物理学 > 生物物理
[提交于 2011年9月18日
(v1)
,最后修订 2017年5月7日 (此版本, v5)]
标题: 神经元作为奖励调节的组合开关和学习行为的模型
标题: Neuron as a reward-modulated combinatorial switch and a model of learning behavior
摘要: 本文提出了一种神经元电路布局和突触可塑性原则,使得(锥体)神经元能够充当“组合开关”。 也就是说,当那些先前的神经元放电之后跟随有正向全局奖励信号的输入神经元放电组合时,神经元会学习更倾向于产生尖峰。 奖励信号可能由某些调节性激素或神经递质介导,例如多巴胺。 更一般地说,建议了一种试错学习范式,在这种范式中,全局奖励信号会触发神经元对先前神经元输入放电模式的尖峰反应的长期增强或削弱。 因此,奖励提供了一条反馈路径,告知神经元其尖峰对于特定输入组合是有益还是有害的。 神经元辨别特定输入神经元放电组合的能力是通过输入突触在树突上的随机或预定的空间分布实现的,这种分布创造了代表各种输入神经元排列的突触簇。 相应的树突段,或所包含的单个树突棘,由于涉及电压门控通道传导的局部S型阈值处理,如果该段的兴奋性输入和抑制性输入的缺失在时间上是重合的,那么它们能够被特别兴奋。 这种非线性兴奋对应于输入神经元的特定放电组合,并且认为兴奋强度编码了组合记忆,并由长期可塑性机制进行调节。 还建议,可能由时空突触输入重合引起的树突棘钙离子内流可能导致树突棘头部的肌动蛋白丝发生机械(类似肌肉)收缩,随后的细胞骨架变形会传递到轴突初始段,可能会……
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.