प्रीफ्रंटल कॉर्टेक्स बेसल गैन्ग्लिया वर्किंग मेमोरी: Difference between revisions

From Vigyanwiki
No edit summary
No edit summary
 
(17 intermediate revisions by 3 users not shown)
Line 1: Line 1:
[[ मस्तिष्काग्र की बाह्य परत |पेरफरेंटल कोर्टेक्स]] [[बेसल गैन्ग्लिया]] [[ क्रियाशील स्मृति |क्रियाशील मेमोरी]] (पीबीडब्लूएम) [[कलन विधि]] है जो प्रीफ्रंटल कॉर्टेक्स और बेसल गैन्ग्लिया में [[कंप्यूटर सिमुलेशन]] क्रियाशील मेमोरी है।<ref name="paper">{{cite journal|url=http://psych.colorado.edu/~oreilly/pubs-abstr.html#OReillyFrank06|title=Making Working Memory Work: A Computational Model of Learning in the Frontal Cortex and Basal Ganglia|author1=O'Reilly, R.C|author2=Frank, M.J.|name-list-style=amp|year=2006|journal=Neural Computation|volume=18|issue=2|pages=283–328|pmid=16378516|doi=10.1162/089976606775093909|s2cid=8912485}}</ref>
'''[[ मस्तिष्काग्र की बाह्य परत |पेरफरेंटल कोर्टेक्स]] [[बेसल गैन्ग्लिया]] [[ क्रियाशील स्मृति | वर्किंग मेमोरी]]''' (पीबीडब्लूएम) [[कलन विधि]] है जो प्रीफ्रंटल कॉर्टेक्स और बेसल गैन्ग्लिया में [[कंप्यूटर सिमुलेशन]] क्रियाशील मेमोरी है।<ref name="paper">{{cite journal|url=http://psych.colorado.edu/~oreilly/pubs-abstr.html#OReillyFrank06|title=Making Working Memory Work: A Computational Model of Learning in the Frontal Cortex and Basal Ganglia|author1=O'Reilly, R.C|author2=Frank, M.J.|name-list-style=amp|year=2006|journal=Neural Computation|volume=18|issue=2|pages=283–328|pmid=16378516|doi=10.1162/089976606775093909|s2cid=8912485}}</ref>


कार्यक्षमता में इसकी तुलना दीर्घकालिक अल्पकालिक मेमोरी (एलएसटीएम) से की जा सकती है, लेकिन यह जैविक रूप से अधिक व्याख्या के योग्य है।<ref name="paper" /><ref name="aim">{{cite web|first=Nivash|last=Jeevanandam|date=2021-09-13
कार्यक्षमता में इसकी तुलना दीर्घ अल्पकालिक मेमोरी (एलएसटीएम) से की जा सकती है, लेकिन यह जैविक रूप से अधिक व्याख्या के योग्य है।<ref name="paper" /><ref name="aim">{{cite web|first=Nivash|last=Jeevanandam|date=2021-09-13
|title=Underrated But Fascinating ML Concepts #5 – CST, PBWM, SARSA, & Sammon Mapping
|title=Underrated But Fascinating ML Concepts #5 – CST, PBWM, SARSA, & Sammon Mapping
|url=https://analyticsindiamag.com/underrated-but-fascinating-ml-concepts-5-cst-pbwm-sarsa-sammon-mapping/
|url=https://analyticsindiamag.com/underrated-but-fascinating-ml-concepts-5-cst-pbwm-sarsa-sammon-mapping/
Line 13: Line 13:


==सार==
==सार==
लंबे समय से यह माना जाता रहा है कि प्रीफ्रंटल कॉर्टेक्स कार्यशील मेमोरी (प्रसंस्करण के लिए ऑनलाइन जानकारी रखना) और कार्यकारी कार्यों (कार्यशील मेमोरी में हेरफेर करने और प्रसंस्करण करने का तरीका तय करना) दोनों का समर्थन करता है। हालाँकि कार्यशील मेमोरी के कई कम्प्यूटेशनल मॉडल विकसित किए गए हैं, कार्यकारी फ़ंक्शन का यंत्रवत आधार मायावी बना हुआ है।
लंबे समय से यह माना जाता रहा है कि प्रीफ्रंटल कॉर्टेक्स कार्यशील मेमोरी (प्रसंस्करण के लिए ऑनलाइन सुचना रखना) और "कार्यकारी" फंक्शन (कार्यशील मेमोरी में परिवर्तन करने और प्रसंस्करण करने की विधि तय करना) दोनों का समर्थन करता है। यद्यपि की, कार्यशील मेमोरी के कई कम्प्यूटेशनल मॉडल विकसित किए गए हैं, कार्यकारी फ़ंक्शन का यंत्रवत आधार गुप्त बना हुआ है।


पीबीडब्ल्यूएम रणनीतिक, कार्य-उपयुक्त तरीके से खुद को और मस्तिष्क के अन्य क्षेत्रों को नियंत्रित करने के लिए प्रीफ्रंटल कॉर्टेक्स का एक कम्प्यूटेशनल मॉडल है। ये सीखने के तंत्र मिडब्रेन, बेसल गैन्ग्लिया और एमिग्डाला में सबकोर्टिकल संरचनाओं पर आधारित हैं, जो एक साथ एक अभिनेता/आलोचक वास्तुकला का निर्माण करते हैं। आलोचक प्रणाली सीखती है कि कौन से प्रीफ्रंटल प्रतिनिधित्व कार्य-प्रासंगिक हैं और अभिनेता को प्रशिक्षित करते हैं, जो बदले में कार्यशील मेमोरी अपडेट को नियंत्रित करने के लिए एक गतिशील गेटिंग तंत्र प्रदान करता है। कम्प्यूटेशनल रूप से, शिक्षण तंत्र को अस्थायी और संरचनात्मक क्रेडिट असाइनमेंट समस्याओं को एक साथ हल करने के लिए डिज़ाइन किया गया है।
पीबीडब्ल्यूएम, कार्य-उपयुक्त प्रकार से स्वयं को और मेमोरी के अन्य क्षेत्रों को नियंत्रित करने के लिए प्रीफ्रंटल कॉर्टेक्स का कम्प्यूटेशनल मॉडल है। ये अधिगम क्रियाविधि मिडब्रेन, बेसल गैन्ग्लिया और एमिग्डाला में सबकोर्टिकल संरचनाओं पर आधारित हैं, जो एक साथ एक कर्त्ता/समीक्षक संरचना का निर्माण करते हैं। समीक्षक प्रणाली बताती है कि कौन से प्रीफ्रंटल प्रतिनिधित्व कार्य-प्रासंगिक हैं और कर्त्ता को प्रशिक्षित करते हैं, जो बदले में कार्यशील मेमोरी अपडेट को नियंत्रित करने के लिए क्रियाशील गेटिंग तंत्र प्रदान करता है। कम्प्यूटेशनल रूप से, अधिगम क्रियाविधि को अस्थायी और संरचनात्मक क्रेडिट असाइनमेंट समस्याओं को एक-साथ हल करने के लिए निर्मित किया गया है।


मॉडल का प्रदर्शन चुनौतीपूर्ण [[1-2-AX कार्यशील मेमोरी कार्य]] और अन्य बेंचमार्क कार्यशील मेमोरी कार्यों पर मानक बैकप्रॉपैगेशन-आधारित टेम्पोरल लर्निंग तंत्र के साथ अनुकूल रूप से तुलना करता है।<ref name="paper"/>{{third party inline|date=April 2015}}
मॉडल का कार्यान्वन विरोधी [[1-2-AX कार्यशील मेमोरी कार्य|1-2-एएक्स कार्यशील मेमोरी कार्य]] और अन्य बेंचमार्क कार्यशील मेमोरी कार्यों पर मानक बैकप्रॉपैगेशन-आधारित टेम्पोरल लर्निंग तंत्र के साथ अनुकूल रूप से तुलना करता है।<ref name="paper"/>{{third party inline|date=April 2015}}


==मॉडल==
==मॉडल==
सबसे पहले, प्रीफ्रंटल कॉर्टेक्स और [[स्ट्रिएटम]] परतों में कई अलग-अलग धारियां (इकाइयों के समूह) होती हैं। प्रत्येक स्ट्राइप को स्वतंत्र रूप से अपडेट किया जा सकता है, जैसे कि यह सिस्टम एक ही समय में कई अलग-अलग चीजों को याद रख सकता है, प्रत्येक मेमोरी को अपडेट और बनाए रखने के लिए एक अलग अपडेटिंग नीति के साथ। मेमोरी का सक्रिय रखरखाव प्रीफ्रंटल कॉर्टेक्स (पीएफसी) में होता है, और अद्यतन संकेत (और अधिक सामान्यतः अद्यतन नीति) स्ट्रिएटम इकाइयों (बेसल गैन्ग्लिया इकाइयों का एक उपसमूह) से आते हैं।<ref name="emergent"/>
सबसे पहले, प्रीफ्रंटल कॉर्टेक्स और [[स्ट्रिएटम]] परतों में कई अलग-अलग '''स्ट्राइप्स''' (इकाइयों के समूह) होती हैं। प्रत्येक स्ट्राइप को स्वतंत्र रूप से अपडेट किया जा सकता है, जैसे कि यह सिस्टम एक ही समय में, प्रत्येक मेमोरी को अपडेट और बनाए रखने के लिए अलग अपडेटिंग नीति के साथ कई अलग-अलग कार्यो को कर सकता है। मेमोरी का सक्रिय अनुरक्षण प्रीफ्रंटल कॉर्टेक्स (पीएफसी) में होता है, और अद्यतन संकेत (और अधिक सामान्यतः अद्यतन नीति) स्ट्रिएटम इकाइयों (बेसल गैन्ग्लिया इकाइयों के उपसमूह) से आते हैं।<ref name="emergent"/>


पीवीएलवी बेसल गैन्ग्लिया में गतिशील गेटिंग प्रणाली को प्रशिक्षित करने के लिए सुदृढीकरण सीखने के संकेत प्रदान करता है।
पीवीएलवी बेसल गैन्ग्लिया में क्रियाशील गेटिंग प्रणाली को प्रशिक्षित करने के लिए सुदृढीकरण अभिगम के संकेत प्रदान करता है।


===संवेदी इनपुट और मोटर आउटपुट===
===सेंसरी इनपुट और मोटर आउटपुट===
संवेदी इनपुट [[ पश्च प्रांतस्था ]] से जुड़ा होता है जो मोटर आउटपुट से जुड़ा होता है। संवेदी इनपुट पीवीएलवी प्रणाली से भी जुड़ा हुआ है।
सेंसरी इनपुट [[ पश्च प्रांतस्था |पोस्टीरियर कोर्टेक्स]] से जुड़ा होता है जो मोटर आउटपुट से जुड़ा होता है। सेंसरी इनपुट पीवीएलवी प्रणाली से भी जुड़ा हुआ होता है।


===पश्च प्रांतस्था===
===पोस्टीरियर कोर्टेक्स ===
पश्च कॉर्टेक्स इनपुट/आउटपुट मैपिंग की छिपी हुई परतों का निर्माण करता है। इस इनपुट/आउटपुट मैपिंग को प्रासंगिक बनाने के लिए पीएफसी पोस्टीरियर कॉर्टेक्स से जुड़ा हुआ है।
पोस्टीरियर कोर्टेक्स इनपुट/आउटपुट मैपिंग की अदृस्य परतों का निर्माण करता है। इस इनपुट/आउटपुट मैपिंग को प्रासंगिक बनाने के लिए पीएफसी पोस्टीरियर कॉर्टेक्स से जुड़ा हुआ है।


===पीएफसी===
===पीएफसी===
पीएफसी (आउटपुट गेटिंग के लिए) में प्रत्येक पट्टी के लिए इनपुट इकाइयों का एक-से-एक स्थानीय प्रतिनिधित्व होता है। इस प्रकार, आप इन पीएफसी अभ्यावेदनों को देख सकते हैं और सीधे देख सकते हैं कि नेटवर्क क्या बनाए रख रहा है। पीएफसी कार्य करने के लिए आवश्यक कार्यशील मेमोरी को बनाए रखता है।
पीएफसी (आउटपुट गेटिंग के लिए) में प्रत्येक स्ट्राइप्स के लिए इनपुट इकाइयों का एक-से-एक स्ट्राइप्स स्थानीय अभ्यावेदन होता है। इस प्रकार, आप इन पीएफसी अभ्यावेदनों को देख सकते हैं और सीधे देख सकते हैं कि नेटवर्क क्या बनाए रख रहा है। पीएफसी कार्य करने के लिए आवश्यक क्रियाशील मेमोरी को बनाए रखता है।


===स्ट्रेटम===
===स्ट्रेटम===
यह गतिशील गेटिंग प्रणाली है जो बेसल गैन्ग्लिया की स्ट्रिएटम इकाइयों का प्रतिनिधित्व करती है। एक पट्टी के भीतर प्रत्येक सम-सूचकांक इकाई Go का प्रतिनिधित्व करती है, जबकि विषम-सूचकांक इकाइयाँ NoGo का प्रतिनिधित्व करती हैं। Go इकाइयाँ PFC को अद्यतन करने का कारण बनती हैं, जबकि NoGo इकाइयाँ PFC को उसके मौजूदा मेमोरी प्रतिनिधित्व को बनाए रखने का कारण बनती हैं।
यह क्रियाशील गेटिंग प्रणाली है जो बेसल गैन्ग्लिया की स्ट्रिएटम इकाइयों का प्रतिनिधित्व करती है। एक स्ट्राइप्स के भीतर प्रत्येक सम-सूचकांक इकाई "गो" का प्रतिनिधित्व करती है, यद्यपि की विषम-सूचकांक इकाइयाँ "नोगो" का प्रतिनिधित्व करती हैं। गो इकाइयाँ पीऍफ़सी को अद्यतन करने का कारण बनती हैं, जबकि नोगो इकाइयाँ पीऍफ़सी को उसके उपस्थित मेमोरी प्रतिनिधित्व को बनाए रखने का कारण बनती हैं।


प्रत्येक पट्टी के लिए इकाइयों के समूह हैं।
प्रत्येक स्ट्राइप्स के लिए इकाइयों के समूह हैं।


इमर्जेंट (सॉफ्टवेयर) में पीबीडब्ल्यूएम मॉडल में, मैट्रिक्स स्ट्रिएटम का प्रतिनिधित्व करते हैं।
इमर्जेंट (सॉफ्टवेयर) में पीबीडब्ल्यूएम मॉडल में, मैट्रिक्स स्ट्रिएटम का प्रतिनिधित्व करते हैं।


===पीवीएलवी===
===पीवीएलवी===
ये सभी परतें पीवीएलवी प्रणाली का हिस्सा हैं। पीवीएलवी प्रणाली बेसल गैन्ग्लिया (बीजी) के डोपामिनर्जिक मॉड्यूलेशन को नियंत्रित करती है। इस प्रकार, बीजी/पीवीएलवी एक अभिनेता-आलोचक वास्तुकला का निर्माण करता है जहां पीवीएलवी प्रणाली सीखती है कि कब अपडेट करना है।{{fact|date=September 2015}}
ये सभी स्तर पीवीएलवी प्रणाली का भाग हैं। पीवीएलवी प्रणाली बेसल गैन्ग्लिया (बीजी) के डोपामिनर्जिक मॉड्यूलेशन को नियंत्रित करती है। इस प्रकार, बीजी/पीवीएलवी कर्त्ता-समीक्षक संरचना का निर्माण करता है जहां पीवीएलवी प्रणाली बताती है कि कब अपडेट करना है।{{fact|date=September 2015}}


====एसएनआरथल====
====एसएनआरथल====
SNrThal [[काला पदार्थ]] [[पार्स रेटिकुलाटा]] (SNr) और [[ चेतक ]] के संबंधित क्षेत्र का प्रतिनिधित्व करता है, जो किसी दिए गए स्ट्राइप के भीतर Go/NoGo इकाइयों के बीच प्रतिस्पर्धा पैदा करता है और Winner-take-all (कंप्यूटिंग)|k-winners-take का उपयोग करके प्रतिस्पर्धा में मध्यस्थता करता है। -सभी गतिशीलता. यदि किसी दिए गए स्ट्राइप में अधिक समग्र गो गतिविधि है, तो संबंधित एसएनआरथल इकाई सक्रिय हो जाती है, और यह पीएफसी में अपडेट को संचालित करती है। प्रत्येक पट्टी के लिए, SNrThal में एक इकाई होती है।{{fact|date=September 2015}}
एसएनआरथल [[काला पदार्थ|सबटांतिए निग्रा]] [[पार्स रेटिकुलाटा]] (एसएनआर) और [[ चेतक |थैलेमस]] के संबंधित क्षेत्र का प्रतिनिधित्व करता है, जो किसी दिए गए स्ट्राइप के अंदर गो/नोगो  इकाइयों के बीच प्रतिस्पर्धा उत्त्पन करता है और k-विनर टेक आल (कंप्यूटिंग) क्रियाशीलता का उपयोग करके प्रतिस्पर्धा में मध्यस्थता करता है। यदि किसी दिए गए स्ट्राइप में अधिक समग्र गो क्रियाविधि है, तो संबंधित एसएनआरथल इकाई सक्रिय हो जाती है, और यह पीएफसी में अपडेट को संचालित करती है। प्रत्येक स्ट्राइप के लिए, एसएनआरथल में एक इकाई होती है।{{fact|date=September 2015}}


====वीटीए और एसएनसी====
====वीटीए और एसएनसी====
[[उदर तेग्मेंतल क्षेत्र]] (वीटीए) और [[सबस्टैंटिया नाइग्रा पार्स कॉम्पेक्टा]] (एसएनसी) [[डोपामाइन]] परत का हिस्सा हैं। यह परत मिडब्रेन डोपामाइन न्यूरॉन्स को मॉडल करती है। वे बेसल गैन्ग्लिया के [[डोपामिनर्जिक]] मॉड्यूलेशन को नियंत्रित करते हैं।{{fact|date=September 2015}}
[[उदर तेग्मेंतल क्षेत्र|वेंट्रल टेगमेंटल क्षेत्र]] (वीटीए) और [[सबस्टैंटिया नाइग्रा पार्स कॉम्पेक्टा]] (एसएनसी) [[डोपामाइन]] परत का भाग हैं। यह परत मिडब्रेन डोपामाइन न्यूरॉन्स को कार्यान्वित करती है। वह बेसल गैन्ग्लिया के [[डोपामिनर्जिक]] क्रियाविधि को नियंत्रित करती हैं।{{fact|date=September 2015}}


==यह भी देखें==
==यह भी देखें==
* राज्य-कार्रवाई-इनाम-राज्य-कार्रवाई
* स्टेट-एक्शन-रिवॉर्ड-स्टेट-एक्शन   
* [[सैमन मैपिंग]]
* [[सैमन मैपिंग]]
* [[कौशल वृक्षों का निर्माण]]
* [[कौशल वृक्षों का निर्माण|कौशल ट्रीज का निर्माण]]


==संदर्भ==
==संदर्भ==
<references />
<references />
[[Category: मशीन लर्निंग एल्गोरिदम]] [[Category: कम्प्यूटेशनल तंत्रिका विज्ञान]]


 
[[Category:All articles lacking reliable references]]
 
[[Category:All articles with unsourced statements]]
[[Category: Machine Translated Page]]
[[Category:Articles lacking reliable references from April 2015]]
[[Category:Articles with invalid date parameter in template]]
[[Category:Articles with unsourced statements from September 2015]]
[[Category:CS1 English-language sources (en)]]
[[Category:Created On 07/07/2023]]
[[Category:Created On 07/07/2023]]
[[Category:Machine Translated Page]]
[[Category:Templates Vigyan Ready]]
[[Category:कम्प्यूटेशनल तंत्रिका विज्ञान]]
[[Category:मशीन लर्निंग एल्गोरिदम]]

Latest revision as of 09:24, 1 September 2023

पेरफरेंटल कोर्टेक्स बेसल गैन्ग्लिया वर्किंग मेमोरी (पीबीडब्लूएम) कलन विधि है जो प्रीफ्रंटल कॉर्टेक्स और बेसल गैन्ग्लिया में कंप्यूटर सिमुलेशन क्रियाशील मेमोरी है।[1]

कार्यक्षमता में इसकी तुलना दीर्घ अल्पकालिक मेमोरी (एलएसटीएम) से की जा सकती है, लेकिन यह जैविक रूप से अधिक व्याख्या के योग्य है।[1][2]

यह प्रीफ्रंटल कॉर्टेक्स और बेसल गैन्ग्लिया के जीव विज्ञान के आधार पर प्रीफ्रंटल कॉर्टेक्स क्रियाशील-मेमोरी अपडेटिंग सिस्टम को प्रशिक्षित करने के लिए पीवीएलवी मॉडल का उपयोग करता है।[3]

इसका उपयोग लीब्रा फ्रेमवर्क के भाग के रूप में किया जाता है और इसे 2019 में इमर्जेंट (सॉफ्टवेयर) में क्रियान्वित किया गया था।

सार

लंबे समय से यह माना जाता रहा है कि प्रीफ्रंटल कॉर्टेक्स कार्यशील मेमोरी (प्रसंस्करण के लिए ऑनलाइन सुचना रखना) और "कार्यकारी" फंक्शन (कार्यशील मेमोरी में परिवर्तन करने और प्रसंस्करण करने की विधि तय करना) दोनों का समर्थन करता है। यद्यपि की, कार्यशील मेमोरी के कई कम्प्यूटेशनल मॉडल विकसित किए गए हैं, कार्यकारी फ़ंक्शन का यंत्रवत आधार गुप्त बना हुआ है।

पीबीडब्ल्यूएम, कार्य-उपयुक्त प्रकार से स्वयं को और मेमोरी के अन्य क्षेत्रों को नियंत्रित करने के लिए प्रीफ्रंटल कॉर्टेक्स का कम्प्यूटेशनल मॉडल है। ये अधिगम क्रियाविधि मिडब्रेन, बेसल गैन्ग्लिया और एमिग्डाला में सबकोर्टिकल संरचनाओं पर आधारित हैं, जो एक साथ एक कर्त्ता/समीक्षक संरचना का निर्माण करते हैं। समीक्षक प्रणाली बताती है कि कौन से प्रीफ्रंटल प्रतिनिधित्व कार्य-प्रासंगिक हैं और कर्त्ता को प्रशिक्षित करते हैं, जो बदले में कार्यशील मेमोरी अपडेट को नियंत्रित करने के लिए क्रियाशील गेटिंग तंत्र प्रदान करता है। कम्प्यूटेशनल रूप से, अधिगम क्रियाविधि को अस्थायी और संरचनात्मक क्रेडिट असाइनमेंट समस्याओं को एक-साथ हल करने के लिए निर्मित किया गया है।

मॉडल का कार्यान्वन विरोधी 1-2-एएक्स कार्यशील मेमोरी कार्य और अन्य बेंचमार्क कार्यशील मेमोरी कार्यों पर मानक बैकप्रॉपैगेशन-आधारित टेम्पोरल लर्निंग तंत्र के साथ अनुकूल रूप से तुलना करता है।[1][third-party source needed]

मॉडल

सबसे पहले, प्रीफ्रंटल कॉर्टेक्स और स्ट्रिएटम परतों में कई अलग-अलग स्ट्राइप्स (इकाइयों के समूह) होती हैं। प्रत्येक स्ट्राइप को स्वतंत्र रूप से अपडेट किया जा सकता है, जैसे कि यह सिस्टम एक ही समय में, प्रत्येक मेमोरी को अपडेट और बनाए रखने के लिए अलग अपडेटिंग नीति के साथ कई अलग-अलग कार्यो को कर सकता है। मेमोरी का सक्रिय अनुरक्षण प्रीफ्रंटल कॉर्टेक्स (पीएफसी) में होता है, और अद्यतन संकेत (और अधिक सामान्यतः अद्यतन नीति) स्ट्रिएटम इकाइयों (बेसल गैन्ग्लिया इकाइयों के उपसमूह) से आते हैं।[3]

पीवीएलवी बेसल गैन्ग्लिया में क्रियाशील गेटिंग प्रणाली को प्रशिक्षित करने के लिए सुदृढीकरण अभिगम के संकेत प्रदान करता है।

सेंसरी इनपुट और मोटर आउटपुट

सेंसरी इनपुट पोस्टीरियर कोर्टेक्स से जुड़ा होता है जो मोटर आउटपुट से जुड़ा होता है। सेंसरी इनपुट पीवीएलवी प्रणाली से भी जुड़ा हुआ होता है।

पोस्टीरियर कोर्टेक्स

पोस्टीरियर कोर्टेक्स इनपुट/आउटपुट मैपिंग की अदृस्य परतों का निर्माण करता है। इस इनपुट/आउटपुट मैपिंग को प्रासंगिक बनाने के लिए पीएफसी पोस्टीरियर कॉर्टेक्स से जुड़ा हुआ है।

पीएफसी

पीएफसी (आउटपुट गेटिंग के लिए) में प्रत्येक स्ट्राइप्स के लिए इनपुट इकाइयों का एक-से-एक स्ट्राइप्स स्थानीय अभ्यावेदन होता है। इस प्रकार, आप इन पीएफसी अभ्यावेदनों को देख सकते हैं और सीधे देख सकते हैं कि नेटवर्क क्या बनाए रख रहा है। पीएफसी कार्य करने के लिए आवश्यक क्रियाशील मेमोरी को बनाए रखता है।

स्ट्रेटम

यह क्रियाशील गेटिंग प्रणाली है जो बेसल गैन्ग्लिया की स्ट्रिएटम इकाइयों का प्रतिनिधित्व करती है। एक स्ट्राइप्स के भीतर प्रत्येक सम-सूचकांक इकाई "गो" का प्रतिनिधित्व करती है, यद्यपि की विषम-सूचकांक इकाइयाँ "नोगो" का प्रतिनिधित्व करती हैं। गो इकाइयाँ पीऍफ़सी को अद्यतन करने का कारण बनती हैं, जबकि नोगो इकाइयाँ पीऍफ़सी को उसके उपस्थित मेमोरी प्रतिनिधित्व को बनाए रखने का कारण बनती हैं।

प्रत्येक स्ट्राइप्स के लिए इकाइयों के समूह हैं।

इमर्जेंट (सॉफ्टवेयर) में पीबीडब्ल्यूएम मॉडल में, मैट्रिक्स स्ट्रिएटम का प्रतिनिधित्व करते हैं।

पीवीएलवी

ये सभी स्तर पीवीएलवी प्रणाली का भाग हैं। पीवीएलवी प्रणाली बेसल गैन्ग्लिया (बीजी) के डोपामिनर्जिक मॉड्यूलेशन को नियंत्रित करती है। इस प्रकार, बीजी/पीवीएलवी कर्त्ता-समीक्षक संरचना का निर्माण करता है जहां पीवीएलवी प्रणाली बताती है कि कब अपडेट करना है।[citation needed]

एसएनआरथल

एसएनआरथल सबटांतिए निग्रा पार्स रेटिकुलाटा (एसएनआर) और थैलेमस के संबंधित क्षेत्र का प्रतिनिधित्व करता है, जो किसी दिए गए स्ट्राइप के अंदर गो/नोगो इकाइयों के बीच प्रतिस्पर्धा उत्त्पन करता है और k-विनर टेक आल (कंप्यूटिंग) क्रियाशीलता का उपयोग करके प्रतिस्पर्धा में मध्यस्थता करता है। यदि किसी दिए गए स्ट्राइप में अधिक समग्र गो क्रियाविधि है, तो संबंधित एसएनआरथल इकाई सक्रिय हो जाती है, और यह पीएफसी में अपडेट को संचालित करती है। प्रत्येक स्ट्राइप के लिए, एसएनआरथल में एक इकाई होती है।[citation needed]

वीटीए और एसएनसी

वेंट्रल टेगमेंटल क्षेत्र (वीटीए) और सबस्टैंटिया नाइग्रा पार्स कॉम्पेक्टा (एसएनसी) डोपामाइन परत का भाग हैं। यह परत मिडब्रेन डोपामाइन न्यूरॉन्स को कार्यान्वित करती है। वह बेसल गैन्ग्लिया के डोपामिनर्जिक क्रियाविधि को नियंत्रित करती हैं।[citation needed]

यह भी देखें

संदर्भ

  1. 1.0 1.1 1.2 O'Reilly, R.C & Frank, M.J. (2006). "Making Working Memory Work: A Computational Model of Learning in the Frontal Cortex and Basal Ganglia". Neural Computation. 18 (2): 283–328. doi:10.1162/089976606775093909. PMID 16378516. S2CID 8912485.
  2. Jeevanandam, Nivash (2021-09-13). "Underrated But Fascinating ML Concepts #5 – CST, PBWM, SARSA, & Sammon Mapping". Analytics India Magazine (in English). Retrieved 2021-12-04.
  3. 3.0 3.1 "लीब्रा पीबीडब्ल्यूएम". CCNLab.