神经流形与认知一致性：人工系统记忆巩固的新方法
人工智能
2025-03-05 v1 神经与进化计算
神经元与认知
摘要
我们提出了一种统一神经群体动力学、髓鞘尖锐波-振荡 (hippocampal sharp wave-ripple, SpWR) 产生和受 Heider 理论启发的认知一致性约束的新数学框架. 该模型利用低维流形表示来捕获结构化的神经漂移, 并纳入一种平衡能量函数以强制连贯的突触相互作用, 有效地模拟了生物系统中观察到的记忆巩固过程. 模拟结果表明, 该方法不仅再现了 SpWR 事件的关键特征, 还增强了网络的可解释性. 本工作为可扩展的神经形态架构铺平了道路, 这些架构桥接了神经科学和人工智能, 为未来智能系统提供更稳健和自适应的学习机制.
引用
@article{arxiv.2503.01867,
title = {Neural Manifolds and Cognitive Consistency: A New Approach to Memory Consolidation in Artificial Systems},
author = {Phuong-Nam Nguyen},
journal= {arXiv preprint arXiv:2503.01867},
year = {2025}
}