学习贝叶斯最优树突观点汇聚
摘要：膜导电神经元网络模型中，神经元通常被概念化为在线性求和前应用非线性增益函数产生输出活动之前，升压神经元的输入进行线性求和处理。与之相反，中枢神经系统中的神经元之间的突触耦合通过离子通道的动态渗透性来调节。到目前为止，这些膜传导性的计算作用尚不清楚，并且通常被认为是生物底物的产物。在这里，我们证明了基于传导率的突触耦合可以使神经元能够表示、处理和学习不确定性。我们认为树突分支上的膜电位和传导率以及其相关的可靠性可以编码具有相关的可靠性的意见。膜的生物物理过程通过考虑它们的可靠性来结合这些意见，因此轴突作为决策制定者。我们推导了一种基于梯度的可塑性规则，允许神经元学习所需的目标分布并根据它们的相对可靠性加权神经元的输入。我们的理论解释了与多感觉综合相关的系统和单细胞水平的各种实验发现，并对树突整合和突触可塑性做出了可测量的预测。
作者：Jakob Jordan, Jo~ao Sacramento, Willem A.M. Wybo, Mihai A. Petrovici, Walter Senn
论文ID：2104.13238
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-11-10