解抑制神经元环路可控制突触可塑性的符号
神经元与认知
2023-12-12 v2 机器学习
神经与进化计算
摘要
神经元环路如何实现信用分配仍是系统神经科学中一个核心的未解问题。多项研究提出了通过多层网络反向传播误差信号的合理方案。这些纯功能驱动的模型假设不同的神经元区室来表示决定突触可塑性符号的局部误差信号。然而，这种显式的误差调制与现象学可塑性模型不一致，在后一类模型中符号主要依赖于突触后活动。本文中我们展示，在自适应控制理论框架下导出的合理微环路模型与赫布学习规则（Hebbian learning rule）如何化解这一矛盾。假设误差编码于自上而下的解抑制突触传入中，我们表明当递归抑制显式影响赫布可塑性时，误差调制学习会在环路层面自然涌现。同一学习规则解释了在无抑制情况下实验观察到的可塑性，并在多个非线性可分基准上表现与误差反向传播（BP）相当。我们的发现弥合了功能性与实验观测可塑性规则之间的鸿沟，并对兴奋性可塑性的抑制调制给出了具体预测。
引用
@article{arxiv.2310.19614,
title = {Dis-inhibitory neuronal circuits can control the sign of synaptic plasticity},
author = {Julian Rossbroich and Friedemann Zenke},
journal= {arXiv preprint arXiv:2310.19614},
year = {2023}
}
备注
Accepted at NeurIPS 2023; fixed error in Figure S2