Eine wesentliche und in den Abläufen ungeklärte Funktion der Großhirnrinde besteht darin, Signale unterschiedlicher Herkunft mit gespeichertem Vorwissen zu verrechnen und das Ergebnis dieser Vergleichsoperation zu klassifizieren. Ungeklärt ist ferner, ob dabei die dynamischen Eigenschaften der Netzwerke eine Rolle spielen. Zu diesen gehören Oszillationen in unterschiedlichen Frequenzbändern und Synchronisationsphänomene. Im vorgeschlagenen Projekt soll ein Konzept experimentell überprüft werden, das eine geschlossene Lösung dieser Fragen anbietet. Die Kernhypothese ist, dass Wissen in den differentiellen Gewichtungen der Myriaden von rekurrierenden Verbindungen gespeichert und in Form eines hochdimensionalen dynamischen Zustandsraumes verfügbar ist. Das Ergebnis des Abgleiches mit einlaufenden Signalen bestünde in der Auswahl eines niedrigdimensionalen Unterzustandes (Vektor), der dann einer Klassifikation zugeführt werden kann. Von der Sehrinde verhaltenstrainierter Rhesusaffen wird die Aktivität einer großen Zahl ausgewählter Nervenzellen gleichzeitig registriert und diese hochdimensionalen Zeitreihen werden dann mit mathematischen Verfahren aus den Bereichen der nicht-linearen Dynamik und des maschinellen Lernens ausgewertet und mit dem Verhalten der Tiere verglichen.

Projektleitung

Prof. Dr. Wolf Singer, FIAS / Ernst Strüngmann Institut

Gefördert durch