在稀疏的未经训练的随机网络中,有效计算海马位细胞现象

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:

• 哺乳动物的大脑通过复杂的网络机制来处理空间信息.
• 现有的模型很难解释海马的位置细胞现象,如重新映射和表示漂移.
• 对于空间处理的特定网络连接和突触可塑性的必要性仍在争论中.

研究的目的:

• 为了调查特定的连接体和突触可塑性是否对于各种地方细胞现象至关重要.
• 为了检查一个随机调整的网络的解释能力与反抑制空间信息处理.
• 为了确定更简单,生物可信的网络架构是否可以解释复杂的海马活动.

主要方法:

• 使用随机调整的网络模型与反抑制 (DivSparse).
• 模拟了网络活动,并分析了位置调整,位置字段,选择性和重新映射.
• 在网络连接 (而不是输入) 中内置突触可塑性,以建模额外的现象.

主要成果:

• 一个带有非塑料连接的随机网络成功解释了位置调,单/多位位置字段,混合选择性和重新映射.
• 稀疏,正常化的刺激活动对于解释这些现象至关重要.
• 仅在网络连接上启用可塑性导致过度分散,表示漂移和内存标记.

结论:

• 一个简单的,随机连接的网络与散射抑制 (DivSparse) 可以解释许多位置细胞现象.
• 对于强大的空间表示,可能不需要特定的连接组和基于输入的学习.
• 在生物学上可信,简单的建筑可以支持空间体验的灵活和自发的表现.