持续熟悉度检测中突触神经网络的模块化结构涌现与重构
神经元与认知
2023-11-13 v1 定量方法
摘要
尽管人工智能与神经科学的进展已使能够学习多种任务的神经网络得以涌现，我们对这些网络时间动力学的理解仍有限。在此，我们研究 Hebbian Feedforward（HebbFF，赫布前馈）神经网络在持续熟悉度检测任务中学习时的时间动力学。受网络神经科学领域启发，我们考察网络的动态重构，聚焦于网络模块在整个学习过程中的演化。通过涉及网络准确率、模块灵活性及跨多种学习模式的分布熵的综合评估，我们的方法揭示了多种此前未知的重构模式。特别地，我们发现网络模块性的涌现是性能的显著预测因子，且模块化随学习过程中灵活性的增强而加强。这些洞见不仅阐明了网络模块性、准确率与学习动力学间的精细相互作用，也桥接了我们对人工与生物领域学习的理解。
引用
@article{arxiv.2311.05862,
title = {Emergence and reconfiguration of modular structure for synaptic neural networks during continual familiarity detection},
author = {Shi Gu and Marcelo G Mattar and Huajin Tang and Gang Pan},
journal= {arXiv preprint arXiv:2311.05862},
year = {2023}
}