이 연구는 성인 제브라피시의 후각 피질 영역 Dp에 기반한 스파이킹 신경망 모델을 사용하여 균형잡힌 기억 네트워크의 계산적 특성을 탐구했다. 주요 발견은 다음과 같다:
전역적 억제만으로는 생물학적으로 현실적인 발화율 분포를 유지할 수 없지만, 흥분성 및 억제성 뉴런으로 구성된 어셈블리를 포함하면 가능하다. 이러한 E/I 어셈블리는 정밀한 시냅스 균형을 유지하며, 이산적 끌개 상태 대신 연속적인 표현 다양체를 생성한다.
E/I 어셈블리가 생성한 표현 다양체는 학습된 입력에 대해 선호 방향으로 활동을 제한하여 패턴 분류를 향상시킨다. 이는 개별 뉴런의 높은 변동성에도 불구하고 가능하다.
E/I 어셈블리는 추가 기억을 학습할 때 발생할 수 있는 불안정성을 방지하여 지속적 학습을 지원한다.
이러한 결과는 정밀하게 균형잡힌 기억 네트워크가 이산적 항목 저장 대신 연속적인 표현을 생성하여 빠른 패턴 분류, 지속적 학습, 고차 인지 계산을 지원할 수 있음을 시사한다.
To Another Language
from source content
biorxiv.org
Viktiga insikter från
by Meissner-Ber... på www.biorxiv.org 12-13-2023
https://www.biorxiv.org/content/10.1101/2023.12.12.571272v2Djupare frågor