高维度脑：单个神经元编码和快速学习记忆的工具
摘要：编码记忆是现代神经科学中的一个基本问题之一。这一现象背后的功能机制仍然大部分是未知的。实验证据表明，一些记忆功能是由分层脑结构（如海马体等）执行的。在这种特殊情况下，CA1区域的单个神经元会从信息处理中心CA3区域接收高度多维的输入。因此，我们评估了大量神经信号路由汇聚到单个细胞上对信息处理的影响。我们表明，在高维操作下，单个神经元可以选择性地检测和学习任意的信息项。这一论点基于随机分离定理和测量集中现象。我们证明了一个足够简单的功能性神经元模型能够解释：i）单个神经元对信息内容的极高选择性，ii）从一个大集合中同时分离出多个不相关的刺激或信息项，以及iii）通过将新项与已知项关联来动态学习新项。这些结果构成了将复杂记忆组织在单个神经元集合中的基础。此外，它们表明，在解释静态和动态记忆的基本概念时，对神经元集合的结构组织没有先验假设的必要。
作者：Ivan Y. Tyukin, Alexander N. Gorban, Carlos Calvo, Julia Makarova, Valeri A. Makarov
论文ID：1710.11227
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-05-17