40、基于嗅球启发的递归神经网络模式识别

基于嗅球启发的递归神经网络模式识别

在当今科技发展中，模式识别技术的重要性日益凸显。而生物的嗅觉系统在模式识别方面展现出了独特的优势，它能够区分非常相似的气味混合物，这一能力启发了我们构建基于嗅球的递归神经网络用于模式识别。

1. 引言

人工神经网络作为模式识别工具，其主要动机源于与大脑回路的明显相似性。在生物进化过程中，大脑形成了许多组织原则，以适应复杂多变的环境。虽然这些原则尚未被完全明确理解，但实验和理论神经科学家正逐步揭开它们的神秘面纱。

在大脑的各种感官中，嗅觉尤为有趣。通过嗅觉，大脑能将不同化学物质的复杂混合物感知为单一的气味，且相较于其他感官，其处理阶段相对较少。气味中的各种分子信息被嗅觉受体神经元（ORNs）检测后，在脊椎动物的第一个嗅觉处理阶段——嗅球（OB）中以时空模式进行整合。这种动态模式似乎很好地代表了气味的基本特征，如身份和强度。

考虑到模式是不同元素的组合，就像气味是不同分子的构建物一样，我们可以将模式识别与嗅球的气味识别进行类比。基于此，我们提出了一个受脊椎动物嗅球简化模型启发的递归神经网络，用于模式识别。

2. 嗅球概述

嗅球的解剖结构和组织已有详细记录。其主要细胞类型和连接如图1所示：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    ORN1(ORN1):::process --> Gl1(Glomerulus 1):::process
    ORN2(ORN2):::process