平衡的兴奋与抑制是高容量、抗噪稳健神经元选择性所必需的

大脑皮层中的神经元和网络必须在多种噪声源的情况下可靠运行。为了评估输入和输出噪声的影响，我们确定了单神经元刺激选择性反应的稳健性，以及执行记忆任务的神经元网络吸引子状态的稳健性。我们发现，对输出噪声的稳健性要求突触连接处于一种平衡状态，在这种状态下兴奋和抑制强烈且相互基本抵消。我们评估了该状态存在所需的条件，并确定了在该状态下运行的网络的特性。提出了一种合理的突触可塑性规则，用于学习平衡权重配置。我们的理论预测了对于给定的传入激活统计，兴奋性和抑制性突触数量的最佳比例，以最大化平衡网络的编码容量。先前的工作表明，平衡网络放大时空变异性并解释了观察到的异步不规则状态。在这里，我们提出了一种新型的平衡网络，它放大传入信号的微小变化，并从学习以稳健地执行神经元和网络功能中自动涌现。