Matematiksel modelde zaman hücresi örüntüleri öğrenmeden önce ortaya çıktı
Hesaplamalı sinirbilim araştırmasında, geçmiş girdileri tutan bir model görev öğreniminden önce zaman hücrelerine benzeyen sıralı etkinlik sergiledi. Öğrenme, var olan zaman yapısını bekleme ve tur sayma görevlerine uyarladı. Tek bir hakemli çalışmanın sonucu, sinir sisteminde zamanın temsili için matematiksel bir olasılık sunuyor. Biyolojik devrelerin aynı yapıyı kullandığını kanıtlamıyor; canlı sinir etkinliğiyle doğrudan karşılaştırma gerekiyor.
Bilim··Akşam
Zamansal etkinlik başlangıç yapısından doğdu
Geçmiş girdileri değişen bir iç durumda tutan matematiksel sistem, bir görevi öğrenmeden önce zaman hücrelerine benzeyen sıralı etkinlik sergiledi. Zaman hücreleri, bir sürenin farklı anlarında etkinleşen sinir hücreleridir. Hakemli tek hesaplamalı araştırmada başlangıç dinamikleri, giderek artan veya azalan etkinliği ve salınımları da destekledi. Böylece farklı zamansal yanıt örüntüleri için ortak bir matematiksel taban oluştu.[1]
Öğrenme var olan temsili uyarladı
Durum uzayı modeli, girdi geçmişini farklı zaman ölçeklerinde sıkıştırıyor. İç durumdaki dönme dinamikleri sıralı yanıtları oluştururken, öğrenme girdilerin alınışını ve çıktıların okunmasını uyarlıyor. Araştırma, hücrelerdeki hızlı değişimlerin davranıştaki daha uzun süreleri nasıl destekleyebileceğini inceliyor. Bu hesabın belirli bir biyolojik devrede gerçekleştiğini doğrulamıyor.[1]
Sınamalar, bekleme görevlerini ve duyusal işaretlerin tekrarlandığı turları saymayı içeriyor. Benzer girdilere rağmen iç durumlar farklı turları ayırt edebiliyor. Bekleme süresinin uzatıldığı bazı karşılaştırmalarda iç dinamikler korunup yalnızca çıktı okuması ayarlandı. Bu deneyler, zaman temsilinin yeniden kullanılabilirliğini araştırıyor.[1]
Rastgele başlangıç da basit görevlerde başarı sağlıyor
Matematiksel yeterlilik, sinir sistemlerinin aynı yapıyı kullanıp kullanmadığını açık bırakıyor. Rastgele başlatılan modeller de basit görevlerde başarılı olabiliyor; sonuçlar başlangıçlara göre değişiyor. Gerçek devrelerdeki hücre çeşitliliği, bağlantı ayrıntıları ve gürültülü işaretler burada sadeleştiriliyor. Varsayımı değerlendirmek için sinir etkinliğiyle doğrudan karşılaştırma ve biyolojik özellikleri daha ayrıntılı taşıyan devre modelleri gerekiyor.[1]