通过训练循环神经网络执行空间定位任务涌现出的网格状表征
神经元与认知
2018-05-11 v1 人工智能
神经与进化计算
机器学习
摘要
数十年关于空间导航神经编码的研究揭示了多种多样的神经响应特性。哺乳动物大脑的内嗅皮层包含丰富的空间相关性神经元，其中包括使用镶嵌图案编码空间的网格细胞。然而，这些空间表征的机制和功能意义在很大程度上仍是个谜。作为理解这些神经表征的一种新途径，我们训练循环神经网络（RNN）基于速度输入在二维竞技场中执行导航任务。令人惊讶的是，我们发现在训练好的网络中涌现出了网格状空间响应模式，同时涌现出表现出其他空间相关性的单元，包括边界细胞和带状细胞。所有这些不同功能类型的神经元都已在实验中被观察到。网格状细胞和边界细胞涌现的顺序也与发育研究中的观察相一致。总而言之，我们的结果表明，考虑到神经回路中占主导地位的循环连接，在 EC 中观察到的网格细胞、边界细胞及其他细胞可能是高效表征空间的自然解决方案。
引用
@article{arxiv.1803.07770,
title = {Emergence of grid-like representations by training recurrent neural networks to perform spatial localization},
author = {Christopher J. Cueva and Xue-Xin Wei},
journal= {arXiv preprint arXiv:1803.07770},
year = {2018}
}