皮层脉冲序列解码脉冲神经网络中涌现的生物功能相似性促进神经计算预测
神经元与认知
2023-03-15 v1 人工智能
摘要
尽管具有更好的生物合理性，目标驱动的脉冲神经网络（SNN）在分类生物脉冲序列方面尚未达到可用性能，且相较于传统人工神经网络表现出较少的生物功能相似性。本研究提出 motorSRNN，一种拓扑受灵长类运动神经回路启发的循环 SNN。通过将 motorSRNN 用于解码猴子初级运动皮层的脉冲序列，我们在分类准确率与能耗之间取得了良好平衡。motorSRNN 通过捕获并培育更多余弦调谐（运动皮层神经元的一种本质属性）与输入进行交互，并在训练期间保持其稳定性。这种训练诱导的余弦调谐的培育与持续性在我们的猴子中也观察到。此外，motorSRNN 在单神经元、群体和回路层面产生了额外的生物功能相似性，展现出生物真实性。由此，对 motorSRNN 的消融研究提示长期稳定的反馈突触有助于运动皮层中训练诱导的培育。除这些新发现与预测外，我们提供了一种构建神经计算真实模型的新框架。
引用
@article{arxiv.2303.07830,
title = {Emergent Bio-Functional Similarities in a Cortical-Spike-Train-Decoding Spiking Neural Network Facilitate Predictions of Neural Computation},
author = {Tengjun Liu and Yansong Chua and Yiwei Zhang and Yuxiao Ning and Pengfu Liu and Guihua Wan and Zijun Wan and Shaomin Zhang and Weidong Chen},
journal= {arXiv preprint arXiv:2303.07830},
year = {2023}
}