大脑如何将复杂信息“压缩”成简洁地图？Sci. Adv. 揭示果蝇嗅觉回路工作奥秘

文章预览

摘要 从高维感官输入中以无监督方式获得适当的低维表示对于后续处理至关重要。尽管已开发出如t-分布随机邻域嵌入（t-SNE）等非线性降维方法，但其在简单生物电路中的实现仍不明确。在本文中，我们开发了一种生物学上可行的降维算法，该算法与t-SNE兼容，并使用一个简单的三层前馈网络模拟果蝇的嗅觉电路。我们提出的学习规则被描述为三因子Hebbian可塑性，对于诸如纠缠环和MNIST等数据集非常有效，且与t-SNE相当。我们进一步通过分析之前研究中的多项实验数据，证明该算法可能在果蝇的嗅觉电路中工作。最后，我们建议该算法对输入和奖励之间的联结学习也有益，从而使这些联结能够推广到尚未与奖励相关联的其他输入。 研究领域： 非线性降维，生物模型，果蝇嗅觉回路，三因子Hebbian可塑性，t-SNE，奖励关联学习，泛化性 论文题目：A bi ………………………………