中文

突触权重分布依赖于可塑性的几何结构

神经元与认知 2024-03-06 v2 机器学习 神经与进化计算

摘要

计算神经科学中越来越多文献利用梯度下降及近似它的学习算法来研究大脑中的突触可塑性。然而,此类工作绝大多数忽略了一个关键潜在假设:突触变化的距离选择——即可塑性几何。梯度下降假设距离为欧氏距离,但许多其他距离亦可能,且生物学并无理由必然使用欧氏几何。此处,借助镜像下降提供的理论工具,我们表明突触权重分布将依赖于可塑性的几何。我们利用这些结果证明,多个脑区中实验观测到的对数正态权重分布与标准梯度下降(即欧氏几何)不一致,而是与非欧氏距离一致。最后,我们表明,通过比较学习前后的突触权重分布,应可实验检验不同的突触几何。总体而言,我们的工作表明,当前突触可塑性理论研究中假设欧氏突触几何的范式可能误入歧途,且应可实验确定大脑中突触可塑性的真实几何。

关键词

引用

@article{arxiv.2305.19394,
  title  = {Synaptic Weight Distributions Depend on the Geometry of Plasticity},
  author = {Roman Pogodin and Jonathan Cornford and Arna Ghosh and Gauthier Gidel and Guillaume Lajoie and Blake Richards},
  journal= {arXiv preprint arXiv:2305.19394},
  year   = {2024}
}

备注

ICLR 2024