生物与人工神经网络中神经编码的动力学

增进我们对大脑如何处理信息的认识仍然是神经科学中的一项关键挑战。本论文结合了三种不同的方法来研究神经网络及其编码表示的动力学：一种计算方法，基于神经元及其网络的基本生物学特征构建有效模型，以模拟其结构和动力学；一种机器学习方法，与大脑网络的功能能力进行类比，使我们能够推断出解决特定输入处理任务所需的动力学和编码特性；最后是一种理论处理方法，将我们带入“临界”大脑这一引人入胜的假设，作为能够解释由数百万神经元相互作用产生的涌现集体特性的数学基础。与物理学携手并进，我们涉足神经科学领域，以解释跨大脑区域准普适标度特性的存在，并着手量化其动力学与临界点的距离。接下来，我们进入人工智能领域，在这里，同样的临界现象理论将被证明在解释受生物学启发的可塑性规则对储备池计算预测能力的影响方面非常有用。在旅程的中段，我们探索了外部刺激的神经表示概念，揭示了神经网络的动力学机制与这种表示流形的最佳拓扑特性之间的惊人联系。本论文最后以嗅觉皮层执行气味编码过程中的表示漂移这一独特问题结尾，揭示了可能解释这一近期观察到的现象的潜在突触可塑性机制。