Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
Self-organization of orientation maps due to external stimuli in the primary visual area of the cerebral cortex is studied in a two-layered neural network which consists of formal neuron models with a sigmoidal output function. A cluster learning rule is proposed as an extended Hebbian learning rule, where a modification of synaptic connections is influenced by an activation of neighboring output neurons. By making use of self-consistent Monte Carlo method, we evaluate output responses of neurons against explicit inputs after the learning. An orientation map calculated from the output responses reproduces characteristic features of biological ones. Moreover quantitative analysis of our results are consistent with those of experimental results. It is shown that the cluster learning rule plays an important role in forming smooth changes of preferred orientations.