本研究では、予測符号化ネットワーク(PCN)を用いて、格子細胞の発現メカニズムを明らかにしている。
まず、静的な場所細胞入力に対して、スパースで非負の制約を課したPCNでは、六角格子状の格子細胞表現が自然に発現することを示した。この結果は、非負の主成分分析によって得られる格子細胞表現と同様の特性を持つ。
次に、経路積分課題においてPCNの時間発展版であるtPCNを訓練すると、RNNと同様に格子細胞様の表現が発現することを示した。tPCNの学習則は、時間方向への誤差逆伝播を必要とせず、局所的なヘブ学習則で実装可能であることを理論的に明らかにした。
さらに、tPCNの頑健性を検討し、速度入力がなくても格子細胞が発現することを示した。これは、経路積分能力が格子細胞発現の必要条件ではないことを示唆している。
以上より、予測符号化は生物学的に妥当な学習則であり、海馬体系の多様な表現を統一的に説明できる可能性が示された。
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Mufeng Tang,... a las arxiv.org 10-03-2024
https://arxiv.org/pdf/2410.01022.pdfConsultas más profundas