定量生物学 > 神经与认知
[提交于 2025年5月4日
]
标题: 没有神经元的认知:基底水库计算机中的预期建模
标题: Cognition without neurons: modelling anticipation in a basal reservoir computer
摘要: 如何非神经生物,如变形虫\textit{多头绒泡菌},预测环境中的周期性事件? 我们提出了一种最小的、生物学上受到启发的水库模型,该模型展示了没有神经元、尖峰或训练读出的简单时间预测。 该模型由一个空间嵌入的六边形网络组成,在这个网络中,节点通过局部的、同态适应来调节它们的能量。 输入扰动随着时间塑造能量动力学,使系统能够将其结构内部化为时间规律。 在暴露于周期性输入信号后,即使没有进一步的输入,该模型也会自发地重新激活那些动态——这是一种无监督的时间模式完成形式。 这种行为源自内部稳态调节,而不需要有监督学习或符号处理。 我们的结果显示,简单的稳态调节可以支持无监督预测,这为基底生物的记忆和预测提供了一条途径。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.