La red cortical recurrente es una red cortical que involucra neuronas en la misma región del cerebro.
Típicamente en el cerebro, la información fluye desde el estímulo hacia arriba a través de varias áreas del cerebro. Las conexiones de menor (más cercano al estímulo) a mayor (más alejado del estímulo) se consideran alimentación hacia adelante. Lo contrario es retroalimentar. Las conexiones dentro de las mismas áreas corticales se consideran conexiones recurrentes.
Por ejemplo, en la ruta visual, las primeras áreas visuales son las siguientes:
- ¿Qué opinas de la exageración actual sobre Deep Learning?
- ¿Por qué el aumento de gradiente funciona tan bien para tantos problemas de Kaggle?
- ¿Puedo usar algoritmos y bibliotecas ML para empresas?
- ¿Por qué la optimización convexa es tan importante en el aprendizaje automático?
- ¿Qué es Distill y cuál es su importancia para la investigación de Machine Learning?
Retina – LGN – V1 – V2
El flujo de información de LGN a V1 se considera de avance. Esto se atribuye a la generación de algunos campos receptivos selectivos de características (orientación, disparidad, etc.) en V1. El flujo de información desde áreas más altas hasta V1 se retroalimenta. Se cree que la modulación atencional en V1 ocurre de esta manera. Hay conexiones de neuronas dentro de V1. Se cree que dan forma a la dinámica de la respuesta de V1. Varias propiedades de adaptación específicas del patrón de estímulo se atribuyen a las redes recurrentes en V1.
