Somatodendritic consistency check for temporal feature segmentation | nature communication (2020)
Toshitake Asabuki
&
Tomoki Fukai
https://doi.org/10.1038/s41467-020-15367-w
This article is licensed under a Creative Commons Attribution 4.0 International License
hl.icon
一つの神経のモデルが、細胞体と樹状突起の2つの領域を持つ
マルチコンパートメントモデル(Multi-compartment model)
細胞体と樹状突起の間のエラー(
KLダイバージェンス(Kullback–Leibler divergence)
)を減らすように、シナプスの重みを調節
シンプルな学習則で相関した
ブラインド信号源分離(blind source separation; BSS)
が出来る
チャンク学習
Naa_tsure.icon
ヘブの学習則(Hebbian Learning)
のところで、可塑性と安定性のジレンマという話との関連が気になる
これは一部の読み出しに相当する？
リザバー計算(Reservoir Computing; RC)
hl.icon
Asabuki, T., Fukai, T. Somatodendritic consistency check for temporal feature segmentation. Nat Commun 11, 1554 (2020).