A Network Perspective on Sensorimotor Learning｜Trends in Neurosciences（2021）
Hansem Sohn Nicolas Meirhaeghe Rishi Rajalingham Mehrdad Jazayeri
DOI: https://doi.org/10.1016/j.tins.2020.11.007
状態空間モデル(State Space Model; SSM)を介して、単細胞/シナプス(synapse)レベルではなく脳/神経回路レベルの学習について考える
weight space (重み空間)がactivity space (活動空間)における軌道(trajectory)を制約する
Naa_tsure.icon２つの神経細胞がシナプスを介して接続したら、これらは相関するはず
神経多様体（Neural manifolds）
理想的な感覚運動学習(sensory-motor learning)を実現するためには、エラーを元に高次元の重み空間を移動する必要がある
しかし、誤差逆伝播法(Back-Propagation)を直接は実装できない
Naa_tsure.iconシナプスは基本的に局所的な情報を元に更新されるため
かといって、高次元空間を端から端まで探索することにはならない
1. 生理学的制約(physiological constraints)
神経活動は低次元の多様体上(神経多様体（Neural manifolds）)に存在する
シナプス重みの変化は神経活動に依存するためこれも低次元に制約される
2.