limits to the development of feed-forward structures in large recurrent neuronal networks

حدود تطور بنى التغذية الأمامية في الشبكات العصبونية الارتجاعية الكبيرة

Clicks: 153
ID: 141114
2011
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Popular

Ranked #117 of 128 articles by views in population health management

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 128 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Spike-timing dependent plasticity (STDP) has traditionally been of great interest to theoreticians, as it seems to provide an answer to the question of how the brain can develop functional structure in response to repeated stimuli. However, despite this high level of interest, convincing demonstrations of this capacity in large, initially random networks have not been forthcoming. Such demonstrations as there are typically rely on constraining the problem artificially. Techniques include employing additional pruning mechanisms or STDP rules that enhance symmetry breaking, simulating networks with low connectivity that magnify competition between synapses, or combinations of the above. In this paper we first review modeling choices that carry particularly high risks of producing non-generalizable results in the context of STDP in recurrent networks. We then develop a theory for the development of feed-forward structure in random networks and conclude that an unstable fixed point in the dynamics prevents the stable propagation of structure in recurrent networks with weight-dependent STDP. We demonstrate that the key predictions of the theory hold in large-scale simulations. The theory provides insight into the reasons why such development does not take place in unconstrained systems and enables us to identify candidate biologically motivated adaptations to the balanced random network model that might enable it.
حظيت اللدونة المعتمدة على توقيت النبضات (STDP) تقليدياً باهتمامٍ بالغ من قِبل المُنظِّرين، إذ يبدو أنها تقدم إجابة عن تساؤل كيفية قدرة الدماغ على تطوير بنية وظيفية استجابةً للمنبهات المتكررة. ومع ذلك، وعلى الرغم من هذا الاهتمام الكبير، لم تظهر أدلة مقنعة تثبت هذه القدرة في الشبكات الكبيرة ذات البنية العشوائية في الأصل. وتعتمد مثل هذه الأدلة المتاحة عادةً على تقييد المسألة اصطناعياً؛ وتتضمن هذه التقنيات توظيف آليات تشذيب إضافية، أو قواعد للدونة (STDP) تعزز كسر التناظر، أو محاكاة شبكات منخفضة الترابط تزيد من حدة التنافس بين المشابك العصبية، أو مزيجاً مما سبق. نستعرض في هذه الورقة أولاً خيارات النمذجة التي تنطوي تحديداً على مخاطر عالية لتوليد نتائج غير قابلة للتعميم في سياق اللدونة (STDP) داخل الشبكات المتكررة. ثم نطور بعد ذلك نظرية لنشوء بنية التغذية الأمامية في الشبكات العشوائية، ونخلص إلى أن وجود نقطة ثبات غير مستقرة في الديناميكا يحول دون الانتشار المستقر للبنية في الشبكات المتكررة ذات اللدونة المعتمدة على الوزن المشبكي. كما نوضح أن التنبؤات الرئيسية للنظرية تثبت صحتها في عمليات المحاكاة واسعة النطاق. تقدم هذه النظرية رؤية متعمقة للأسباب الكامنة وراء عدم حدوث مثل هذا التطور في الأنظمة غير المقيدة، وتتيح لنا تحديد تعديلات مرشحة ذات دوافع بيولوجية لنموذج الشبكة العشوائية المتوازنة من شأنها أن تجعل هذا التطور ممكناً.
Reference Key
kunkel2011frontierslimits Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Susanne Kunkel, Markus eDiesmann, Abigail Morrison
Are you one of these authors? Claim your profile
Journal population health management
Year 2011
DOI
10.3389/fncom.2010.00160
URL
http://journal.frontiersin.org/Journal/10.3389/fncom.2010.00160/full
Keywords
neuropsychiatry biological psychiatry random recurrent networkneurosciences

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.