一种用于在线一次性存储模式序列的海马体模型
神经与进化计算
2019-05-31 v1 机器学习
神经元与认知
摘要
我们提出一个基于海马体 CRISP 理论（内容表征、内在序列与模式补全）的计算模型，该模型允许以在线一次性方式连续存储模式序列。系统并非将序列存于 CA3，而是由 CA3 提供与输入序列异联想的预训练序列，从而使系统能进行一次性学习。因此短时空可塑性仅发生于 CA3 的传入与传出连接。已存储序列之后可从单一线索模式回忆出来。我们确认 DG 子区执行的模式分离对于存储含相关模式的序列是必要的。模型的一个设计原则是我们使用名为 Hebbian-descent 的单一学习规则来训练系统所有部分。Hebbian-descent 具有内在遗忘机制，使系统能在持续记忆新模式的同时遗忘早期存储的模式。该模型在呈现噪声与新奇模式时表现出合理行为，且就 CA3 中神经元数量而言具有约 40% 的较高容量。我们模型的一个显著特性是能够在无外部输入的情况下自我“引导”（改进），我们将此过程称为“做梦”。除人工生成的输入序列外，我们还展示了该模型可处理编码手写数字或自然图像序列。据我们所知，这是首个无需巩固过程即以在线一次性方式存储相关模式序列且可随后即时回忆的海马体模型。
引用
@article{arxiv.1905.12937,
title = {A Hippocampus Model for Online One-Shot Storage of Pattern Sequences},
author = {Jan Melchior and Mehdi Bayati and Amir Azizi and Sen Cheng and Laurenz Wiskott},
journal= {arXiv preprint arXiv:1905.12937},
year = {2019}
}