多种学习,使嗅觉习惯于强烈波动的背景

科学领域:

• 神经科学是一个神经科学.
• 嗅觉系统的功能 嗅觉系统的功能
• 感官处理 感官处理

背景情况:

• 动物依靠嗅觉生存,但大气动荡会产生波动的背景气味,可以掩盖重要的嗅觉线索.
• 嗅觉系统习惯于随机背景气味以检测行为相关刺激的机制尚不清楚.

研究的目的:

• 研究嗅觉系统如何习惯于高维,波动的气味背景.
• 提出和建模一种基于多重学习的嗅觉习惯机制.

主要方法:

• 开发了一个计算模型,考虑了高维气味编码,自然气味波动统计和早期的嗅觉通路架构.
• 模拟的嗅觉习惯使用生物可信网络的抑制性内部神经元.
• 研究了可塑性规则,包括阻断性双线控制模型 (IBCM) 和在线主要组件分析 (PCA).

主要成果:

• 高维气味编码和自然统计的结合有利于使用习惯性而不是预测性过的多重学习机制.
• 一个实现多重学习的抑制性内部神经元网络有效地处理动荡的气味条件.
• 像IBCM和在线PCA这样的可塑性规则成功地实现了这一机制,超过了平均背景减去模型.
• 具有IBCM可塑性的内神经元对独立变化的气味表现出选择性.

结论:

• 由抑制性内部神经元实施的多重学习,为在波动的环境中嗅觉习惯提供了一个可行的机制.
• 这种机制提供了实验途径,以区分不同的可塑性规则.
• 提出的多重学习方法可能适用于其他适应动态环境的生物电路.