Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.10929

帮助 | 高级搜索

计算机科学 > 神经与进化计算

arXiv:2508.10929 (cs)
[提交于 2025年8月11日 ]

标题: 阿利突触可塑性与记忆

标题: Allee Synaptic Plasticity and Memory

Authors:Eddy Kwessi
摘要: 神经可塑性是生物系统中记忆存储和检索的基础,但现有模型在处理噪声敏感性和无限制的突触权重增长方面往往存在不足。 本文研究了基于阿利效应的非线性可塑性模型,强调其生物启发的权重稳定机制、增强的噪声鲁棒性以及突触调节的关键阈值。 我们分析了其在记忆保持和模式检索中的性能,证明其容量和可靠性优于经典的赫布规则和奥加规则。 为解决时间限制问题,我们通过整合时间依赖的动力学,包括资格痕迹和振荡输入,扩展了该模型,从而提高了动态环境中的检索准确性和抗干扰能力。 这项工作将理论见解与实际应用相结合,提供了一个稳健的框架来模拟神经适应,并为人工智能和神经科学的进步提供了指导。
摘要: Neural plasticity is fundamental to memory storage and retrieval in biological systems, yet existing models often fall short in addressing noise sensitivity and unbounded synaptic weight growth. This paper investigates the Allee-based nonlinear plasticity model, emphasizing its biologically inspired weight stabilization mechanisms, enhanced noise robustness, and critical thresholds for synaptic regulation. We analyze its performance in memory retention and pattern retrieval, demonstrating increased capacity and reliability compared to classical models like Hebbian and Oja's rules. To address temporal limitations, we extend the model by integrating time-dependent dynamics, including eligibility traces and oscillatory inputs, resulting in improved retrieval accuracy and resilience in dynamic environments. This work bridges theoretical insights with practical implications, offering a robust framework for modeling neural adaptation and informing advances in artificial intelligence and neuroscience.
主题: 神经与进化计算 (cs.NE) ; 动力系统 (math.DS); 神经与认知 (q-bio.NC)
引用方式: arXiv:2508.10929 [cs.NE]
  (或者 arXiv:2508.10929v1 [cs.NE] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.10929
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Eddy Kwessi [查看电子邮件]
[v1] 星期一, 2025 年 8 月 11 日 18:27:23 UTC (533 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.NE
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
math
math.DS
q-bio
q-bio.NC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号