Eine harmonische Analyse für die Sichtabbildung
Die Wissenschaftler des Projekts HAVIX (Harmonic analysis for optimal coding and the design principles of brain's visual cortex) fokussierten sich darauf, unter Anwendung harmonischer und geometrischer Analysis Herausforderungen im Zusammenhang mit der Annäherung an und Verarbeitung von Daten im primären visuellen Kortex des Gehirns zu überwinden. Das Ziel war die Entwicklung funktionaler Modelle zum neuronalen Verhalten des menschlichen Sichtsystems. Die Forscher kamen auf die Idee, Daten zu visuellen Reizen in symmetrische Räume wie bspw. eine generalisierte Wavelet-Transformation einzubetten, nachdem die Symmetrien für solche Daten annäherungsweise bestimmt worden waren. Es wurde eine harmonische Analyse angewandt, um nichtkommutative Gruppen im Hinblick auf die Nachbildungseigenschaften, die Dimensionalitätsreduktion und die Lernmechanismen zu beschreiben. Die HAVIX-Mitglieder entwickelten erfolgreich eine allgemeine Theorie sowie einen modularen Allzweck-Rahmen für nichtkommutative verschiebungsinvariante Systeme. Dieser Ansatz ermöglicht die Beschreibung von Nachbildungssystemen in einer großen Klasse generalisierter Wavelet-Transformationen. Die Wissenschaftler erzielten im Hinblick auf Berechnungsmodelle zur Merkmalextraktion im primären visuellen Kortex wesentliche Fortschritte. Es wurden ebenfalls neuronale Rahmen für die räumlich-zeitliche Segmentierung und für das Verstärkungslernen bezüglich der auditiven Wahrnehmung entwickelt. Unter Verwendung neuartiger harmonischer, spektraler und nichtlinearer Techniken wurden erfolgreich bekannte Wahrnehmungsexperimente im Bereich der Neurophysiologie und Psychologie nachgebildet. Die Resultate führten zur Anfertigung von acht Wissenschaftsbeiträgen, zu 14 Konferenzen, zu einem Workshop sowie zu drei Informationsverbreitungsaktivitäten. Trotz des Projektendes arbeitet das HAVIX-Team auf Grundlage der Projektarbeit bereits mit weiteren Forschungsgruppen an verschiedenen neuen Ideen zusammen. Die Projektergebnisse haben zu einem tieferen Verständnis der neuronalen Mechanismen bei der Merkmalextraktion im primären visuellen Kortex geführt. Hierdurch bieten sich Anwendungsmöglichkeiten für eine bessere Verschlüsselung und Komprimierung geometrischer Daten, für robotische Prothesen, für das Maschinenlernen und für das künstliche Sehen.
Schlüsselbegriffe
Harmonische Analyse, Sichtsystem, neuronales Verhalten, geometrisch, Modell, Wavelet, nichtkommutative Gruppe, Nachbildungseigenschaften, Maschinenlernen, künstliches Sehen
