跳到正文
原文
bioRxiv · Neuroscience· Li, C., Brenner 等 18 人
AI 评分57

适应性行为通过灵活吸引子从类赫布可塑性中涌现

Adaptive behaviors emerge from Hebbian-like plasticity through flexible attractors

预印本 · 尚未经过同行评审

AI 导读

研究把奖赏作为普通感觉输入放进闭环环境,检验六种局部学习规则能否在没有奖赏目标的情况下产生适应性行为。结果显示六种规则都能学会寻找信号,但在所测参数下只有前瞻构型规则稳定复现奖赏幅度依赖的学习率、概率匹配、跨情境记忆保持以及重尾统计的探索与利用切换。作者用活动与权重空间中的吸引子解释这些行为,并据此对行为和神经群体几何提出预测。

摘要 · AI 翻译

适应性行为通常被表述为一个优化问题,即生物体学习最大化奖励。在此我们表明,具有局部、类 Hebbian 学习规则的简单网络虽然没有奖励目标,但当被置于闭环环境中、奖励作为普通感觉输入到达时, nonetheless 能够重现动物寻求奖励的标志性特征。在这些条件下测试了六种经典的局部学习规则,尽管大多数规则是为无监督表征学习设计的,但所有规则都学会了寻找信号。然而,在所测试的参数下,只有一种规则——前瞻性配置(prospective configuration)——稳健地捕捉到了一组被测现象的全部:依赖奖励大小的学习率、概率匹配、跨情境的记忆保持,以及在重尾统计下探索与利用之间的切换。在这些网络中,产生输入的动作成为网络动力学的自维持状态(吸引子)。吸引子存在于活动-权重空间中并介导行为,且随环境而适应,而非网络的固定属性。这些灵活的几何结构为重复选择的重尾游程(类似于觅食中观察到的 Lévy 飞行)如何也随环境变化提供了一种简约的解释。由此,一个单一框架能够对行为和神经群体几何结构做出预测,可用于研究大脑的学习动力学。

中文由 AI 翻译,仅供参考,以原文为准。

来源:bioRxiv · Neuroscience · biorxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。