Resumen

Estudios sugieren que, dentro de la arquitectura jerárquica, el nivel topológico superior posiblemente representa los escenarios de los eventos sensoriales actuales con actividades cambiantes más lentas. Intentan predecir las actividades neurales en el nivel inferior transmitiendo la información predicha después de que se haya determinado el escenario del evento sensoriomotor. Por otro lado, la información sensorial entrante corrige dicha predicción de los eventos en el nivel superior mediante una señal novedosa o sorprendente de cambio rápido. A partir de este punto, proponemos un modelo predictivo jerárquico de red neuronal artificial que examina esta hipótesis en plataformas neurorobóticas. Integra la percepción y la acción en el marco de codificación predictiva. Además, en este modelo de red neuronal, existen diferentes escalas temporales de predicciones en distintos niveles de la arquitectura jerárquica de codificación predictiva, lo que define las memorias temporales en la grabación de los eventos ocurridos. Además, tanto las actividades neurales de cambio rápido como las de cambio lento son

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Estudios; Arquitectura jerárquica; Actividades neuronales; Marco de codificación predictiva; Escalas temporales; Experimentos neurorrobóticos
• Keywords:Studies; Hierarchical architecture; Neural activities; Predictive coding framework; Temporal scales; Neurorobotic experiments