基于前庭眼反射的循环网络模型中的运动学习
1Department of Physiology, W.M. Keck Foundation Center for Integrative Neuroscience, San Francisco, California.
Nature
|November 12, 1992
概括
这项研究表明神经网络如何利用中等时间尺度的神经动态来修改学习和记忆. 这个原则适用于大脑的反系统,如前庭眼反射.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 系统神经科学 系统神经科学
背景情况:
- 传统的神经网络模型侧重于信息处理和学习的毫秒时间尺度.
- 神经元具有在较慢的时间尺度 (几十到几百毫秒) 上运行的细胞机制,涉及离子通道调制和适应.
- 这些动态的神经元特性对于理解复杂的大脑功能至关重要.
研究的目的:
- 为了证明循环神经网络如何利用中等时间尺度的神经动态进行适应性修改.
- 将这一原理应用于前庭眼反射 (VOR) 并解释其长期适应性变化.
- 为了协调与VOR学习和记忆的神经基础有关的相互矛盾的数据.
主要方法:
- 开发一个具有反复反连接的神经网络的计算模型.
- 模拟神经元反应,结合在中间时间尺度上运行的细胞机制.
- 模型的应用来模拟前庭眼反射的适应性修改.
主要成果:
- 该模型成功地将神经反应的长期调制转化为系统输出幅度的变化.
- 证明中等时间尺度的神经元动态可以成为反系统中的适应性学习的基础.
- 调和了VOR适应的神经部位的看似相互矛盾的发现.
结论:
- 中间时间尺度神经元动态是循环神经网络中学习和记忆的关键机制.
- 提出的原则为理解各种大脑反系统中的适应性可塑性提供了一个统一的框架.
- 这项工作提供了关于前庭眼镜反射适应细胞和系统水平机制的见解.


