神经元预测处理的脱离
Bin Wang1, Nicholas J Audette2, David M Schneider2
1Department of Physics, University of California San Diego, La Jolla, CA, 92093, USA.
bioRxiv : the preprint server for biology
|August 16, 2024
概括
神经回路构建行为内部世界模型. 这项研究揭示了在循环网络中分布式的多模预测表示,挑战了专门的细胞类型理论,并推进了对大脑计算的理解.
科学领域:
- 计算神经科学是一种计算神经科学.
- 系统神经科学 系统神经科学
- 认知神经科学是一种认知神经科学.
背景情况:
- 神经回路产生内部的"世界模型"来指导行为.
- 预测处理框架表明神经活动信号传感预测,并计算预测错误.
研究的目的:
- 调查反复网络中高维,多模预测表示的出现.
- 了解大脑如何对复杂的感觉运动信号产生预测.
主要方法:
- 模拟循环神经网络,具有不同的刺激/抑制平衡.
- 在实验中使用旨在违反学习期望的刺激来探测预测编码电路.
主要成果:
- 强大的预测处理在具有松散激发/抑制平衡的网络中出现.
- 发现了刺激和预测错误表示的脱离,与专门的细胞类型假设相反.
- 模型对特定神经元类型和层在多模式预测中的作用的预测得到了实验证实.
结论:
- 内部模型的神经表征高度分布,但结构为灵活的行为读数.
- 统一的框架促进了对跨物种内部模型计算的理解.
- 揭示了激发性/抑制性神经元和多模预测中的层次层次结构的独特功能作用.


