神经启发自适应网络中的关键漂移
摘要：大脑在自组织临界状态下运作，带来多种好处，如对输入的最佳敏感性。到目前为止，自组织临界性通常被描述为一维过程，其中一个参数被调整到临界值。然而，大脑中可调参数的数量庞大，因此可以预期临界状态在高维参数空间内占据一个高维度流形。在这里，我们展示了受到稳态可塑性启发的适应规则，驱动着一个神经启发网络在一个临界流形上漂移，系统在不活动和持续活动之间的平衡状态。在漂移过程中，全局网络参数继续变化，而系统保持在临界性。
作者：Silja Sormunen, Thilo Gross and Jari Saram"aki
论文ID：2206.10315
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2023-05-08