在脑电脑界面任务中,皮质树突中的向量化教学信号在脑电脑界面任务中

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.
• 机器学习 机器学习

背景情况:

• 矢量化教学信号对于现代机器学习算法,如反向传播至关重要.
• 理论模型表明,神经回路可能在细胞水平上使用树突区实现向量化学习.
• 通过向量化信号在大脑中解决信用分配问题的生物基础仍然在很大程度上未经测试.

研究的目的:

• 为了研究在皮层树突中载体化指导信号的存在和功能.
• 为了测试单独的树突区分隔处理学习前和反信息的假设.
• 探索大脑中的神经回路如何实现信用分配.

主要方法:

• 使用神经反脑电脑接口 (BCI) 任务与小鼠.
• 训练小鼠调节后皮层第5层金字塔神经元的活动,以控制视觉格子.
• 使用GCaMP成像,记录了来自神经元索马和远端角树突的神经活动.

主要成果:

• 实体和树突信号大小包含有关任务变量的信息,如奖励和错误,作为指导信号.
• 这些教学信号的性质取决于个体神经元在任务中的因果作用,并预测与学习相关的活动变化.
• 这些树突信号的光遗传性干扰损害了学习,提供了因果证据.

结论:

• 介绍了第一个在皮层树突中实现的大脑向量化指导信号的生物学证据.
• 证明树突可以进行半独立的计算,支持解决信用分配的机制.
• 揭示了一种潜在的细胞水平解决方案,用于生物神经网络中的信用分配.