分层视觉记忆模型中基于经验的部分表示形成

越来越多的神经心理学和神经生理学证据表明，视觉皮层使用基于部分的表示来编码、存储和检索相关物体。在这种方案中，物体被表示为一组空间分布的局部特征（即部分），以刻板的方式排列。为了编码局部外观并表示组成部件之间的关系，必须通过先前对视觉物体的经验形成适当的记忆结构。在这里，我们提出了一个模型，说明如何通过经验驱动的自组织过程建立支持高效存储和快速回忆基于部分表示的分层记忆结构。该过程基于慢速双向突触可塑性和稳态单元活动调节的协作，两者都在具有胜者全拿特征的快速活动动力学之上运行，并由振荡节律调制。这些神经机制为分布式单元及其突触连接之间的合作与竞争奠定了基础。选择人脸识别作为测试任务，我们表明，在开放式、无监督增量学习的条件下，系统能够以基于部分的方式形成个体面孔的记忆痕迹。在较低的记忆层上，突触结构被发展为代表局部面部特征及其相互关系，而不同个体的身份则在较高层上被显式捕获。所得表示的另一个属性是回忆期间活动的稀疏性以及构成记忆痕迹的突触模式的稀疏性。