输入统计量与赫布串扰效应

作为先前工作的扩展，我们利用经典的 Oja 模型研究了非特异性赫布学习。我们结合分析工具和数值模拟，研究了非特异性（或突触“串扰”）效应如何依赖于输入统计量。我们调查了出现在高于 2 维空间中的各种模式（并根据协方差类型和输入偏置对其进行分类）。研究发现，非特异性对学习结果的影响强烈依赖于输入的性质，在某些情况下影响极为显著，这使得存在一种通用的神经算法来校正由串扰引起的学习不准确性变得不太可能。我们讨论了这样一种可能性：诸如推测在新皮层中发生的那种复杂学习，其实现既依赖于用于增强特异性的精密校对机制，也依赖于特殊算法。