Sufficient conditions for offline reactivation in recurrent neural networks

要約

睡眠などの静止期間中、多くの脳回路での神経活動は、タスクエンゲージメントの期間中に観察されたものに似ています。
ただし、タスクが最適化されたネットワークがオンライン行動の原因となる同じネットワーク状態を自律的に再現できる正確な条件はよく理解されていません。
この研究では、スムーズに変化する刺激の特徴をコードする回路での神経再活性化の出現に十分な条件を概説する数学的枠組みを開発します。
変化ベースの感覚情報を使用して環境状態変数を追跡するために最適化された騒々しい再発ネットワークが自然に除去ダイナミクスを開発することを数学的に実証します。
2つの標準的な神経科学タスクの数値実験を使用して、自己運動のキューに基づく空間的位置推定と、角度速度キューに基づく頭方向の推定を使用して、調査結果を検証します。
全体として、私たちの研究は、ノイズの多いニューラル回路におけるタスクの最適化の緊急の結果として、オフライン再活性化をモデル化するための理論的サポートを提供します。

要約(オリジナル)

During periods of quiescence, such as sleep, neural activity in many brain circuits resembles that observed during periods of task engagement. However, the precise conditions under which task-optimized networks can autonomously reactivate the same network states responsible for online behavior is poorly understood. In this study, we develop a mathematical framework that outlines sufficient conditions for the emergence of neural reactivation in circuits that encode features of smoothly varying stimuli. We demonstrate mathematically that noisy recurrent networks optimized to track environmental state variables using change-based sensory information naturally develop denoising dynamics, which, in the absence of input, cause the network to revisit state configurations observed during periods of online activity. We validate our findings using numerical experiments on two canonical neuroscience tasks: spatial position estimation based on self-motion cues, and head direction estimation based on angular velocity cues. Overall, our work provides theoretical support for modeling offline reactivation as an emergent consequence of task optimization in noisy neural circuits.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google