跳到内容 跳到菜单
本网站使用cookie来帮助我们理解游客的方式使用我们的网站。我们不能确定你与他们,我们也不与任何人分享数据。如果你点击拒绝,我们将设置一个cookie记住你的偏好。发现更多的伦敦大学学院的隐私通知

贝叶斯的大脑

研究方法

贝叶斯的大脑

贝叶斯大脑考虑的统计机关分层推理的基础上,预测当前和未来的事件过去的经历吧。根据这一理论,精神世界的意义通过分配概率假设最好的解释(通常是稀疏和模糊)感官数据,不断地更新这些假设根据标准概率推理规则。

这个微调(优化)的知觉和动作操作的单一命令下最小化意外(自由能)和不确定性;从而最大化的统计和热力学效率。

学习贝叶斯大脑不同于钢筋(机)学习因为它发生与理解。心智模式的过去的经验使用这些经验预测新体验,而不是由他们。不断优化的模型还支持高效的自我组织与环境交换,宏观性和无监督方式。

我们用神经影像研究大脑中的分层推理的核心原则:

  • 大脑区域在一个等级森严的神经系统。
  • 每一个层级的级别将自上而下的信号发送给预测输入在较低水平。
  • 预测误差=信息在一个较低的水平,并不是预测的一个更高的水平。
  • 高水平更新他们的预测后续预测误差降到最低。
  • 更高更新的程度取决于预测误差的精度
  • 精度(可靠性)从经验预测误差估计。
  • 知觉是由合成新的感官信息与以前的信仰。
  • 注意提高预测的精度高错误及其影响。
  • 预测行为是意识到当预测的精度误差减毒。
  • 自底向上的预测错误被认为发生在30 - 70 hz表面皮质层。
  • 自上而下的预测被认为发生在20 - 30 Hz从更深的皮质层。
  • 自上而下的预测精度是由neuromodulatory机制。
  • 行为(如行为)不确定性最小化(预期的惊喜)。这就是所谓的“积极的推理”。

例如,功能磁共振成像的动态因果模型(DCM),梅格和脑电图数据可以用来:

  • 区分前后神经信号在不同层次和水平的皮层,
  • 指定的机制的神经突触和神经递质水平和沟通
  • 大脑中阐明的原则推理及其在精神病理作用。

我们的目标是提供:

数学模型的计算,微电路和神经处理,可用于开发和验证一个统一的框架来理解:

  • 正常和异常的感觉
  • 行动
  • 学习
  • 内存
  • 决策
  • 许多其他功能。

影响

神经和精神疾病可能是由于大脑更新等级预测的问题——在突触和神经递质水平;特别是在neuromodulatory控制精度。

这可能导致癫痫发作,难以解释新信息的基础上,过去的经验(错误的推理)和更新对人体或环境预期困难。

错误的推理的例子包括

  • 在精神分裂症的幻觉和妄想
  • 无法推断出汽车在帕金森病。
Baidu
map