文章预览
Learning what matters: Synaptic plasticity with invariance to second-order input correlations 2024 https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1011844 摘要 皮层神经元群体发展出适应环境统计特性的稀疏表示。为了学习有效的群体编码,突触可塑性机制必须 从无处不在的皮层网络输入相关性中区分出相关的潜在特征。本文提出了一种稀疏编码和突触可塑性理论,该理论对输入中的二阶相关性具有不变性 。超越经典的(Hebbian)学习,我们的学习目标解释了观察到的兴奋性可塑性机制的函数形式,并展示了 Hebbian 长期抑制(LTD)如何消除对 二阶相关性的敏感性,从而使感受野与高阶统计特征中的隐藏特征对齐。对二阶相关性的不变性提高了生物现实学习模型的通用性,支持从噪声输入中进行最佳解码,以及从空间相关刺激中进行稀疏群体编码 。在一个具有三重脉
………………………………