控制任务中递归脉冲神经网络的信息瓶颈

神经系统以离散脉冲的形式从环境编码连续信息，然后解码这些脉冲以产生平滑的运动动作。理解脉冲如何整合、表示和处理信息以产生行为是神经科学中最大的挑战之一。信息论有潜力帮助我们应对这一挑战。对解决静态输入输出任务的深度和前馈人工神经网络的信息分析，导致了信息瓶颈（Information Bottleneck）原理的提出，该原理指出更深的层编码关于输入的更相关却最小的信息。对递归、脉冲且执行控制任务的此类网络的分析相对未被探索。在此，我们呈现对一个演化来执行经典杆平衡任务的递归脉冲神经网络的互信息分析的结果。我们的结果表明这些网络偏离了为前馈网络规定的信息瓶颈原理。