FedTensor

다음은 뇌의 미시/거시 상태 및 확률적 도약 개념을 지지하는 주요 이론적 배경과 구체적인 실험 결과들을 정리한 문서입니다.1. 개요 뇌를 정적인 회로가 아닌, 끊임없이 변화하는 동적 시스템(Dynamic System)으로 이해하는 것은 현대 뇌과학의 핵심 패러다임입니다. 이 관점에서 "생각"이나 "감정" 같은 뇌의 거시적 상태(Macrostate)는, 수십억 개 뉴런의 순간적인 활동 패턴(Microstate)들이 통계적으로 모여 형성된 준안정 상태(Metastable State)로 간주됩니다. 의식의 흐름은 뇌가 하나의 준안정 상태(하나의 '생각')에 잠시 머무르다가, 내재된 노이즈(noise)나 외부 자극에 의해 확률적으로 다른 상태로 '도약'(Transition)하는 과정으로 설명됩니다. 이는 통계역..

본 문서는 현대 뇌과학의 성과를 바탕으로, 의식을 뇌 신경망의 통계적 속성과 베이지안 추론 과정의 결합으로 설명하는 확률적 모델을 제시합니다. 이 모델은 의식이 고정된 실체가 아니라, 뇌의 물리적 상태 공간(State Space) 위에서 펼쳐지는 동적이고 확률적인 현상임을 강조합니다.1. 뇌 신경망의 통계 역학: 거시 상태로서의 의식뇌의 활동과 의식의 관계를 통계 역학의 미시 상태와 거시 상태로 모델링할 수 있습니다.1.1. 미시 상태 (Microstate, $\omega$)정의: 뇌 신경망의 순간적인 물리적 상태입니다.구성 요소: 약 860억 개의 뉴런 각각의 활성화 상태(발화 여부, 발화율), 그리고 그 사이를 연결하는 약 $10^{15}$개 시냅스 각각의 연결 강도(weight) 및 신호 전달 물..

인공신경망(ANN)과 뇌 신경망(Biological Neural Network)은 모두 입력을 받아 처리한 후 출력을 내보내는 정보 처리 시스템이라는 점에서 유사하지만, 그 작동 방식과 특성에는 근본적인 차이가 있습니다. 두 신경망을 입출력(I/O) 관점과 뇌의 주요 특성(되먹임, 분산 처리, 신경가소성)을 중심으로 비교 설명합니다.1. 인공신경망 (ANN)의 입출력인공신경망(특히 보편적인 피드포워드 네트워크, FNN)의 입출력은 비교적 명확하고 정적입니다.입력 (Input):데이터가 정형화된 숫자 벡터(Vector) 또는 텐서(Tensor) 형태로 주어집니다. (예: 이미지의 픽셀 값, 문장의 단어 임베딩 값) 입력 데이터는 입력층(Input Layer)의 모든 노드에 동시에 전달됩니다.처리 (Proc..

로지스틱 회귀 모델에서 독립 변수($x$)의 값이 1 증가할 때 증가 전후의 오즈(Odds) 값의 비율, 즉 오즈비(Odds Ratio)는 $x$의 계수를 지수로 취한 값($e^\text{계수}$)이다.왜 $e^{\text{계수}}$가 오즈비인가?설명을 위해 로지스틱 회귀의 기본 식에서 시작하겠습니다. (독립 변수가 $x$ 하나라고 가정) 1. 로지스틱 회귀의 기본 식 (로짓 변환) 로지스틱 회귀는 '성공' 확률 $p$가 아니라, '성공'의 로그-오즈(Log-Odds)를 $x$에 대한 선형식으로 모델링합니다.$$log(Odds) = log\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1x$$$\beta_0$: 절편 ($x=0$일 때의 로그-오즈)$\beta_1$: $x..

logistic과 logit은 통계학에서 밀접하게 연결되어 있지만, 어원적으로는 서로 다른 시기에 다른 인물에 의해 만들어졌습니다. logit이 logistic에서 파생되었습니다.1. Logistic (로지스틱)logistic이라는 단어가 통계학의 S자형 곡선(로지스틱 함수)을 지칭하게 된 것은 logit보다 약 100년 정도 빠릅니다.창시자: 벨기에의 수학자 피에르 프랑수아 베르훌스트 (Pierre François Verhulst)시기: 1830년대 ~ 1840년대 어원: 베르훌스트는 인구 증가 모델을 설명하기 위해 이 S자형 곡선을 "로지스틱 곡선(logistic curve)"이라고 명명했습니다.그가 왜 이 이름을 선택했는지는 명확히 밝히지 않았지만, 가장 유력한 어원은 그리스어 logistikos(..