具有基于数据的除法抑制的皮质微环路基序中学习的概率模型
神经元与认知
2018-03-27 v1
摘要
先前关于兴奋性与抑制性神经元相互作用的理论研究提议将该皮质微环路基序建模为所谓的赢者通吃（Winner-Take-All, WTA）电路。然而，最近的一项建模研究发现，对于在皮质第 2/3 层微环路基序中发现的基于数据的较柔和除法抑制形式，WTA 模型并不适用。我们通过理论分析在此研究此类较柔和的除法抑制在脉冲时序依赖可塑性（STDP）下对计算操作和神经编码涌现的作用。我们表明，与 WTA 模型（其中网络活动被解释为生成混合分布中的概率推断）相反，该网络动力学近似于一种类 noisy-OR 生成模型中的推断，该模型基于多个隐藏原因解释网络输入。此外，我们表明 STDP 通过在线近似期望最大化（EM）算法来优化该模型的参数。该理论分析证实了先前的一项建模研究，其表明该第 2/3 层微环路基序的学习动态提取了输入的特定模块表示，从而在对输入统计上执行盲源分离。
引用
@article{arxiv.1707.05182,
title = {A probabilistic model for learning in cortical microcircuit motifs with data-based divisive inhibition},
author = {Robert Legenstein and Zeno Jonke and Stefan Habenschuss and Wolfgang Maass},
journal= {arXiv preprint arXiv:1707.05182},
year = {2018}
}
备注
24 pages, 5 figures