、複雑な接続 ry ? ry 、レイヤ間の情報の柱状流れと、いくつかのレイヤ内の層流を示唆している。 セル間の接続は、レイヤ間の情報の柱状の流れと、いくつかのレイヤ内の層状の流れを示唆している。 ? ry 地域で顕著 ry 。 幸いにも、この複雑な回路はすべてのリージョンで顕著に保存されており、列と層からなる標準回路が ry ? カノニカル回路の機能を理解することは、 ry 。 標準回路の機能を理解する事は、 ry 。
過去1世紀 ry 理論 ry 。 1つの理論は、これらの解剖学的構築物が皮質組織における配線の量を最小にすることを示唆している（Shipp、 2007 ）。 ? いくつかの研究者は、 ry 。 ry 、解剖学的構造に一致する異なる皮質層の機能的分化 ry （Douglas and Martin、 2004 ）。 ? 長距離層流接続が ry 。 ry 、長距離層流接続が受容野特性の注意に関連した変化 ry （Raizada and Grossberg、 2003 ）。 最近の記録技術 ry 、皮質柱の微小回路における活動の詳細な記録 ry 。 しかし、 ry の機能は不明なままであり、列に機能を割り当てることは議論の余地がある（Horton and Adams、 2005 ）。
? ry ネットワークは、それらが ry 。 なぜ新皮質がカラムとレイヤで構成されているのかという理論がなく、深層学習（LeCun et al。、 2015 ）やスパイキング神経ネットワーク（Maass、 1997 ）で使用されているようなほとんど全ての人工神経ネットワークは 、これらフィーチャを含んでおらず、それらが生物学的神経組織の重要な機能的側面を欠いている可能性を導入する。 新皮質 ry システムを構築するには、 ry の機能的役割を理解す ry 0058yamaguti2018/10/27(土) 16:23:09.19ID:AJ0Ulonr?2BP(0) セルラ層は、それらが形成する接続が異なるが、いくつかの一般的な規則 ry 。 ダイレクトフィードフォワード入力を受け取った層のセルは、軸索を局所領域の外側に送信せず、それらの層内に長距離水平結合を形成しない。 ? 長距離興奮性層内接続される入力層によって駆動される層内の細胞は、その層内で長距離興奮性接続を形成し、また、領域の外側に軸索分枝を送り、領域の出力を構成する。 レイヤ内長距離興奮性接続を持つ入力レイヤによって複数レイヤ内で駆動される細胞は、又、軸索分枝をリージョンの外側に送り、リージョンの出力を構成する。 ? ry この ry は、皮質リージョンの永続的な特徴である。 最も一般的に認識されるインスタンスには、レイヤ4とレイヤ2/3 ry 。 レイヤ4はフィードフォワード入力を受け取ります。 、出力レイヤーであるレイヤ2/3に投影されます（Douglas and Martin、 2004 ; Shipp、 2007 ）。 上位レイヤ6は、フィードフォワード入力も受け取る（Thomson、 2010 ）。 ? ry は2層入出力回路の第2の例 ry それは出力層である層5（Douglas and Martin、 2004 ; Guillery and Sherman、 2011 ）に投影されるので、層6と層5は2層入出力回路の第 2 のインスタンス ry 。 この2層連結モチーフの普及は、それが皮質処理において本質 ry 示唆
本稿では、どのように ry の理論 ? ry 、物体に対するセンサの移動 ry 、物体に関連するセンサの活動が必要であるという感覚運動理論である。 ry ネットワークモデルを紹介する。 ｰクは1つ以上の列で構成され、各列には入力層と出力層 ry 、複雑 ry 1つの列でも学習 ry 。 単一の列は、 ry 一部分のみを感知 ry 感覚器官が動くときに、オブジェクトの複数の部分 ry 入力層の活性化が変化する間、出力層の活性化は安定したままであり、単一の出力表現を入力層の一組の特徴表現に関連付ける。 、単一の皮質柱は、運動によって完全な物体のモデルを学 ry 。 これらの物体は、個々の細胞の受容野よりもはるかに大 0059yamaguti2018/10/27(土) 16:24:01.02ID:AJ0Ulonr?2BP(0) ? 次に、 ry のカラムが長距離の薄膜内接続を介してどのように連携 ry 、各列は、 ry 部分的な知識しか ry が、隣接する列は、通常、オブジェクトの異なる位置にあるにもかかわらず、同じオブジェクトを感知する。 出力層における長距離の興奮性の接続は、複数のカラムがどの物体が観察されているかのコンセンサスに迅速に到達することを可能にする。 学習は常に動きを介して複数の感覚を必要とするが、複数の列を用いた推論は、しばしば1回または数回の感覚で生じ ry 。 シミュ ry 、我々のモデルは複雑なオブジェクトの構造を知ることができ、素早く推論 ry 、大容量
? ry 私たちの理論の重要な要素は、位置を表すシグナルの各列に存在します。 ロケーション信号は、「アロケーション」ロケーション ry 、それが検知されているオブジェクトに関連する ry であることを意味する。 我々の理論では、入力層は感覚信号と位置信号の両方を受信する。 ? ry 、入力層は、それが ry 、そして感覚的特徴が感知されている物体のどこにあるのかを ry 。 したがって、入力層は、次の両方、それがどのような特徴を感知しているのか、そして感知されている物体のどこの感覚的特徴か、を知っている。 出力レイヤーは、場所のフィーチャーのセットとしてオブジェクトの完全なモデルを学習します。 、コンピュータ支援設計プログラムが多次元オブジェクトを表す方法に類似している。
感覚アレイの異なる部分（ ry 、異なる指または ry ）が物体の異なる部分を感知するので、位置信号は、各感覚パッチおよび対応する新皮質の領域について一意に計算 ? 我々は、位置信号が皮質柱の小粒状層 ry 層4 ry 。 我々は、位置信号が皮質カラムの果粒下層で計算され、レイヤ 6 からの投影を介して入力レイヤ 4 に渡される事を提案する。 0060yamaguti2018/10/27(土) 16:24:35.14ID:AJ0Ulonr?2BP(0) ? ry アロケーション・ロケーション・シグナルの存在を我々が推測した事に注意 ry たり触ったりしているときに指がどのように感じるかを予測する方法を考えて、その存在を推測 ? ry 、我々は、位置シグナルがすべての新皮質リージョンに存在すると考えている。 ry 経験的証拠を示す。 ? ry 位置信号がどのように ry に関する完全なメカニズム ry まだできませんが、 ry 、動きに基づいて新しい位置を予測するタスクは、嗅内野のグリッドセル ry 似ています。 ? ry のメカニズムを提案する。 グリッドセルは、アロケーションの位置の予測モデルが可能であるという実在の証拠 ry 皮質の列でどのように導出 ry メカニズムを示唆する。
この理論は、解剖学的 ry 証拠の大部分と一致 ry 、理論をさらにテストするために使用できるいくつかの
