用于连续运动控制的循环脉冲神经网络：一个生物合理的运动皮层模型

运动皮层通过循环脉冲动力学和经验依赖的突触可塑性获得熟练运动，然而这类回路如何利用生物学上局部的信号学习连续运动控制仍不清楚。在此，我们建立了一个运动皮层的循环脉冲神经网络模型，同时兼顾运动学习的计算与生物学要求。我们首先从突触输入解析地推导出循环放电率状态，并通过隐式微分训练网络，从而避免沿长脉冲轨迹进行反向传播。随后我们引入状态携带初始化（State-Carry Initialization），通过将持续的循环状态在连续动作之间不断携带，实现闭环运动控制。基于这一表述，我们设计了一种称为反馈脉冲轻推（Feedback-Spike Nudging, FSN）的学习规则，其中教学信号以脉冲形式通过反馈通路传递。突触变化仅依赖突触前活动和反馈引起的突触后放电变化，这与运动皮层突触可塑性的生物学机制一致。由此得到的网络通过监督学习和强化学习均学会了连续运动控制，二者可分别对应运动皮层与小脑和基底节的相互作用。此外，FSN 学习规则与小鼠运动皮层树突棘结构可塑性的实验观察一致。因此，我们的研究为在功能和解剖层面均具有生物学依据的运动皮层循环脉冲模型奠定了基础。

中文由 AI 翻译，仅供参考，以原文为准。