基于Synfire门控Synfire链的分级动态可路由信息处理
神经元与认知
2016-09-28 v1
摘要
连贯的神经放电和局部场电位被认为是大脑中信息绑定与传递的特征。连贯活动现已在哺乳动物皮层的许多区域实验测得。Synfire链是被用来描述连贯放电现象的主要理论构造之一。然而，一段时间以来，已知前馈网络中的同步活动渐近地要么逼近具有固定波形和幅值的吸引子，要么无法传播。这限制了它们解释分级神经元响应的能力。最近，我们证明了脉冲门控的synfire链能够传播编码在平均群体电流或放电率幅值中的分级信息。特别地，我们展示了可以利用一个synfire链提供门控脉冲，并利用第二个脉冲门控的synfire链传播分级信息。我们称这些电路为synfire门控synfire链（SGSCs）。在此，我们提出SGSCs，其中分级信息可快速级联通过神经电路，并展示此类传递与门控脉冲在时间上重叠的均值场模型之间的对应关系。我们表明SGSCs在群体大小、脉冲时序和突触强度存在变异时具有鲁棒性。最后，我们通过实现一个自包含、基于脉冲、模块化神经电路来展示基于SGSC的信息编码的计算能力，该电路由流输入触发，然后读取流输入，处理输入，基于处理后的信息做出决策并自我关闭。
引用
@article{arxiv.1510.07592,
title = {Graded, Dynamically Routable Information Processing with Synfire-Gated Synfire Chains},
author = {Zhou Wang and Andrew T Sornborger and Louis Tao},
journal= {arXiv preprint arXiv:1510.07592},
year = {2016}
}