随机神经网络的自适应重连生成汇聚-发散单元
神经元与认知
2022-01-05 v1
摘要
脑网络持续进行自适应重连，调整其拓扑以在感觉、运动与认知任务中实现功能性与高效性。在模型神经网络架构中，自适应重连生成复杂的、类脑拓扑。然而，现有模型无法解释复杂有向连接结构的涌现。我们在有向网络中测试了一个生物学上合理的自适应重连模型，其基于分布式计算中广泛使用的两种算法：平流与一致性。当二者组合用作重连准则时，自适应重连缩短路径长度并增强连接性。在保持平流与一致性平衡时，自适应重连产生由汇聚枢纽节点构成的汇聚-发散单元，这些节点从稀疏连接或局部的节点池中收集输入，并通过密集互连的处理节点将其投射到发散枢纽，后者将输出广播回局部池。汇聚-发散单元作为连接核心在感觉、运动与认知脑区内部及之间运作，介导对局部网络单元的情境敏感性。通过展示这些结构如何在有向网络模型中自发涌现，自适应重连为脑中高效信息传播与整合提供了自组织这一原理。
引用
@article{arxiv.2104.01418,
title = {Adaptive rewiring of random neural networks generates convergent-divergent units},
author = {Ilias Rentzeperis and Steeve Laquitaine and Cees van Leeuwen},
journal= {arXiv preprint arXiv:2104.01418},
year = {2022}
}