基于生物学可信抑制机制的人工神经组件形成
神经元与认知
2026-04-16 v2
摘要
赫伯理论提出，神经组件是一组同步放电并表现出高突触密度的兴奋性神经元群体，代表外部刺激，支持语言和决策等认知功能。最近提出了一种称为 Assembly Calculus（AC）的模型，利用 -获胜者制度和赫伯学习机制形成人工神经组件。尽管该模型能够按照赫伯理论形成组件，但所采用的选择过程未纳入生物神经计算的关键方面，因为神经活动常遵循符合幂律扩展规律的统计分布。鉴于此限制，本文旨在使模型动力学更接近真实皮层网络的行为。为此，我们实现了一种受γ振荡周期动力学启发的新型选择机制，称为 E%-获胜者制度，并结合基于小鼠皮层不同区域中兴奋性和抑制性神经元比例所观察到的抑制过程。我们对所得模型（称为 E%-WTA 模型）的结果与原始模型进行了比较，分析表明，所引入的修改允许网络的自身动力学决定所形成组件的大小。此外，这些组件通过唤起其生成刺激的能力显著优于原始模型。
引用
@article{arxiv.2603.12416,
title = {Formation of Artificial Neural Assemblies by Biologically Plausible Inhibition Mechanisms},
author = {Lucas Hoff and Gustavo Soroka and Matheus Guimarães and Aline Villavicencio and Marco Idiart},
journal= {arXiv preprint arXiv:2603.12416},
year = {2026}
}
备注
9 pages, 4 figures