10.13465/j.cnki.jvs.2017.02.002
基于神经能量场梯度的智力探索
啮齿类动物可以在海马中形成代表环境的认知地图来解决空间问题。在经典的认知地图模型中,系统需要大量物理探索来学习空间环境,从而解决寻路问题,这个过程会耗费大量时间和能量。虽然 Hopfield 的智力探索模型弥补了这个缺陷,但是该模型并没有关注路径的高效性。并且这个模型主要来自于人工神经网络,缺乏明确的生理学意义。该计算模型在智力探索概念的基础上,运用神经能量编码的理论来解决路径搜索问题:该模型通过位置细胞集群的发放功率构建一种能量场,并计算能量场的梯度,进而用梯度向量来研究智力探索问题。研究结果表明提出的这种新的智力探索模型不仅可以更高效地找到优化路径,而且呈现了具有生物物理学意义的学习过程。这种新思路验证了位置细胞和突触对空间记忆的重要性以及能量编码的有效性,为了解空间记忆的神经动力学机制提供了理论基础。
认知地图、智力探索、能量编码、能量场、能量场梯度
36
Q612(理论生物物理学)
国家自然科学基金11232005;11472104;教育部博士生基金20120074110020
2017-03-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
7-12,22