离线重激活在循环神经网络中的充分条件

在睡眠等静止期，大量脑回路的神经活动模式类似于任务参与期的活动模式。然而，精确阈定在何种条件下，针对环境状态变量使用基于变更的感觉信息进行优化的网络能够自主重新激活负责在线行为的相同网络状态仍不清楚。在本研究中，我们发展了一种数学框架，概述了循环神经网络中神经重激活出现的充分条件。我们在数学上演示，针对使用基于变更的感觉信息来跟踪环境状态变量而优化的噪声循环网络自然发展出去噪动力学，这些动力学在无输入情况下导致网络回访在在线活动期间观察到的状态配置。我们使用两个标准神经科学任务的数值实验来验证我们的发现：一种是基于自运动线索的空间位置估计，另一种是基于角速度线索的头部方向估计。总体而言，我们的工作为将离线重激活建模为噪声神经回路中任务优化的必然结果提供了理论支持。