Nat. Neurosci.速递：结合赫布法则与预测可塑性达到表征一致性

研究领域：神经网络，表征一致性，预测可塑性郭瑞东 | 编译论文标题：The combination of Hebbian and predictive plasticity learns invariant object representations in deep sensory networks论文地址：https://www.nature.com/articles/s41593-023-01460-y 基于感官刺激，识别物体并认识到不同大小、背景、方向的物体是同一个，对动物生存是必须的。Nature Neuroscience 近日的研究，在人工神经网络上，构建了基于预测性可塑性以及赫布法则的隐式预测学习规则（latent predictive learning，LPL），该规则可实现表征一致性，并在深度神经网络与尖峰神经网络上泛化。该模型准确地捕捉了灵长类动物颞下皮层观察到的神经元选择性变化，强调了预测可塑性对成功的表征学习的重要性。  1. 问题当我们看到一只奔跑的狗的时候，进入视野的狗处在不同的背景，有着不同的姿势和大小，然而我们能认出 ………………………………