شی مهندسی عصبی
شی مهندسی عصبی در مورد نرم‌افزار رایانه ای است که با نام (به انگلیسی"NENGO" ) نیز شناخته می شود.
شی مهندسی عصبی (Nengo) یک نرم‌افزار گرافیکی و اسکریپت نویسی برای شبیه سازی سیستم های عصبی در مقیاس بزرگ است. از آنجا که نرم‌افزار شبکه عصبی شی مهندسی عصبی ابزاری برای مدل سازی شبکه های عصبی با کاربردهایی در علوم شناختی ، روانشناسی ، هوش مصنوعی و علوم اعصاب است.
تاریخ[ویرایش]
نوعی از شی مهندسی عصبی از سال 2003 وجود داشته است. در اصل به عنوان یک متن متلب با نام (به انگلیسی NESim )(شبیه ساز مهندسی عصبی) ساخته شد بعداً با نام (به انگلیسی NEO) به پیاده سازی جاوا منتقل شد و سپس در نهایت به شی مهندسی عصبی. سه نسل اول شی مهندسی عصبی با تمرکز بر توسعه یک ابزار مدل سازی قدرتمند با یک رابط کاربری ساده و سیستم برنامه نویسی توسعه یافتند. از آنجا که ابزار به طور فزاینده ای مفید می شود ، محدودیت های سیستم از نظر سرعت به توسعه یک API agnostic عقب منجر می شود. این تکرار اخیر شی مهندسی عصبی ، یک API برنامه نویسی مبتنی بر پایتون را تعریف می کند که دارای پشتوانه هایی برای Numpy ، OpenCL و سخت افزارهای نورومورفیک مانند Spinnaker است. این جدیدترین تکرار همچنین با رابط کاربری گرافیکی تعاملی ارائه می شود تا به نمونه سازی سریع مدل های عصبی کمک کند.
به عنوان نرم‌افزار منبع باز ، شی مهندسی عصبی از یک مجوز سفارشی استفاده می کند که اجازه استفاده شخصی و تحقیقاتی رایگان را می دهد ، اما برای اهداف تجاری مجوز لازم است.
پیش زمینه نظری[ویرایش]
شی مهندسی عصبی بر اساس دو زیربنای نظری ، مهندسی عصبی ( به انگلیسیNEF) و معماری اشاره گر معنایی (SPA) ساخته شده است.
چارچوب مهندسی عصبی[ویرایش]
شی مهندسی عصبی در وهله اول با سایر نرم‌افزارهای مدل سازی تفاوت در نحوه مدل سازی اتصالات بین نورون ها و نقاط قوت آنها دارد. شی مهندسی عصبی با استفاده از NEF ، به جای اینکه وزنه ها را به صورت دستی تنظیم کند از یک قانون یادگیری برای پیکربندی آنها از یک شروع تصادفی ، تعیین وزن اتصال بین جمعیت نورون های سنبله دار را تعیین می کند. همانطور که گفته شد ، این روش های مدل سازی سنتی فوق‌الذکر هنوز در شی مهندسی عصبی در دسترس هستند.
معماری اشاره گر معنایی[ویرایش]
برای نشان دادن نمادها در شی مهندسی عصبی ، از SPA استفاده می شود. با استفاده از نمادها مدل سازی بسیاری از جنبه های شناخت انسان آسان تر است. در شی مهندسی عصبی ، اینها به عنوان بردار با مجموعه ای از عملیات مرتبط با آنها ارائه می شوند. به این بردارها و عملکردهای آنها SPA گفته می شود. SPA برای مدلسازی جستجوی زبانی انسان و برنامه ریزی کار استفاده شده است.
برنامه های کاربردی[ویرایش]
پیشرفت های چشمگیری که با استفاده از نرم‌افزار شی مهندسی عصبی انجام شده است ، در بسیاری از زمینه ها رخ داده است و شی مهندسی عصبی در بیش از 100 نشریه مورد استفاده و استناد قرار گرفته است. پیشرفت مهمی که باید به آن توجه شود ، Spaun است ، شبکه ای متشکل از 6/6 میلیون نورون سنبله دار مصنوعی (تعداد کمی در مقایسه با تعداد موجود در مغز انسان) ، که با استفاده از گروههایی از این سلولهای عصبی وظایف شناختی را از طریق هماهنگی انعطاف پذیر انجام می دهد. Spaun بزرگترین مدل عملکردی مغز در جهان است و می تواند برای آزمایش فرضیه ها در علوم اعصاب مورد استفاده قرار گیرد.
منابع[ویرایش]
1.Bekolay, Trevor et al. "Nengo: a Python tool for building large-scale unctional brain models"↑ Frontiers in Neuroinformatics. 2013; 3: 7: 48; retrieved 2016-10-28 2.Friedl, K. E.; Voelker, A. R.; Peer, A.; Eliasmith, C. (1 January 2016). "Human-Inspired Neurorobotic System for Classifying Surface Textures by Touch" (PDF). IEEE Robotics and Automation Letters. 1 (1): 516–523. doi:10.1109/LRA.2016.2517213. ISSN 2377-3766. Nengo History; retrieved 2016-10-28↑.3.
خواندن بیشتر[ویرایش]
کریس الیاسمیت (2013). چگونه می توان مغز ساخت. نیویورک: انتشارات دانشگاه آکسفورد. شابک 978-0199794546.
This article "شی مهندسی عصبی" is from Wikipedia. The list of its authors can be seen in its historical and/or the page Edithistory:شی مهندسی عصبی. Articles copied from Draft Namespace on Wikipedia could be seen on the Draft Namespace of Wikipedia and not main one.
