受深度学习启发的海马体作为大脑数据集存储设备模型
神经元与认知
2017-06-20 v1
摘要
标准的记忆巩固模型认为，记忆最初记录在海马体中，而捕获数据更高层次泛化的特征则在大脑皮层中生成，并在那里可能被无限期地存储。计算机科学家从自然界中寻求灵感，以构建表现出生物系统中某些显著特性的机器。这一努力的成果之一是人工神经网络，这是一类在许多人工智能应用中代表最先进技术的算法。在这项工作中，我们逆转了灵感流向，利用从神经网络中获得的经验来深入了解大脑架构的设计和记忆的功能。我们的初步观察是，神经网络从数据中学习，并且在学习过程中需要多次暴露于每条数据记录：这要求将整个数据集存储在计算机内存中。我们的论点是，大脑也是如此，海马体的主要作用是存储“大脑数据集”，从中学习高阶特征并将其编码在皮层神经元中。
引用
@article{arxiv.1706.05932,
title = {A deep learning-inspired model of the hippocampus as storage device of the brain extended dataset},
author = {Alessandro Fontana},
journal= {arXiv preprint arXiv:1706.05932},
year = {2017}
}