振荡神经网络中的 Hebbian 刻印与提取
无序系统与神经网络
2007-05-23 v1 神经元与认知
摘要
我们引入了一个在振荡神经网络中模拟海马体和嗅觉皮层等皮层区域的广义 Hebbian 学习与提取模型。最近的实验表明，突触可塑性依赖于脉冲时序，尤其是在海马体以及感觉和 cerebellar cortex 中来自兴奋性锥体细胞的突触。在此我们研究当神经动力学呈振荡态时（这在脑中很常见，特别是在海马体和嗅觉皮层中），这种可塑性如何用于形成记忆和输入表征。假设学习发生在神经可塑性阶段，在此阶段网络被钳位在外部教学信号上。通过对学习过程中神经元的非线性或振荡频率进行适当调控，可使模型在提取阶段对新输入进行分类，或将其连续映射到由刻印模式张成的空间中。我们将第一种可能性与嗅觉皮层的功能相对应，将第二种与海马体中位置细胞的观察响应特性相对应。我们通过解析方法和计算机模拟研究了这两种网络，并将模型与实验发现相联系，特别探讨了突触可塑性的脉冲时序依赖性如何约束网络的计算功能，反之亦然。
引用
@article{arxiv.cond-mat/0111034,
title = {Hebbian imprinting and retrieval in oscillatory neural networks},
author = {Silvia Scarpetta and Zhaoping Li and John Hertz},
journal= {arXiv preprint arXiv:cond-mat/0111034},
year = {2007}
}
备注
24 pages, 4 figures