通过生物上合理的脉冲网络中的误差调制可塑性，实现“什么”和“何时”预测的联合编码

《Communications Biology》：Joint encoding of “what” and “when” predictions through error-modulated plasticity in biologically plausible spiking networks

　　

摘要

大脑不仅能预测事件的发生，还能预测其发生的时间以及发生的概率。我们将这种对事件身份、发生时间以及基于频率的概率的联合表征称为“完整预测对象”。现有的计算模型通常分别处理这些维度，或者依赖于生物学上不太可能成立的学习规则。在这里，我们展示了单一的脉冲神经元群体可以通过局部学习来获取并灵活维持一个完整的预测对象。我们使用了一个基于误差调节和注意力门控的赫布规则（Hebbian rule）进行训练的递归脉冲网络，独立地操控了事件的身份、发生延迟以及概率。该网络能够产生与结果概率成比例的、具有时间同步性的预期活动，并在时间或概率统计发生变化时快速重新调整。事件的身份和发生时间在共享的神经元群体中自组织成了可分解的子空间。这些结果表明，具有混合选择性特征的皮层神经元群体，结合神经调节因子介导的可塑性，可能足以在递归电路中共同编码和更新多维度的预测信息。