基于错误还是目标？一种统一的递归脉冲网络学习框架
摘要：生物或人工网络中的学习意味着改变网络动态的规律，以更好地在特定情况下表现。在监督学习领域中，有两种互补的方法：基于误差和基于目标的学习。然而，对于哪种方法更适合哪种任务以及哪种方法最符合生物可行性尚无共识。本文提出了一个包含这两种框架作为特例的全面理论框架。这种新颖的理论形式提供了对两种方法之间的差异的重要见解。特别是，我们展示了当目标动力学的约束数量（以及作为结果的内部网络动力学的约束数量）与网络的自由度相当时，基于目标的方法如何自然地从基于误差的方法中出现。此外，鉴于关于脉冲在生物网络中的重要性的实验证据，我们研究了使用特定脉冲模式进行编码的作用，通过引入一个定义在学习过程中对精确脉冲时序的容忍度的参数。我们的方法自然适用于模仿学习（尤其是行为克隆），并将其应用于解决相关的闭环任务，如按钮与食物任务和2D双足行者任务。我们展示了在需要长时间保持记忆的任务（按钮与食物）中，高维反馈结构是非常重要的。另一方面，我们发现使用特定脉冲模式进行编码可以实现在运动任务（2D双足行者）中的最优性能。最后，我们展示了我们的理论框架提出了推断生物网络中学习反馈结构的协议。
作者：Cristiano Capone, Paolo Muratore and Pier Stanislao Paolucci
论文ID：2109.01039
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2022-10-12