Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Neues Lernschema für neuronale Netzwerke

04.03.2016

Nervennetze lernen zeitlich getrennte Reize miteinander zu verknüpfen

Blätterrascheln, das Knacken eines Astes – für eine Maus sind dies zunächst harmlose Sinneseindrücke. Nicht aber, wenn kurz darauf eine Katze aus dem Gebüsch stürzt – dann waren es Hinweise auf eine lebensbedrohliche Gefahr.


Neuronennetzwerk mit unterschiedlichen Sinnesreizen (farbige Kästen), die sich in der Eingangsaktivität widerspiegeln (Punkte-Raster).

MPI für experimentelle Medizin/R. Gütig

Robert Gütig vom Max-Planck Institut für experimentelle Medizin in Göttingen hat nun herausgefunden, wie das Gehirn Sinneswahrnehmungen mit verzögert auftretenden Ereignissen verknüpfen kann. Dazu hat der Forscher ein Lernschema für ein Computermodell entwickelt.

Die virtuellen Zellen können darin lernen, zwischen vielen unterschiedlichen Reizen zu unterscheiden, indem sie ihre Aktivität an die Häufigkeit der Hinweisreize anpassen. Das funktioniert auch dann, wenn zwischen Hinweisreiz und Ereignis eine zeitliche Lücke besteht.

Das von Gütig entdeckte Lernschema ist nicht nur für jedes Lebewesen überlebenswichtig, um Reize aus der Umwelt herauszufiltern, es hilft auch bei einer Vielzahl technologischer Lernprobleme. Forscher könnten es zum Beispiel zur Entwicklung von Programmen zur Spracherkennung einsetzen.

In der Tierwelt künden sich Gefahren oft vorher an: verräterische Geräusche, Bewegungen oder ein Geruch können Hinweise auf einen bevorstehenden Angriff eines Räubers sein. Überlebt etwa eine Maus den Angriff einer Katze, hat sie es in Zukunft leichter, wenn sie aus dem missglückten Angriff lernt und die Hinweise beim nächsten Mal frühzeitig deuten kann.

Es prasseln jedoch ständig eine Vielzahl sensorischer Eindrücke auf sie ein, von denen die meisten nicht auf eine Gefahr hindeuten. Woher weiß die Maus also, welche Geräusche und Gerüche aus der Umwelt etwa den Angriff einer Katze ankündigen und welche nicht?

Das Mausgehirn steht dabei vor einem Problem: Die entscheidenden Umgebungsreize sind meist zeitlich vom eigentlichen Angriff isoliert. Das Gehirn muss also einen Hinweis und das darauffolgende Ereignis – etwa einem Geräusch und einem Angriff – miteinander verknüpfen, die zeitlich auseinander liegen. Bisherige Theorien konnten nicht befriedigend erklären, wie das Gehirn die Zeit zwischen einem Hinweisreiz und dem eigentlichen Erlebnis überbrückt.

Robert Gütig vom Max-Planck-Institut für experimentelle Medizin hat entdeckt, wie das Gehirn dieses Problem lösen kann. Er hat am Computer ein Netzwerk aus Nervenzellen programmiert, das wie ein biologischer Zellverband auf Erregungen reagiert. Das Netzwerk kann lernen, diejenigen Hinweisreize herauszufiltern, die ein späteres Ereignis vorhersagen.

Auf die Häufigkeit kommt es an

Das Netzwerk lernt, indem es gezielt Synapsen zwischen den virtuellen Nervenzellen verstärkt oder abschwächt. Grundlage des Computermodells ist eine synaptische Lernregel, mit der einzelne Nervenzellen ihre Aktivität in Abhängigkeit von einem einfachen Lernsignal erhöhen oder absenken können. Mit dieser Lernregel setzt Gütig ein neues Lernschema um:

„Dieses häufigkeitsbasierte Lernschema beruht auf der Idee, die Verbindungen zwischen Zellen so einzustellen, dass die resultierende neuronale Aktivität über einen Zeitraum gesehen proportional zur Häufigkeit der Hinweisreize wird“, erklärt Gütig. Spiegelt also ein Lernsignal das Auftreten und die Stärke bestimmter Ereignisse im Umfeld der Maus wieder, so lernen die Nervenzellen auf jene Reize zu reagieren, die diese Ereignisse vorhersagen.

Gütigs Netzwerke können aber auch dann lernen, auf Umgebungsreize zu reagieren, wenn keine Lernsignale aus der Umgebung vorhanden sind. Hierzu wird die mittlere neuronale Aktivität innerhalb eines Netzwerkes als Lernsignal interpretiert. Einzelne Nervenzellen lernen nun auf solche Reize zu reagieren, die genauso häufig aufgetreten sind wie die, auf welche die anderen Nervenzellen im Netzwerk reagieren. Dieses „selbst überwachte“ Lernen folgt einem anderen Prinzip, als etwa die Hebbsche Lernregel, die bislang häufig in künstlichen neuronalen Netzen zum Einsatz kam. Solche Hebbschen Netze lernen, indem sie die Synapsen zwischen den Zellen verstärken, die gleichzeitig oder kurz nacheinander aktiv sind. „Beim selbst überwachten Lernen muss die Aktivität der Zellen nicht zeitlich synchronisiert sein. Maßgeblich für die Änderung von Synapsen ist nur die Gesamtaktivität in einem bestimmten Zeitraum“, sagt Gütig. Somit können diese Netzwerke auch Sinnesreize verschiedener sensorischer Modalitäten, z.B. Sehen, Hören und Riechen, verknüpfen, deren neuronale Repräsentationen zeitlich erheblich gegeneinander verschoben sein können.

Gütigs Lernschema erklärt nicht nur biologische Prozesse, sondern könnte auch weitreichenden Verbesserungen innerhalb technologischer Anwendungen, z.B. der künstlichen Spracherkennung, den Weg bereiten. „Es wäre damit möglich, die Anforderungen für das Training computergestützter Spracherkennung erheblich zu vereinfachen. Anstatt aufwendig segmentierter Sprachdatenbanken oder komplexer Segmentierungsalgorithmen genügen für häufigkeitsbasiertes Lernen beispielsweise die Untertitel von Nachrichtensendungen“, so Gütig.

Originalpublikation:
Robert Gütig
Spiking neurons can discover predictive features by aggregate-label learning
Science 4 March 2016; DOI: 10.1126/science.aab4113

Ansprechpartner:
Dr. Robert Gütig
Max-Planck-Institut für experimentelle Medizin, Göttingen
Telefon:+49 551 3899-490
E-Mail:
guetig@em.mpg.de

Dr Harald Rösch | Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V.

Weitere Nachrichten aus der Kategorie Biowissenschaften Chemie:

nachricht Salmonellen als Medikament gegen Tumore
23.10.2017 | Helmholtz-Zentrum für Infektionsforschung

nachricht Add-ons: Was Computerprogramme und Proteine gemeinsam haben
23.10.2017 | Universität Regensburg

Alle Nachrichten aus der Kategorie: Biowissenschaften Chemie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Salmonellen als Medikament gegen Tumore

HZI-Forscher entwickeln Bakterienstamm, der in der Krebstherapie eingesetzt werden kann

Salmonellen sind gefährliche Krankheitserreger, die über verdorbene Lebensmittel in den Körper gelangen und schwere Infektionen verursachen können. Jedoch ist...

Im Focus: Salmonella as a tumour medication

HZI researchers developed a bacterial strain that can be used in cancer therapy

Salmonellae are dangerous pathogens that enter the body via contaminated food and can cause severe infections. But these bacteria are also known to target...

Im Focus: Hochfeldmagnet am BER II: Einblick in eine versteckte Ordnung

Seit dreißig Jahren gibt eine bestimmte Uranverbindung der Forschung Rätsel auf. Obwohl die Kristallstruktur einfach ist, versteht niemand, was beim Abkühlen unter eine bestimmte Temperatur genau passiert. Offenbar entsteht eine so genannte „versteckte Ordnung“, deren Natur völlig unklar ist. Nun haben Physiker erstmals diese versteckte Ordnung näher charakterisiert und auf mikroskopischer Skala untersucht. Dazu nutzten sie den Hochfeldmagneten am HZB, der Neutronenexperimente unter extrem hohen magnetischen Feldern ermöglicht.

Kristalle aus den Elementen Uran, Ruthenium, Rhodium und Silizium haben eine geometrisch einfache Struktur und sollten keine Geheimnisse mehr bergen. Doch das...

Im Focus: Schmetterlingsflügel inspiriert Photovoltaik: Absorption lässt sich um bis zu 200 Prozent steigern

Sonnenlicht, das von Solarzellen reflektiert wird, geht als ungenutzte Energie verloren. Die Flügel des Schmetterlings „Gewöhnliche Rose“ (Pachliopta aristolochiae) zeichnen sich durch Nanostrukturen aus, kleinste Löcher, die Licht über ein breites Spektrum deutlich besser absorbieren als glatte Oberflächen. Forschern am Karlsruher Institut für Technologie (KIT) ist es nun gelungen, diese Nanostrukturen auf Solarzellen zu übertragen und deren Licht-Absorptionsrate so um bis zu 200 Prozent zu steigern. Ihre Ergebnisse veröffentlichten die Wissenschaftler nun im Fachmagazin Science Advances. DOI: 10.1126/sciadv.1700232

„Der von uns untersuchte Schmetterling hat eine augenscheinliche Besonderheit: Er ist extrem dunkelschwarz. Das liegt daran, dass er für eine optimale...

Im Focus: Schnelle individualisierte Therapiewahl durch Sortierung von Biomolekülen und Zellen mit Licht

Im Blut zirkulierende Biomoleküle und Zellen sind Träger diagnostischer Information, deren Analyse hochwirksame, individuelle Therapien ermöglichen. Um diese Information zu erschließen, haben Wissenschaftler des Fraunhofer-Instituts für Lasertechnik ILT ein Mikrochip-basiertes Diagnosegerät entwickelt: Der »AnaLighter« analysiert und sortiert klinisch relevante Biomoleküle und Zellen in einer Blutprobe mit Licht. Dadurch können Frühdiagnosen beispielsweise von Tumor- sowie Herz-Kreislauf-Erkrankungen gestellt und patientenindividuelle Therapien eingeleitet werden. Experten des Fraunhofer ILT stellen diese Technologie vom 13.–16. November auf der COMPAMED 2017 in Düsseldorf vor.

Der »AnaLighter« ist ein kompaktes Diagnosegerät zum Sortieren von Zellen und Biomolekülen. Sein technologischer Kern basiert auf einem optisch schaltbaren...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics
Veranstaltungen

Konferenz IT-Security Community Xchange (IT-SECX) am 10. November 2017

23.10.2017 | Veranstaltungen

Die Zukunft der Luftfracht

23.10.2017 | Veranstaltungen

Ehrung des Autors Herbert W. Franke mit dem Kurd-Laßwitz-Sonderpreis 2017

23.10.2017 | Veranstaltungen

 
VideoLinks
B2B-VideoLinks
Weitere VideoLinks >>>
Aktuelle Beiträge

Magma sucht sich nach Flankenkollaps neue Wege

23.10.2017 | Geowissenschaften

Neues Sensorsystem sorgt für sichere Ernte

23.10.2017 | Informationstechnologie

Salmonellen als Medikament gegen Tumore

23.10.2017 | Biowissenschaften Chemie