相关性不变的突触可塑性
摘要：皮层神经元群发展出适应环境统计学的稀疏表示。尽管现有的突触可塑性模型能够重现部分观察到的感受域属性，但主要障碍是Hebbian学习对皮层网络中普遍存在的虚假相关性非常敏感，这可能掩盖了相关的潜在输入特征。在这里我们发展了一种对输入中二阶相关性不变的突触可塑性理论。在超越经典的Hebbian学习的基础上，我们展示了Hebbian长期抑制（LTD）如何取消对二阶相关性的敏感性，使感受域与隐藏在高阶统计学中的特征对齐。我们的模拟证明了相关不变性使得生物真实的模型能够发展出稀疏的人口编码，尽管存在多样的变异性和异质性水平。这一理论推进了我们对皮层电路中局部无监督学习的理解，并给金字塔神经元的突触LTD机制指定了具体的功能角色。
作者：Carlos Stein N. Brito, Wulfram Gerstner
论文ID：2105.10109
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-09-16