학습에서 소음 상관관계의 역할 조사

포유류의 뇌는 견고성부터 높은 표현 능력까지 다양한 이점을 제공하는 분산 인구 코드를 사용하여 정보를 표현합니다. 그러나 다운스트림 판독 뉴런의 경우 이러한 코드는 적절한 판독을 찾기 위해 학습 중에 매우 많은 수의 시냅스 연결을 조정해야 하기 때문에 엄청난 고차원 학습 문제를 제기합니다. 우리의 최근 이론적 작업은 이러한 고차원 학습 문제가 시행 간 변동에서 한 쌍의 뉴런이 공변하는 정도를 표현하는 자극 독립적 잡음 상관 관계를 통해 구현된 귀납적 편향에 의해 단순화될 수 있다는 가설을 세웠습니다. 잡음 상관관계는 전통적으로 표현 능력에 대한 제약을 제공하는 것으로 간주되어 왔지만, 최근 연구에서는 판독 학습을 동시에 제약한다는 것을 보여줍니다. 생물학적으로 관련된 일부 사례에서는 기본 신경 공간의 기하학적 구조를 형성하여 학습 그라데이션을 작업 관련 차원에 집중함으로써 이론적으로 학습 속도를 높일 수 있습니다. 그러나 학습 형성에서 잡음 상관 관계의 가정된 역할은 아직 경험적으로 테스트되지 않았습니다. 여기에서 연구자들은 익숙한 상황과 새로운 상황 모두에서 학습할 때 주어진 자극에 대한 fMRI 다중 복셀 굵게 활동 패턴의 공변량을 통해 측정된 소음 상관 관계의 예측된 역할을 테스트하기 위한 실험적 프레임워크를 자세히 설명합니다. 익숙한 상황에서 유용한 소음 상관 관계는 관련 작업 차원을 알리는 전두엽 피질의 하향식 입력에 의해 유도될 수 있습니다. 따라서 작업 관련 차원의 노이즈 상관 관계의 강도는 작업 관련 기능에 대한 더 빠른 학습을 예측합니다. 반면에 관련 작업 차원을 알 수 없는 새로운 상황에서는 노이즈 상관 관계가 작업과 관련 없는 차원으로 그라데이션을 강제로 적용하여 학습을 손상시킬 수 있습니다. 따라서 신경조절 신호전달을 통해 달성될 수 있는 잡음 상관관계를 억제하면 학습 중 초기에 또는 작업 관련 자극이 변경된 후에 편향을 줄여 학습 속도를 높일 수 있습니다. 우리의 목표 전반에 걸쳐 연구자들은 fMRI를 사용하여 인간 피험자의 신경 조절 신호 전달에 대한 프록시로서 소음 상관 관계 및 동공 측정의 기하학을 특성화하는 계산 모델의 가장 기본적인 예측을 테스트하는 계획을 개발합니다. 계획된 연구는 학습에서 소음 상관관계의 역할에 대한 최초의 경험적 테스트를 제공할 것입니다.