Инд. авторы:	Вишневский О.В., Путинцев Н.И., Запара Т.А., Ратушняк А.С.
Заглавие:	Анализ когнитивных свойств нейронных систем на основе методов биологической обратной связи
Библ. ссылка:	Вишневский О.В., Путинцев Н.И., Запара Т.А., Ратушняк А.С. Анализ когнитивных свойств нейронных систем на основе методов биологической обратной связи // Вавиловский журнал генетики и селекции. - 2014. - Т.18. - № 4-3. - С.1195-1204. - ISSN 2500-0462. - EISSN 2500-3259.
Внешние системы:	РИНЦ: 23001149;
Реферат:	eng: Problems of cognitive system reengineering, i.e., the development of devices with cognitive properties on the basis of their biological prototypes cannot be solved without understanding the basic features of the architecture of biological systems, information properties, and molecular organization of the primitive units forming the architecture: nerve cells. Construction of learning models permits one to explore the activity of individual cells not only in terms of behavioral responses to natural stimuli, but also in experiments on isolated preparations with excitation of peripheral bodies and isolated cell structures. The software-tool complex NeuroFeedBack has been developed, which includes a system of living neurons and a neuro-computer interface feedback. The complex provides the reception and processing of input signals from neurons, their visualization and storage, as well as the generation of output reinforcing stimuli applied to the neurons. Analysis of the functional activity of neurons of the right parietal ganglion of the Lymnaea stagnalis mollusc in three models of reinforcement was performed with the complex. It was shown that optimization of neural activity occurred under the conditions of biofeedback, allowing the neuron to minimize the quantity of the reinforcing stimuli. The results obtained provided grounds for the design of a hybrid robotic system in which living neural systems using neuro-computer interface could solve navigation tasks, controlling a real-time mechanoelectronical device operating in the real environment. In the experiment, the use of the proposed programs of hybrid reinforcements allowed the robot to find a glowing light bulb and reach it in a few minutes. rus: Решение задач реинжиниринга когнитивных систем, т. е. разработки устройств, обладающих когнитивными свойствами, на основе их биологических прототипов, невозможно без понимания особенностей архитектуры биологических систем, информационных свойств и молекулярной организации основных элементарных ячеек, образующих эту архитектуру, - нервных клеток. Создание аналогов обучения позволяет исследовать активность отдельных клеток не только в условиях поведенческих реакций с естественными стимулами, но и в опытах на изолированных препаратах с использованием как раздражений периферических образований, так и воздействий на отдельные структуры клеток. Нами разработан программно-инструментальный комплекс NeuroFeedBack, включающий в себя систему живых нейронов и нейрокомпьютерный интерфейс с обратной связью. Комплекс обеспечивает прием и обработку входных сигналов, поступающих с нейронов, их визуализацию и хранение, а также формирование выходных подкрепляющих стимулов на нейроны. С помощью этого комплекса проведен анализ функциональной активности нейронов из правого париетального ганглия моллюска Lymnaea stagnalis в рамках трех моделей подкрепления. Показано, что в условиях биологической обратной связи происходит оптимизация активности нейрона, дающая ему возможность минимизировать количество получаемых подкрепляющих стимулов. Полученные результаты позволили создать гибридную роботизированную систему, в которой живые нейронные системы с помощью нейрокомпьютерного интерфейса способны решать навигационные задачи, управляя в реальном времени электронно-механическим устройством, функционирующим в реальных времени и среде. Так, использование предложенных программ подкрепления позволило гибридному роботу находить светящуюся лампочку и достигать ее в течение нескольких минут.
Ключевые слова:	биологическая обратная связь; когнитивные свойства; нейронные системы; нейрон; Hybrid robot; biofeedback; cognitive features; neural network; neuron; гибридный робот;
Издано:	2014
Физ. характеристика:	с.1195-1204
Цитирование:	1. Василевский Н.Н., Суворов Н.Б., Трубачев В.В. Устойчивые изменения частоты и синхронности разрядов корковых нейронных популяций в экспериментах с обратной связью // Докл. АН СССР. 1972. Т. 206. С. 510-512 2. Вербный Я.И., Могилевский А.Я. Возможный механизм пластических перестроек активности нейрона при различных режимах внутриклеточной электростимуляции по данным методов системного анализа // Журн. высш. нерв. деятельности. 1993. Т. 43. С. 129-138 3. Костенко М.А. Выделение одиночных нервных клеток из мозга моллюска Limnaea stagnalis для дальнейшего культивирования их in vitro // Цитология. 1972. Т. 14. С. 1274-1278 4. остюк П.Г. Проблема реактивности и современные достижения нейрофизиологии // Физиологические науки -медицине. Л.: Наука, 1983. С. 5-10 5. Котляр Б.И. Пластичность нервной системы. М.: Изд-во МГУ, 1986. 240 с 6. Кэндел Е. Клеточные основы поведения. М.: Мир, 1980. 598 с 7. Ратушняк А.С., Воскреcенская Л.В., Панкова Т.М., Штарк М.Б. «Адаптивная» следовая реакция нейронов гиппокампа в культуре ткани // Докл. АН СССР. 1976. Т. 228. С. 1479-1481 8. Bakkum D.J., Gamblen P.M., Ben-Ary B., Chao Z.C., Potter S.M. MEART: The semi-living artist // Front. Neurorobotics. 2007. V. 5. P. 1-10. 9. Bakkum D.J., Shkolnik A.C., Ben-Ary G., Gamblen P., DeMarse T.B., Potter S.M. Removing Some ‘A’ from AI: Embodied Cultured Networks, Embodied Artificial Intelligence, Lecture Notes in Computer Sci. 2004. V. 3139. P. 130-145. 10. Balaban P.M., Korshunova Т.А., Bravarenko N.I. Postsynaptic calcium contributes to reinforcement in a three-neuron network exhibiting associative plasticity // Eur. J. Neurosci. 2004. V. 19. P. 227-233. 11. Cozzi L., D’Angelo P., Chiappalone M. et al. Coding and decoding of information in a bi-directional neural interface // Neurocomputing. 2005. 65-66. P. 783-792. 12. DeMarse T.B., Wagenaar D., Blau A.W., Potter S.M. The neurally controlled animat: biological brains acting with simulated bodies // Auton Robots. 2001. V. 11. No. 3. P. 305-310. 13. Hayashi I., Kiyotoki M., Kiyohara A., Tokuda M., Kudoh S.N. Acquisition of logicality in living neuronal networks and its operation to fuzzy bio-robot system // FUZZ-IEEE. 2010. Р. 1-7. 14. Hayashi I., Kiyotoki M., Kiyohara A., Tokuda M., Kudoh S.N. Fuzzy bio-interface: Indicating logicality from living neuronal network and learning control of bio-robot // Intern. Joint. Conf. on Neural Networks. 2011. Р. 2417-2423 15. Kudoh S.N., Taguchi T., Hayashi I. Interaction and intelligence in living neuronal networks connected to moving robot // FUZZ-IEEE. 2006. Р. 1162-1166. 16. Kudoh S.N., Tokuda M., Kiyohara A., Hosokawa C., Taguchi T., Hayashi I. Vitroid - the robot system with an interface between a living neuronal network and outer world // Int. J. Mechatronics and Manufacturing Systems. 2011. V. 4. No. 2. Р. 135-149. 17. Kyriakides M., McCrohan C.R., Slade C.T. et al. The morphology and electrophysiology of the neurons of the paired pedal ganglia of Lymnaea stagnalis (L.) // Comp. Biochem. Physiol. Comp. Physiol. 1989. V. 93. P. 861-876. 18. Mozzachiodi R., Byrne J.H. More than synaptic plasticity: role of nonsynaptic plasticity in learning and memory // Trends Neurosci. 2010. V. 33. P. 17-26. 19. Mussa-Ivaldi F.A., Alford S.T., Chiappalone M. et al. New perspectives on the dialogue between brains and machines // Front. Neurosci. 2010. 4. doi: 10.3389/neuro.01.008.2010 20. Novellino A., D’Angelo P., Cozzi L. et al. Connecting neurons to a mobile robot: an in vitro bidirectional neural interface // Comput. Intell. Neurosci. 2007. 2725. doi: 10.1155/2007/12725 21. Shkolnik A.C. Neurally controlled simulated robot: applying cultured neurons to pandle and approach/avoidance task in real time, and a framework for studying learning in vitro / S.M. Potter, J. Lu. Dept. of Mathematics and Computer Science. Emory Univ., Atlanta, 2003 22. Syed N.I., Bulloch A.G., Lukowiak K. In vitro reconstruction of the respiratory central pattern generator of the mollusk Lymnaea // Science. 1990. V. 250. P. 282-285 23. Tessadori J., Bisio M., Martinoia S., Chiappalone M. Modular neuronal assemblies embodied in a closed-loop environment: toward future integration of brains and machines // Front. Neural Circuits. 2012.6:99. doi: 10.3389/ fncir.2012.00099. Epub 2012 Dec 12 24. Warwick K., Xydas D., Nasuto S.J. Controlling a mobile robot with a biological brain // Def. Sci. J. 2010. V. 60. V. 1. P. 5-14