为大脑中不同可塑机制提供规范性解释，突触可塑性模型的统一理论

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 ………………………………