I New Scientiest har vi en excellent artikel och en av de trevligaste lättsamma ändå med värde jag läst på kanske en till två månader: The Power of the abstract.
Ett perspektiv på ett närliggande ämne som intresserar mig men ändå inte exakt samma. Inga direkt hårda fakta men mycket av dimension och yta som uppmuntrar till att fundera själv. Jag tror säkert jag kommer läsa den en tredje gång.
Jag har heller absolut ingenting emot teoretiska fysiker men jag menar att de bäst inte klumpar samman sig i ett fåtal områden utan givet att man inte följer ett bevisat spår mot ett konkret mål utan letar möjligheter ger scouting mer. Jag tvivlar också starkt på att någon har ett exempel från historien där så många utna konkret arbetande på samma sak utan att komma närmare givet något resultat överhuvudtaget. Tvärtom har vi ju motsatta exempel som alla osm slösade bort tid på att söka topologiska lösningar rörande Perelman's proof.
Vad är det underliggande problemet? Språk är kraftfullt. Vi optimerar värdet samarbete ger och i det ligger i att vi värderar gruppens åsikter och hos yngre forskare som börjar sin forskning visst förtroende för att vägen som indikeras är görlig. Det väger tyngre än att sätta sig med papper och penna och titta efter vad P(nästa kanske är något av värde | många många personer som producerat enorma mängder utan en enda träff) som för strängteorin. Där man ju också bekräftar varandra som har befintligt "investerat" en massa tid på det.
Det skulle vara en gigantisk överraskning om det inte kommer ge ordentligt mer upptäckter om sådant begränsas till kanske maximalt 5 - 6 st och man arbetar i olika områden utan att konvergera mot falska maximum.
Historisk har jag dock absolut inget emot området som sådant. Varande ett lätt esoteriskt område var ju matematiken aldrig svår åtminstone för kvantmekaniken och ett par till vi hade tror jag redje året på teknisk fysik. Kvantkemin tidigare gjorde egentligen mycket mer sense praktiskt men då hade vi ju privlegiet att fortfarande ha Hägg där jag förestämmer mig att man nu har något lättsammare fyllt av helt obevisade spekulerade idéer om enorma hål som sträcker sig över universum m.m.
Här har vi istället ett verkligt problem med praktiska implementationer. Kabelekvationen är en gammal fiende till mig från 2009 när den nära nog drev mig till vansinne. Givet att jag nu satt och roade mig en aning med perceptionens gamla lagar där man kan uppleva att det finns en del samband som går att förenkla ner för att spara tid och öka effektivitet rörande samband runt entropi för att detektera förändring relaterat till information men där också en energiaspekt ev. har viss betydelse även i approximationen mer rörande vad som modelleras sökte jag efter fler lagar.
Lagar från en enklare mycket mer noggran tid när forskare var väldigt exakta och mätte med en stor klocka medan de stel i ryggen blickade rikt fram medan de väntade på en ny testserie att skriva ner för att på kvällen förhand plotta upp det gång på gång sökande samband och orrelation (sedan kom modern medicin och de blev alla glada och började med forskning som verkar trevligare eller pysslar med stora instrument som fMRI och båda har stort värde men p.s.s. har det minst sagt poänger att ta sig en titt bakåt) råkade jag för att försöka hitta en till trevligt noggrant mätt relation som går att ta in i en samlat bijective funktion där man ka få 1 - 1 men också projisera ner till en mindre mängd ramla in på The Length Constant i Wikipedia från Google (mer komplett och korrekt förklarad i length constant från cable theory i Scholarpedia).
Det är oerhört svårt att se hur kabelteorin egentligen ska kunna fungera som modell annat än för de minst intressanta fallen och kanske även då att viktig information skärs bort. Även när man ser det som jag gjorde för absolut gehör är det en förenklad bild:
"Även om denna förklaring var tilltalande är den en aning förenklad utan att förklara mer. Låt oss därför lämna bias från signalbehandlingens sampling och inse att det här måste vara koncept som varit möjliga att återanvända för allt möjligt."
Från: 3.9 Absolut gehör visar hur neuroner söker exakthet respektive samarbetar
När det kommer till att uttrycka korrelationen för den bättre lösningen som följer på det har vi dock fortfarande ett litet mysterium (även om förenklingen som görs efter givetvis när vi nu arbetar med bayesianska samband kommer gå lika bra oavsett vad den faktiska kanalen är)
Den närliggande korrelationen är absolut inget problem att fånga på detta sätt och vad vi ser att dendriterna gör. Samtidigt gäller att även om samband uttrycks via kolonnerna räcker inte det för att skapa den meningsfullhet som vi konkret från oss själva vet är verklig (antar vi här där vi ju också kan konstatera från bl.a. denna studie att ord som ju uttrycker interferens inte nödvändigtvis aktiverar några inarbetat antagna särskilda språkcentrum: Neural Circuits Used in Processing Basic Linguistic Phrases Identified. Låter för mig som vi har out-of-band data som passeras men jag har inte hunnit läsa mer än pressmeddelandet men det tycks ju tydligt nog). D.v.s. längre korrelation även i respektive "platta värld" måste också till.
Här är det då svårt att kabelekvationen infört en massa förenklingar där man först och främst approximerar bort den korrelation som redan dendriterna kan uttrycka. Men det exakta felet ser jag inte men låt oss resonera lite och vi börjar med:
"The spatial extent of neurons provides both opportunity and difficulty. As an example of the former, a complex dendritic tree allows a neuron to receive a large number of synaptic inputs (hundreds of thousands in the case of the Purkinje cell!). Furthermore, the inputs can interact in highly nonlinear ways in the dendritic tree which goes well beyond just summing them up, thus allowing dendritic computations.
On the other hand, the fact that synaptic inputs are collected far away from the soma leads to the inherent difficulty that, when they arrive at the soma, they will be filtered and attenuated. That is, the current that is seen at the soma will be very different (usually much smaller and of a different shape) than the current that is injected at the site of the synapse."
Och visst är dendriterna komplexa räknemaskiner bland det mest fantastiska vi har i hjärnan. Där uttrycker vi korrelation men kastar vi sedan bort större delen av den informationen bara för att uttrycka en ner trivialiserad mer eller mindre? Och om så varför klarar inte förenklade modeller även när de växt sig stora av ens i närheten av ganska jämförbart enkla biologiska nätverk med lite skalning?
Så låt oss anta att förutom information antaganden som uttrycks framåt gäller det korrelation som filtrerats och kan vara fortsatt mer komplext än linjärt upp eller inte lika mycket upp (där ju om vi inte når tröskelvärdet allt data skulle vara borta om vi inte når det senare trots att det i sig kan vara mycket värdefullare information för andra neuroner om det är ovanligt d.v.s. indikerar problem med hela processen).
Nu har vi nått axonen där kabelexaktionen ska gälla. Vad menar de egentligen med e här och lambada? Är det verkligen elläran som de hamnat i eller är det vågrörelselära och i så fall är det verkligen vad som kan approximera dendriterna? Jag begriper inte hur de får ihopp den för neuronerna i något intressant fall och egentligen är jag inte säker på att de beräknar vad de tror. Kanske något annat som uttrycker samma sak ungefär i vissa fall. Någon borde ta och ta fram en enkel och sund formel här lämplig för enkla män som jag: relativa distanser, enkla igenkänningsbara polära kordinater, inga antaganden om att vissa saker inte har någon betydelse när det tycks ha det o.s.v. Sund matematik. Utan all den här subkulturen som växt fram i medicinen där den har som en egen helt meningslös syntax för matematik och fysik som troligen mest försvårar för dom själva.
Så låt oss kliva över den och cellkärnan och besökas våra glada vänner synapserna. De tar ju nu som vi alla vet emot information via återupptagning där det ju i princip är vad jag först skrev men som är felaktigt: derivata av den funktion dendriterna i ett perspektiv kan sägas ha integrerat (men som vi enklare oraktiskt oftast tillräckligt hellre ser som att de tagit ner exponenten på data och uttryckt icke-linjära samband precis som : Dr. Ernst Niebur från Hopkins skriver i Scholarpedia) där vad som nog är fallet är fallet jag skrev innanför parentes samt att de särskilt fångar också vissa typer av förändringar medan det är axon som löser integralen (eller hur vi beroende av modell ser det där andra alternativ kan göra det lika bra och implementerat för prestanda också de som är snabbare men vi återvänder till det längre ner).
Skulle nu återupptagning bara vara att återta kemisk energi hade vi ju rimligen inte avfyrat sådana mängder för mycket där ju nedskalning och ändå ha feltolerans rimligen måste vara möjligt. Vill vi däremot uttrycka vår relativa hastighet och fånga korrelation framför rörande det är det en helt annan sak. Då har vi också en väg att implicit kunna ta emot felkoder som vandrar i den direkta närheten och kanske längre än så (men i så fall när vi när aktivitet är lugnare).
Men vi behöver också lokaliserad hantering av korrelation med ett tillstånd där dendriterna konkret inte tycks riktigt räcka till givet var de befinner sig och givet att de redan hanterar en hel del mycket viktigare under större delen av vår evolution samtidigt som de implicit via ökad närhet till synapser också uttrycker ett långsamt fast tillstånd.
Det logiska svaret givet längd och därmed faktisk komplexitet av förändringar i utsträckning och form givet signalförstärkningen där jag också hittade ett par studir (finns (nästan sist efter övriga länkar om wavelets) som pekar på det d.v.s. nästan ingenting för ett så komplext område och det säger oss egentligen inte så himla mycket mer än att vi nu kan ex. (beroende på hur vi vill se det) integrera en funktion uttryckt av axonen över korrelationer (t.ex. i form av uttryckt förändring som entropi eller varians för olika tider där man efter ett tag börjar om och överlagrar data) väldigt konkret som vi skulle se funktionen uttryckt fysiskt följande formen men här i kanske (jag gissar där jag inte har en aning vilken feltolerans som ligger här men den kan vara bättre än man tror)) fem kanske sex dimensioner från formen.
Varför skulle feltoleransen ev. vara låg? Vad är mängden som omger oss? Nå i den direkta närheten liksom över längre avstånd uttrycks förändringar i laddning och spänningsförändringar. Även om dessa kan påverka oss är det antingen meningsfulla rörelser eller vad som approximerar för oss i axonens runda löpande slumpmässiga vilket i båda fallen bör ge oss feltolerans respektive meningsfull långsam information.
Arbetar vi aktivt kommer den långa korrelationen kanske ha väldigt liten påverkan men kan av och till annars ha mer uttalad effekt. Är det väldigt slumpmässigt lär approximationsmetoden mindre troligt konvergera.
Här har jag dock vad denna lilla (om än i bilden uttryckt i en "platt" förenklad värld och med lite saker som inte medtagna där heller men det framgår väl ett perspektiv som man kan se på det) intelligens kan klara om den behöver för vissa positioner men oftast bara kan approximera utan att engagera sig i detaljer alls i de nedre sannolikhetsuttrycken just för korrelationen:
Se även 3.9 Absolut gehör visar hur neuroner söker exakthet respektive samarbetar eller för en introduktion till hela ämnet Pattern Recognition (Robert Schalkoff).
Många pratar alltid fourier runt neuroner men man ska ju ha klart för sig att givet dess enorma applikationer sedan evigheter snart nog och används i de flesta områden har folk ett bias. Varför skulle det vara något som motsvarar fourier? Visst jag kan se hur det tycks meningsfullt här men det finns många andra transformmetoder som kanske (vem vet något säkert) bättre uttrycker det och och kanske är wavelet av någon särskild typ trevligare givet att axonen har ganska lång utsträckning och vi vill ha feltolerans samt uttrycka många många dimensioner:
Se t.ex. University College of Londons arbeten för wavelets där jag såg något väldigt intressant 2009 men jag är inte helt säker på att jag hittade den nu men dessa visar alla excellent flexibiliteten både i de små detaljerna och att göra stora signaler också.
TREE-STRUCTURED WAVELET ESTIMATION IN A MIXED EFFECTS MODEL FOR SPECTRA OF REPLICATED TIME SERIES
Wavelet-based Scalable Video Coding: Algorithms and Complexity Models
Bayesian wavelet regression on curves with application to a spectroscopic calibration problem
On the Analytic Wavelet Transfor
Hippocampus dependent and independent theta-networks of working memory maintenance
THE INTEGRATION OF BOTTOM-UP AND TOPDOWN SIGNALS IN HUMAN PERCEPTION IN HEALTH AND DISEASE också från UCL har vi också en liten sammanfattning för dom som glömt dem efter att ha hjärntvättats med all fourieranalys i allt från matematik till vågrörelselära och annat otrevligt (det är fullt förståligt att folk efter ett antal år av det snart börjar se hela världen som fylld av vågor snarare än att det ofta är bara approximationsmetoder (kanske jag blev lite baffled av axonen här och gillar egentligen inte detta även om det givetvis är vad man approximerar utanför relationerna som gäller där).
"Wavelets are simple oscillating amplitude functions of time, with a zero mean amplitude (Samar et al., 1999). They are relatively localised in time and frequency space with large fluctuating amplitudes during a restricted time period and very low or zero amplitude outside that time period (see Figure 2.11). This localisation property allows one to follow the time course of component structures in the MEG signal. Wavelets can take a variety of shapes. For the analysis in this thesis, the Morlet wavelet, also known as the Gabor wavelet, is used. These are complex functions with real and imaginary parts consisting of a harmonic oscillation windowed in time by a Gaussian envelope. They are particularly suitable for analysis of oscillatory activity due to their sinusoidal nature (see Figure 2.11)"
Men vi säger oss detta? Tja åtminstone någonstans där vi konvergerat behöver det inverka på något som är lite "ortogonalt" mot signalsubstanserna och dessutom gjort det försåtligt i stealth utan att någon lakt märke till det kan överföra energi tror jag. Kanske är det inte mer avancerat än att spänningsförändringar både rörande detta och återupptagning påverkar ATP? Men jag verkligen ingen aning. Men för mig tycks det lite misstänkt beteende av den att både hålla till inne i cellerna men också röra sig mellan cellerna och särskilt till glia om denna studie stämmer: ATP: an extracellular signaling molecule between neurons and glia Även om vi accepterar det har vi dock bara balanserat den krotare korrelation som dendriterna uttrycker och som inte ska gå att passera igenom axonen.
Vidare trots att man utgår från ett fall där korrelation uppenbart måste ha skett givet man säger om lambda har man stängd alla dörrar till att det kan ske utan att öppna några nya möjligheter.
"During early embryogenesis, glial cells direct the migration of neurons and produce molecules that modify the growth of axons and dendrites. Recent research indicates that glial cells of the hippocampus and cerebellum participate in synaptic transmission, regulate the clearance of neurotransmitters from the synaptic cleft, release factors such as ATP, which modulate presynaptic function, and even release neurotransmitters themselves."
Från: Glial cell
Utan att brytt mig att förläsa mig på glia celler kan vi ju dock se i hur de uttrycker sig mot omgivningen och deras strategiska placeringar i rymden för att kunna hålla kontakt just är optimerade för att fånga korrelation och det över längre avstånd:
Kanske är de lite som en semafor både i traditionell betydelse som kanal och som i datavetenskapen. Signalerar och gör det lite mer skyddat för viktigare saker.
Eller vad vi kan jämföra med myrornas mer inarbetade kraftigare doftspår som de alla bidragit till:
"Myror hanterar mycket av sin kommunikation direkt "analog" där de kan minnas enskilda vägar, uttrycka skador, information om risker m.m. med dofter och doftspår (se Current Bilogy) [3] för en sammanfattning av flera tekniker). Långa vägar som inkluderar mindre vägar och går över större områden kan de uttrycka tillsammans där de var och en förstärker och adderar information. Vi kan jämföra det med människans motoriska och perceptiva nätverk där vi just lagrar större datamassor i meningsfullt komprimerade mönster och som representerar oerhört mycket av vad vi är."
Från: Evolution: Hur vi fick vårt språk och blev människor
Där vi säkert har flera system som opererar över olika kanaler, avstånd och dimensioner (ungefär som vi kan samtala, köra bild - motsvarande detta om det är ATP givetvis eftersom det konkret både förbrukar och överför energi - eller surfa och telefonera m.m.).
Där vi för Dynamical Entropy Production in Spiking Neuron Networks in the Balanced State kan tänka att om vi tycks ha informationen kvar men den försvunnit och spikarna inte räcker till den är den i dörrar som stängts d.v.s. att en långsiktig komprimering av korrelation bör ha skett som också har en historik (jämför med Monty hall problemet).
Låt oss nu fråga oss vad de egentligen skrivit här: V(x) = V(0) * e (-pi/4).
Här är studierna rörande axonen jag hittade. Särskilt två även om själva resultaten givetvis är väntade den som är mest intressant i data.
Correlation Between Axonal Morphologies and Synaptic Input Kinetics of Interneurons from Mouse Visual Cortex
Action-Potential Modulation During Axonal Conduction
Vad ska vi nu korrelera detta inlägg med för musik? Notera här att Ray Charlge förstärker åt sig själv genom att uttrycka musiken också med kroppen. Frågan är för neuronerna (där ju vad vi diskuterat här kanske bl.a. inverkar på detta även om det skulle förvåna åtminstone mig om det inte ligger i dendriterna om skillnaden han uttrycker med kroppen är relativa eller absolut?
Jag har inget svar på den sista frågan. Man optimerar så lite på sådana sinnen allmänt tror jag när man är seende så det blir svårt att ens relatera till det oavsett trummande, dans m.m. Visuella cortex är massivt. Medan nog doftens perception förlorat länge för oss alla oavsett om vi är seende eller inte:
