抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
スパイキングモデルニューロンは,それらの入力重みの最適化によって特定の時空間スパイクパターンに選択的に応答するように設定できる。しかし,既存のシナプス可塑性機構がニューロンコーディングと計算のこの時間的モードを達成できるかどうかは不明である。ここでは,興奮性および抑制性シナプス入力のバランスをとる傾向があるシナプス効率の変化は,ニューロンを特定の入力スパイクパターンに敏感にすることができることを示す。シミュレーションは,Hebbian機構,ヘテロシナプス可塑性とシナプススケーリングの組合せが,入力で反復する時空間スパイクパターンに対する自己組織化感度に十分であることを示した。ヘテロシナプス可塑性のネットワーク包含は,標的ニューロンのグループによるパターンシーケンスの特殊化と忠実な表現をもたらす。パターン検出は,一連の歪みと雑音に対してロバストである。Hebbian機構,ヘテロシナプス可塑性およびシナプススケーリングの提案した組合せは,パターンが存在しないとき,長期間にわたる進行中の学習により,特定のパターンに対する記憶を保護することを見出した。これは,実質的なシナプス可塑性を有する進行中の活動にもかかわらず,記憶痕跡の長期間のロバスト性の新しい説明を示唆する。まとめると,我々の結果は脳における正確な時間的符号化の可能性を促進する。Author要約Neuronsは,時間内に局所化されたパルスである活動電位を用いて通信する。これらのいわゆるスパイクの厳密なタイミングが情報を運ぶという証拠がある。しかし,この仮説は,脳における計算が,特に適切な検出器の存在を必要とするので,スパイクの正確なパターンに基づいている。理論的には,入力シナプスが注意深く調整されるとき,個々のニューロンはスパイクパターン検出を実行することができるが,既存のシナプス可塑性機構がこの符号化原理を実際に支持するかどうかは知られていない。ここでは,基本であるが現実的な機構の組み合わせが,個々のニューロンが入力で反復するパターンの検出器になるようなシナプス入力効率の自己組織化を示す。学習メカニズムの提案した組合せは,皮質における観察,摂動とノイズに対する検出のロバスト性,および学習パターンのない進行中の活動中の可塑性に対する記憶の持続性と類似の励起と抑制のバランスを与える。提案した学習機構は,ニューロンのグループを,それによって,そのものを忠実に表現し,そして,配列において忠実に表現する,ニューロンのグループを可能にする。これらの結果は,時空間スパイクパターンに基づく計算が脳に存在するシナプス可塑性機構からの監視なしに出現することを示唆する。【JST・京大機械翻訳】
