巴甫洛夫学习机
无序系统与神经网络
2022-07-05 v1 神经元与认知
机器学习
摘要
众所周知，赫布学习（Hebb's learning）起源于巴甫洛夫经典条件作用，然而，尽管前者在过去几十年中已被广泛建模（例如通过霍普菲尔德模型及无数变体），但后者的建模迄今基本未被解决；此外，这两大支柱之间完全缺乏桥梁。实现这一目标的主要困难在于所涉及信息在尺度上的本质差异：巴甫洛夫理论关乎（动态）存储于突触矩阵中的“概念”之间的关联，如以狗与铃铛为主的著名实验所例示；相反，赫布理论关乎相邻神经元对之间的关联，正如名言“一起放电的神经元连在一起”所概括。在本文中，我们依托随机过程理论，通过朗之万方程对神经与突触动力学建模，证明——只要神经元与突触的时间尺度保持大幅分离——巴甫洛夫机制会自发发生，并最终产生恢复赫布核的突触权重。
引用
@article{arxiv.2207.00790,
title = {Pavlov Learning Machines},
author = {Elena Agliari and Miriam Aquaro and Adriano Barra and Alberto Fachechi and Chiara Marullo},
journal= {arXiv preprint arXiv:2207.00790},
year = {2022}
}