一种胶质细胞偶联人工神经网络模型

受到生物大脑神经胶质细胞和神经元互作用机制的启示,提出一种胶质细胞偶联人工神经网络(Glia-Coupled Artificial Neuron Networks,GCANNs)模型.对当前人工神经网络模型中的基本单元—神经元进行扩展,将每一个神经元连接一定数量的胶质细胞作为网络基本单元,通过神经元和胶质细胞的相互作用模型进行基本单元各元素的计算和更新,最后通过遗传算法对该模型的参数、拓扑结构进行优化.该网络模型能反应胶质细胞和神经元之间的双向通讯机制,更接近神经系统各元素之间的信息处理方式.实验表明,该模型能提升网络学习性能,在图像、文本等的分类任务上表现出比传统人工神经网络更高的准确率.此外,基于遗传算法的网络优化实验表明,为获得更高的适应度,大部分神经元都选择了与一定数量的胶质细胞“相连”,说明胶质细胞偶联的模型是经过了“自然进化、优胜劣汰”的更优模型.该模型能为构建更符合大脑工作机理的神经网络提供新的思路和方法,也能反向启发和推进神经科学研究.