文章预览
Anti-Hebbian plasticity drives sequence learning in striatum https://www.nature.com/articles/s42003-024-06203-8 ( 反赫布可塑性驱动纹状体中的序列学习) 我们的研究采取了与机器学习和计算算法 相反的方法,这些算法寻找处理尖峰神经元序列的高效算法。在这里,我们模拟了在纹状体中观察到的生物学习规则,并探索了可以从这些规则中学习的模式类型 讨论 涉及序列学习的生物机制在很大程度上是难以捉摸的,并且可能是多种多样的。为了揭开这一复杂现象的部分面纱,我们开发了简单的皮层-纹状体网络模型,并探索了它们学习和识别序列的能力。值得注意的是,我们研究了在MSN水平上实验观察到的突触可塑性、尖峰延迟和侧支抑制的可能作用,这些MSN整合了来自皮层神经元群体的尖峰。我们设计了一个简单的学习任务,作为程序性学习的模拟,以测试这种能力。
………………………………