学习随时间变化的连接组以在发育过程中保持行为稳定

神经回路必须在大小、拓扑结构、几何形态和内在动力学随发育而变化的过程中维持功能，以驱动有效行为。为了对发育中的视觉运动回路和行为进行建模，我们研究了单一紧凑的生成编码能否在此类变化中产生功能性的循环控制器。基于 HyperNEAT 算法，我们将该程序表示为一个组合模式生成网络，该网络接收发育时间作为输入，以生成年龄特异性的连接。发育基质规定了神经元的诞生、位置、感觉组织和内在时间常数。我们使用两个几何上不同的发育基质和两项视觉运动任务——视动反应和趋光性——测试了该方法。仅在初始或成熟基质上优化的控制器在其他年龄评估时通常失效。相比之下，在多个发育快照上优化的控制器在训练过和未见的年龄上均保持了显著更高且更一致的表现。仅在三个发育快照上进行优化，往往就足以在测试的发育区间内产生有效行为。由此产生的连接组随年龄发生显著变化，且并未收敛到单一的稀疏性或连接权重统计轨迹。控制器在是否依赖发育后期诞生的神经元方面也存在差异。这些结果表明，共享的时空时变连接程序能够产生在显著发育变化中保持行为的循环神经网络。总之，这些结果为研究功能稳定性如何在不要求结构或动力学稳定性的情况下涌现提供了一个框架。

中文由 AI 翻译，仅供参考，以原文为准。