基于量化模型的对大脑高效可靠处理信息实现机制的分析

作     者：谢勤 

作者机构：广州市科技和信息化局第16届亚运会组委会信息技术部 广东 广州510000 

出 版 物：《大家健康（下旬版）》 (For All Health)

年 卷 期：2013年第11期

页      面：11-13页

学科分类：1002[医学-临床医学] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 10[医学] 

主　　题：过程存储与重组模型 时序控制 脑电波 微循环 结构风险 中枢神经系统 信息处理 微环路 时间认知 智力起源 大脑量化模型 

摘      要： 文献[1-9]提出了血液循环在大脑处理信息的过程中具有时序控制作用，并用量化模型结合结构风险最小化相关理论说明时序控制作用的意义。文献[10-20]汇总介绍量化模型中的细节。量化模型中，把有反馈回路的神经网络分解为一系列前向网络集合；把对有反馈回路网络的训练等效为对一系列前向网络集合的训练；信息存储的过程是对一系列前向网络的训练过程；信息提取的过程是训练后的前向网络集合对一系列输入样本的处理过程。文献[1-20]还结合结构风险最小化相关理论分析了血液循环的时序控制作用在大脑准确而高效处理信息方面的作用；分析了大脑能正确而高效处理信息，使智力能够诞生的原因；分析了理论建立和应用过程的神经生理学原理、只能有相对真理的神经生理学原因。以上内容涉及多方面的量化细节和生理学机制细节，这里将已发表在文献[1-20]的量化模型和一些细节以综合报告形式再次进行综合介绍，以期对同行更好理解大脑整体运作机制有所帮助。文章是综合报告系列第二篇，共十点：介绍了血液循环时序控制作用意义；介绍了大脑能正确、高效、可靠处理信息的原因在于通过“在存储一个信息（例如一幅图）时，分解出来的前向网络用输入输出向量样本集合的分布特性存储信息（‘样本’的定义《大脑处理信息量化模型和细节综合报告》有再次介绍），在信息存储和提取时采用文献[1-17]所述运作机制的解决方案解决了大规模神经网络处理复杂信息时的样本量和网络规模匹配问题，并保证了信息的可靠存取；介绍了相关的细节和图示。