taojunbo的个人博客

也许用复变函数坐标变换解释我们的记忆思维会更有趣。小圆在大圆圆内运动时会改大圆的整体架构，自动拉伸和压缩大圆网格。网格代表神经元、胶质细胞和突触。颜色代表神经元、胶质细胞和突触的活性，也体现了网格对外部压缩和拉伸的激活反应。小球运动体现我们在思考。 之前研究高低阶的深度情感记忆和认知的突触位置 ...

上游脑区考虑高阶的认知、情感和记忆，前额叶皮层简单信号可能采用泰勒二阶近似。简化的高低阶的深度学 习模型把上游脑区反向传播可能的牛顿法改成了梯度下降法。通过仿真我们比较了正常的高低阶和异常反转的 高低阶的大脑架构，而星形胶质细胞或小胶质细胞吞噬突触的概率增高能一定程度上消除正常和异常的大脑架 ...

自己类脑和计算神经科学研究的总结。包括意识模型、记忆模型、脑疾病的阿尔兹海默症模型并给出阿尔兹海默症机理猜想；脑精神疾病的强迫症模型、选择困难症模型、偏见模型、抑郁症模型及相应猜想，这些模型的基础是上下游脑区深度学习模型。 1. 研究初级的模拟大脑的深度学习模型。星形胶质细胞、突触和神经元相互作用 ...

对自己类脑和计算神经科学研究的总结: 1.研究初级深度学习模型，星形胶质细胞、突触和神经元相互作用的深度学习模型。 2.研究高级的深度学习模型，上下游脑区深度学习模型，一些脑区因为简单信号更加理智具有高阶优化，一些脑区因为累积的复杂信号需要更多情绪记忆跳出局部最优提高认知。 3.记忆是什么，如何在各脑 ...

记忆是什么？ 也许是大脑不同皮层的印刻在胶质细胞的二维对数螺旋线。 记忆印记进行湍流运动的临界值和沿途损失？ 对数螺旋线发生湍流时就是对唯一变量角应变求导，数螺旋线形状不变，但图像质量被压缩，它发生湍流运动临界值就是正好突破自身发生湍流应变的角运动。 为什么脑纵剖面几何形状像螺旋波？ 给了证明 ...

Fig.1 Deep learning model for upstream and downstream brain regions 在湍流实现信息在脑区皮层间流动的假设前提下，在不同脑区皮层间信息传递有一个湍流临界值的假设前提下，在上游脑区更加理智高阶而下游脑区更具有情绪记忆建立深度学习模型的假设前提下，我基于湍流反向的深度学习模型可以解释阿尔兹 ...