Department of Computer Science, University of Twente. Committee

Samenvatting
6 December 1997
3
Abstract
Coherent oscillation is a remarkable phenomenon which has been observed in several neurobiological experimental studies, and, as a result, has lately received substantial interest. It has already been observed that the activity levels of biological neurons often show distinct oscillations. What is more striking however, is that different neurons, even from separate areas in the brain, are sometimes found to oscillate in synchrony with each other. It is this last phenomenon that is called coherent oscillation. The most often-stated theory on the meaning of coherent oscillation is that it gives the brain the ability to separate or link together information, according to the simultaneity or nonsimultaneity of neurons’ firing moments. This way, larger amounts of data may be processed simultaneously without getting jumbled. By now, some concrete models exist which try to enhance neural computation in this way by using coherent oscillation. It is interesting to consider to what extent ideas from these models can be used to create a system that is also applicable to more arbitrary computational problems, in particular optimisation problems, to which classical Hopfield networks have already been applied. It will be argued that coherent oscillation may be able to solve some of the problems these classical systems have, and to generate multiple solutions simultaneously. A model will be formed, based on the existing models, which have to be analysed for applicability first. The model that is thus obtained can best be compared to the Spike Response Model. The model will then be tested and improved by means of simulation. The results of this study show that it is indeed possible to generate multiple solutions of a optimisation problem simultaneously, after choosing the right architecture and making some suitable modifications to the dynamical rules of the system. However, some limitations remain: the solutions may not have mutually overlapping variable assignments, the number of solutions that may be generated is limited, and the system does not scale well to larger problems.
Committee: prof.dr.ir. Anton Nijholt dr.ir. Jan van den Berg dr. Marc Drossaersபைடு நூலகம்dr. Mannes Poel
Samenvatting
Coherente oscillatie is een opvallend fenomeen, dat geobserveerd is in verscheidene neurobiologische experimentele onderzoeken, en daardoor tegenwoordig de nodige aandacht krijgt. In de eerste plaats was er al geobserveerd, dat de activiteit van biologische neuronen vaak zeer duidelijke oscillaties vertoont. Wat echter nog opvallender is, is dat neuronen, zelfs uit verschillende gebieden van de hersenen, soms synchroon met elkaar oscilleren. Dit laatste noemt men coherente oscillatie. De meest geopperde theorie over de betekenis van coherente oscillatie is, dat het de mogelijkheid tot het samenvoegen en uit elkaar houden van gegevens geeft, doordat de vuurmomenten van de neuronen al dan niet precies tegelijk optreden. Zo kunnen extra veel gegevens tegelijk verwerkt worden zonder dat deze verward raken. Er bestaan ondertussen een aantal concrete modellen die proberen een dergelijke verbetering met behulp van coherente oscillatie te bewerkstelligen. Het is interessant om te kijken in hoeverre met behulp van deze modellen een systeem gemaakt kan worden dat ook toepasbaar is voor het oplossen van willekeurigere computationele problemen, met name optimalisatieproblemen, zoals deze al opgelost worden met behulp van klassieke Hopfield-netwerken. Hier wordt beargumenteerd dat coherente oscillatie misschien in staat kan zijn om een aantal problemen van deze klassieke systemen te verbeteren, en om meerdere oplossingen tegelijk te genereren. Er wordt een model opgesteld aan de hand van de bestaande modellen, die daartoe eerst geanalyseerd worden op bruikbaarheid. Het zo ontstane model lijkt het meest op het Spike Response Model. Het model wordt vervolgens getoetst en bijgeschaafd door middel van simulaties. Het resultaat van dit onderzoek is, dat het mogelijk blijkt te zijn om meerdere oplossingen van een optimalisatieprobleem tegelijk te genereren, na de juiste architectuur te hebben gekozen en de juiste aanpassingen aan de dynamische regels van het systeem te maken. Echter, een aantal beperkingen blijven: de oplossingen mogen onderling geen overlappende variabelentoekenning hebben, het aantal oplossingen dat tegelijk gegenereerd kan worden is beperkt, en het netwerk is niet goed schaalbaar naar grotere problemen.