脉冲神经网络中用于感知与计算的持续状态的稳态控制

我们通过将稳态概念扩展至内部表示的控制，引入了一种更新关于环境的感知信念的新模型。稳态是动物生理学中观察到的一种基本调节机制，它协调各种反应以维持身体需求和内部状态的动态平衡。在本文中，我们专注于数值认知领域的一个应用，其中吸引子网络中的活动凸起被用作空间数值表示。尽管现有的神经网络能够维持持续状态，但迄今为止，尚无统一框架能够根据环境变化动态控制神经元活动的空间变化。为了解决这一问题，我们将一种著名的稳态微回路（Hammel 模型）与环形吸引子相耦合，由此得到一种脉冲神经网络架构，该架构能够将活动凸起的位置作为某一参考输入的函数进行调制。在模拟的快速感知任务（一种无需计数的快速枚举过程）中，该局部化活动进而被用作感知信念。我们提供了一种微调该模型的一般流程，并展示了对凸起位置的成功控制。我们还研究了模型中响应时间随参数变化的规律，并将其与生物学数据进行了比较。最后，我们分析了网络的动力学特性，以理解不同神经元对输入中不同类别的选择性与特异性。本文的结果，尤其是移动持续状态的机制，不仅限于数值认知，还可应用于涉及类似表示的广泛任务。