项目名称: 基于反馈及其突触可塑性的神经元集群编码研究

项目编号: No.61203375

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 自动化学科

项目作者: 谢锦丽

作者单位: 济南大学

项目金额: 25万元

中文摘要: 神经信息编码是视觉、听觉等神经系统功能实现的基础,是理解和模拟生物智能的关键,是由大量神经元构成的集群协同活动完成的。构成信息传递通路的反馈结构可以调节突触后神经元的放电活动,继而参与神经编码。然而,有关反馈在神经元集群编码中的作用尚未明晰。本课题对电感系统的全局负反馈回路、局部正反馈回路及其抑制性中间神经元通路建模,得到具有多反馈回路的神经网络模型。基于数值仿真和理论分析,研究不同的反馈回路对网络放电活动及信息编码的影响,并以此为基础进一步研究神经元集群编码所依赖的反馈特性。根据电感系统的网络结构,在各个反馈回路整合相应的突触可塑性模型,揭示网络编码时反馈回路的突触可塑性机理。最后以神经生理学实验结果为依据验证本项目揭示的神经元集群编码的神经结构原理。本项目的研究将为认知活动的脑机制及人工智能计算的研究奠定基础。

中文关键词: 集群编码;反馈;同步振荡;相关系数;短时突触可塑性

英文摘要: The coding of neural information is the foundation of vision and audition in neural system, which is the key to understand and simulate the biological intelligence and is accomplished by neural ensemble. Feedback involved in the information transmission can regulate the firing activity of post-synaptic neurons, and thus participate in the neural coding. However, the functional role of feedback in neural population coding is not fully understood. The negative global feedabck, positive local feedback and its inhibitory interneurons pathway are obtained from the electrosensory system to model a neural network with multi-feedback loops in this project. Based on numerical simulation and theoretical analysis, the influences of different feedback loops on firing activity and information coding of the network are studied. We further study how the feedback properties contribute to the population coding. According to the network structure of the electrosensory system, corresponding models of synaptic plasticity are integrated to the feedback loops. The mechanisms of synaptic plasticity of feedback loop underlying encoding are then revealed. Finally, the principles of neural structure for neural population coding are verified by experimental results of neurophysiology. The research in this project will make contributions t

英文关键词: population coding;feedback;synchronized oscillation;correlation coefficient;short-term synaptic plasticity

成为VIP会员查看完整内容
1

相关内容

混合增强视觉认知架构及其关键技术进展
专知会员服务
41+阅读 · 2021年11月20日
专知会员服务
61+阅读 · 2021年9月20日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
69+阅读 · 2021年3月29日
【Nature通讯】深度神经网络模型中的个体差异
专知会员服务
13+阅读 · 2020年11月16日
【MIT】理解深度学习网络里单个神经元的作用
专知会员服务
28+阅读 · 2020年9月12日
【反馈循环自编码器】FEEDBACK RECURRENT AUTOENCODER
专知会员服务
22+阅读 · 2020年1月28日
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
【干货】人类海马体精细亚区加工工作记忆的神经动力学机制
中国图象图形学学会CSIG
0+阅读 · 2021年12月8日
Ihmehimmeli 项目:脉冲神经网络中的时序编码
谷歌开发者
17+阅读 · 2019年11月12日
脉冲神经网络(SNN)概述
人工智能前沿讲习班
60+阅读 · 2019年5月30日
脉冲神经网络与小样本学习【附PPT】
人工智能前沿讲习班
47+阅读 · 2019年2月1日
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
57+阅读 · 2022年1月5日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
混合增强视觉认知架构及其关键技术进展
专知会员服务
41+阅读 · 2021年11月20日
专知会员服务
61+阅读 · 2021年9月20日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
69+阅读 · 2021年3月29日
【Nature通讯】深度神经网络模型中的个体差异
专知会员服务
13+阅读 · 2020年11月16日
【MIT】理解深度学习网络里单个神经元的作用
专知会员服务
28+阅读 · 2020年9月12日
【反馈循环自编码器】FEEDBACK RECURRENT AUTOENCODER
专知会员服务
22+阅读 · 2020年1月28日
相关资讯
自动化所团队揭示多尺度动态编码,助力脉冲网络实现高效强化学习
中国科学院自动化研究所
0+阅读 · 2021年12月13日
【干货】人类海马体精细亚区加工工作记忆的神经动力学机制
中国图象图形学学会CSIG
0+阅读 · 2021年12月8日
Ihmehimmeli 项目:脉冲神经网络中的时序编码
谷歌开发者
17+阅读 · 2019年11月12日
脉冲神经网络(SNN)概述
人工智能前沿讲习班
60+阅读 · 2019年5月30日
脉冲神经网络与小样本学习【附PPT】
人工智能前沿讲习班
47+阅读 · 2019年2月1日
相关基金
国家自然科学基金
0+阅读 · 2016年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员