直角旋转动力学支持高效的编码和更新,以在工作记忆中传输信息
Binghao Yang1,2,3, Shan Yu4,2,3
1Laboratory of Brain Atlas and Brain-inspired Intelligence, Institute of Automation, Chinese Academy of Sciences, Beijing, China. 100190.
研究人员在循环神经网络和人类大脑中发现了一个直角旋转框架,用于高效的工作记忆 (WM) 编码和更新. 这个机制有助于组织信息流,保持项目顺序和有效更新内存.
科学领域:
- 认知神经科学 认知神经科学
- 计算神经科学是一种神经科学.
- 人工智能的人工智能
背景情况:
- 工作记忆 (WM) 对于组织,存储和处理连续的信息流至关重要.
- 有效的WM需要分离内存项目,保持它们的时间排名,并动态更新序列.
- 了解WM的计算机制对于生物和人工系统都至关重要.
研究的目的:
- 研究工作内存 (WM) 编码和更新背后的计算机制.
- 为了比较信息表示在一个循环神经网络 (RNN) 模型和人类主题在一个N-背任务.
- 确定生物和人工神经网络中信息组织的潜在共同框架.
主要方法:
- 在RNN模型中分析信息表示和在N-back任务中分析人类EEG信号.
- 使用直角旋转动态框架来分析内存编码和更新过程.
- 从28名人类参与者 (18名男性) 的前额头区域记录了EEG信号.
主要成果:
- 在RNN模型中确定了一个直角编码空间,其中内存项根据其排名占据子空间.
- 观察到一个旋转操作,动态地在子空间中传输信息,在更新期间保持顺序.
- 在人类EEG信号中发现了类似的直角旋转动态,这表明WM组织的共享机制.
- 该框架使得"先进先"的信息存储和更新战略成为可能.
结论:
- 一个直角旋转的动态框架在RNN和人类大脑中促进了高效的记忆编码和更新.
- 这种编码策略允许明确分离内存项,同时保持时间排名和动态更新.
- 这些发现表明,在WM中组织信息流的新,潜在的通用机制,以实现高效的在线处理.
- 这种机制可以被生物和人工神经网络用于最佳的信息存储和更新.
更多相关视频
06:36Author Spotlight: Insights into the Analysis of Human Interaction with 3D Virtual Objects
Published on: October 18, 2024
14:24An Appetitive Spatial Working Memory Task for Mice in a Semi-Automated 8-Arm Radial Maze, Reducing Fearful Memory Association in the Maze
Published on: July 29, 2025
相关概念视频
Working Memory
Relative Motion Analysis using Rotating Axes
However, to express the relative position of point B relative to point A, an additional frame of reference, denoted as x'y', is necessary. This additional frame not only translates but also rotates relative to the fixed frame, making it...
Relative Motion Analysis using Rotating Axes-Problem Solving
Here, in order to determine the magnitude of velocity and acceleration for point...
Rotational Motion about a Fixed Axis
Chunking and Rehearsal in Sensory Memory
Relative Motion Analysis using Rotating Axes - Acceleration
Time differentiation is...
