モデルの説明
図1
（A） ry ｰクモデルは、横方向に接続された1つ以上の皮質柱（3つが示さ ry
。 各列は、異なるセンサアレイ[ ry 、異なる指または網膜の隣接 ry ]からのフィードフォワード感覚入力を受け取る。
入力層は、感覚入力を変調位置入力と組み合わせて、物体上の特定の位置にある特徴に対応する疎な表現を形成する。
出力層は、入力層からフィードフォワード入力を受け取り、物体（ ry ｰカップ）を表す安定したパターンに収束する。
第2の層における収束は、2つの手段によっ
? ry 同時に感知する列（ ry
1つは、センサが対象物に対して移動するにつれて時間の経過と共に積分され、もう1つは、同じ対象物上の異なる位置を同時に感知する複数列（上 ry 青色矢印）間の調節横方向接続を介して行われる。
出 ry ｰから入力レイヤーへのフィードバックは、入力レイヤーがセンサーの次の移動後にどのフィーチャーが存在するかを予測することを可能にする。
? ry 、近位（緑）、基底（青）、および先端 ry 。
（B）錐体ニューロンは、主要（緑）、基底（青）、及び尖端（紫）の3つのシナプス統合ゾーンを有する。
? 樹状突起上の個々のシナプスインプットは体細胞に小さな影響 ry 。
基底及び尖端の樹状突起上の個々のシナプスインプットは細胞体に小さな影響を与えますが、樹状突起上の少数のシナプスの同時活性化は樹状突起のスパイクを引き起こす可能性があります（右上）。
HTMニューロンモデルは、活性樹状突起および複数のシナプス統合ゾーン（下）を組み込んでいる。
? 近位樹状 ry 。
主要樹状突起上で認識されるパターンは活動電位を生成する。
基底および頂端の樹状突起上で認識されるパターンは、活動電位を生成することなく細胞を脱分極させる。
脱分極は、ニューロンの予測状態である。
ry モデルはこれらの特性に依存し、我々のシミュ ry はHTMニューロン ry
。 アルゴリズムの詳 ry 、補足ビデオ ry 。
