Dendritic cortical microcircuits approximate the backpropagation algorithm
Institute of Neuroinformatics（神经信息学研究所）；University of Zürich（苏黎世大学）；ETH Zürich（苏黎世联邦理工学院）；University of Bern（伯尔尼大学）；University of Bristol（布里斯托大学）；Mila（米拉研究所）；Université de Montréal（蒙特利尔大学）
深度学习在过去几年中取得了显著的发展，其中许多都受到了神经科学的启发。然而，这些进步背后的主要学习机制-错误反向传播-似乎与神经生物学不一致。在这里，我们介绍了一个多层神经元网络模型与简化的树突室中，错误驱动的突触可塑性适应网络对一个全球性的期望输出。与以前的工作相比，我们的模型不需要单独的阶段，突触学习是由局部树突预测误差连续驱动的。这种错误起源于顶端树突，并且由于来自外侧中间神经元的预测输入与来自实际自上而下反馈的活动之间的不匹配而发生。通过使用简单的树突隔室和不同的细胞类型，我们的模型可以代表锥体神经元内的错误和正常活动。我们展示了该模型在回归和分类任务中的学习能力，并分析表明它近似于误差反向传播算法。此外，我们的框架是一致的，最近的观察学习之间的大脑区域和皮层微电路的架构。总的来说，我们介绍了一种新的观点学习树突状皮层电路和大脑如何解决长期存在的突触信用分配问题。
2018-10-26 cs.LG cs.NE q-bio.NC
Identifying anatomical origins of coexisting oscillations in the cortical microcircuit
振荡在神经元群体信号中是无所不在的，如多单位记录、EEG/MEG和局部场电位。它们与神经元的群体放电率有关，单个神经元以接近不规则的方式以低速率放电。使用平均场和线性响应理论的结合，我们预测了V1分层微电路模型中产生的光谱，该模型由泄漏的集成和激发神经元组成，并基于从解剖和电生理研究中编译的连接性。该模型表现出低和高伽玛振荡可见于所有人口。由于本地产生的频率被施加到其他群体，振荡的起源不能从光谱中推断出来。我们开发了一种普遍适用的系统方法，确定在给定的网络中产生振荡的解剖电路。基于理论上减少的动态，我们推导出一个灵敏度的措施，导致在一个依赖于频率的连接图，揭示了所观察到的振荡的峰值振幅和频率至关重要的连接，并确定产生给定频率的最小电路。低伽马峰原来是在位于层2/3和4中的子电路中产生的，而高伽马峰则来自层4中的中间神经元。发现层5内和层5上的连接调节慢速率波动。我们进一步证明了关键连接的小扰动如何对种群谱产生重大影响，而其他连接的损伤使种群水平上的动态不变。这项研究揭示了控制皮层微电路频谱的机制最有效的连接。
2016-05-19 q-bio.NC
Are cortical microcircuits optimized for information flux? -- A simulation-based reverse engineering study
Friedrich-Alexander-University Erlangen-Nürnberg (FAU)（埃尔朗根-纽伦堡大学）；University Hospital Mannheim, University Heidelberg（海德堡大学曼海姆大学医院）；University Hospital Erlangen（埃尔朗根大学医院）；BGU Ludwigshafen（路德维希港创伤中心）
研究通过模拟分析皮层微柱结构，发现嵌入网络通过产生有效偏置和随机波动增强核心动态的信息流，为生物神经电路功能解释和人工递归系统设计提供新见解。
2026-05-14 q-bio.NC
Simple Learning Rules Generate Complex Canonical Circuits
皮层回路的特点是在未分化网络的发育过程中出现的极其复杂的连接模式。这些回路的发展是由精确的分子线索的组合决定的，这些分子线索决定了神经元的身份和位置，以及有助于建立、完善和维持神经元连接的活动依赖机制。在这里，我们问是否简单的可塑性机制可以导致组装一个皮质微电路与规范层间连接，从一个网络与所有到所有的连接。目标典型微电路基于通常在啮齿动物、猫和猴子的多个皮质区域中发现的皮质层之间的连接模式。我们使用一个计算模型作为一个证明的原则，以证明经典和反向尖峰定时依赖可塑性规则导致形成的网络，类似于典型的微电路。该模型收敛到生物学上合理的解决方案，提供了增强和抑郁症和增强输入层4之间的平衡，只有一个小的组合的可塑性规则。该模型对皮层各层的学习计算及其在开发过程中的动态部署做出了具体的可测试预测。
2020-09-13 q-bio.NC
Decoding the circuitry of consciousness: from local microcircuits to brain-scale networks
识别意识出现和维持的生理过程是神经科学最基本的问题之一，其影响范围从基础神经科学到意识障碍（DOC）患者的治疗。一个主要的挑战是了解从局部网络到大脑规模网络的完全不同的空间尺度上的皮层回路如何协同运作以实现意识，以及这些过程如何在DOC患者中受损。在这篇综述中，我们试图将现有的神经生理学和临床数据与现有的意识理论模型联系起来，同时将微观和宏观电路水平联系起来。首先，我们一方面解决意识和觉醒之间的关系，另一方面解决皮质-皮质和丘脑-皮质连接之间的关系。其次，我们讨论了三种主要类型的GABA能中间神经元在负责功能网络动态重组的特定电路中的作用。第三，我们探索嵌套振荡的神经同步和通信的功能作用的进展，强调本地（高频）和远程（低频）活动之间的平衡的重要性，有效的信息处理。这些理论考虑的临床意义。我们认为，这种细胞尺度的机制可以扩展目前的意识理论。
2019-07-26 q-bio.NC
Correlation transfer by layer 5 cortical neurons under recreated synaptic inputs in vitro
神经元的相关电活动是皮层微电路的一个显著特征。尽管越来越多的证据表明，尖峰计数和阈下膜电位成对的相关性，很少有人知道不同类型的皮层神经元如何将相关的输入转换为相关的输出。我们研究了锥体神经元和两个类的GABA能中间神经元的第5层的新皮层脑切片从大鼠的性别，我们刺激他们的生物病理学现实的相关输入，使用动态钳。我们发现，细胞类型之间的生理差异表现出独特的功能，在他们的能力，以转移相关的输入。我们使用线性响应理论和计算建模来清楚地了解细胞特性如何决定相关性传递的增益和时间尺度，从而将单细胞特征与网络相互作用联系起来。我们的研究结果提供了进一步的理由，在皮层微电路中的各种类型的神经元细胞所发挥的功能不同的作用。
2019-07-26 q-bio.NC
Self-organization of microcircuits in networks of neurons with plastic synapses
与简单的随机网络模型相比，皮层网络的突触连接具有某些布线图案的过度表达。这种结构的形成，部分是由突触可塑性，促进或抑制神经元之间的连接，这取决于他们的尖峰活动。通常，理论研究集中在前馈输入如何驱动可塑性以创建这种网络结构。我们研究了循环网络中自组织结构的互补性情景，其中尖峰时间依赖的可塑性由自发动力学驱动。我们开发了一个自洽的理论，描述了网络结构的演变相结合的快速尖峰协方差与突触权重动态的快-慢理论。通过网络动力学的有限尺寸扩展，我们得到了一组低维的非线性微分方程的两个突触连接图案的演变。有了这个理论在手，我们探讨了可塑性规则的形式如何驱动皮层网络中微电路的演变。当增强和抑制处于近似平衡时，突触动力学依赖于加权发散、收敛和链基序的频率。对于加法，赫布STDP，这些基序相互作用在突触动力学中产生不稳定性，从而促进或抑制初始网络结构。我们的工作提供了一个一致的理论框架，研究如何在循环网络的尖峰活动与突触可塑性相互作用，以确定网络结构。
2014-12-20 q-bio.NC
Brief wide-field photostimuli evoke and modulate oscillatory reverberating activity in cortical networks
利用光遗传学技术操纵细胞组装体是推进神经科学和神经工程的关键。在体内应用中，光刺激通常广泛地同时处理细胞群体，导致前馈和在复发性微电路中的回响响应。前者由下游靶点的直接激活引起，并且易于解释。后者是反馈连通性的结果，可以反映各种时间尺度和复杂的动力学性质。我们研究了体外皮层网络的宽场光刺激，采用基底集成微电极阵列和长期培养的神经元网络。我们的特点是短暂的光脉冲的影响，同时限制表达的通道视紫红质的主要神经元。我们诱发了强大的混响响应，在生理伽马频率范围内振荡，并发现这样的频率可以可靠地操纵，改变光脉冲的持续时间，而不是它的强度。通过药理学、数学建模和细胞内记录，我们得出结论，伽马振荡可能在体内从兴奋-抑制相互作用中出现，并且出乎意料地，光刺激短暂地促进兴奋性突触传递。在体外模型（dys）的功能性皮层微电路和细胞组装体的体内操作的相关性，我们给出了第一次证据的网络水平的后果，改变突触生理学的光遗传学
2016-04-07 q-bio.NC
Noise-enhanced computation in a model of a cortical column
各种感觉系统使用噪声来增强对微弱信号的检测。在文献中已经证实，这种被称为随机共振的效应可能发生在中央认知过程中，例如算术乘法的记忆提取。我们表明，在一个简化的模型的皮质组织，复杂的算术计算可以进行，并在随机背景的存在下得到增强。的性能被证明是正相关的网络的敏感性，定义为它的敏感性的变化，其输入的平均值。对于非平凡的算术任务，如乘法，随机共振是模型网络的微电路的一个新兴的属性。
2005-05-04 q-bio.NC
Real-Time Cortical Simulation on Neuromorphic Hardware
通过使用异构并行方案和SpiNNaker神经形态硬件，对一个具有生物学代表性的大规模脉冲神经网络进行了实时的【形】仿真.已发表的皮质微电路模型被用作基准测试用例，代表约。1平方毫米的早期感觉皮层，包含77k个神经元和3亿个突触。这是该模型的第一个真正实时的【形】模拟，在10秒的挂钟时间内执行10秒的生物模拟时间。这超过了HPC神经模拟器（3倍减速）和运行优化SNN库的GPU（2倍减速）的最佳成果。此外，该方法还表明，随着SNN规模的增加，实时的【形】处理能力也能得到保证，从而打破了传统计算机器的通信障碍.模型结果进行比较，建立HPC模拟器基线，以验证模拟的正确性，比较以及在一系列的统计措施。还报告了解决方案的能量和每个突触事件的能量，表明相对低技术的SpiNNaker处理器实现了相对于现代HPC系统的10倍能耗降低，并且与现代GPU的能耗相当。最后，系统的鲁棒性通过多个12小时的模拟皮层微电路，每个模拟12小时的生物时间，并展示了潜在的神经形态硬件作为神经科学研究工具，研究复杂的脉冲神经网络在延长的时间段。
2019-09-18 cs.ET q-bio.NC
Fast simulations of highly-connected spiking cortical models using GPUs
在过去的十年里，人们对开发用于模拟大规模尖峰神经元网络的并行硬件系统的兴趣越来越大。与其他高度并行系统相比，GPU加速解决方案具有成本相对较低和通用性强的优势，这也要归功于使用CUDA-C/C++编程语言的可能性。NeuronGPU是一个GPU库，用于大规模模拟尖峰神经网络模型，使用C++和CUDA-C++编程语言编写，基于一种新颖的尖峰传递算法。该库包括简单的LIF（leaky-integrate-and-fire）神经元模型以及几个具有基于电流或电导的突触的多突触AdEx（adaptive-exponential-integrate-and-fire）神经元模型、用户可定义的模型和不同的设备。AdEx模型的动力学微分方程的数值解是通过一个并行实现，写在CUDA-C++，五阶龙格-库塔法与自适应步长控制。在这项工作中，我们评估了这个库的性能上的模拟皮质微电路模型，基于LIF神经元和电流为基础的突触，并在一个平衡的网络的兴奋性和抑制性神经元，使用AdEx神经元和电导为基础的突触。在这些模型上，我们将证明所提出的库在每秒生物活性的模拟时间方面达到了最先进的性能。特别是，使用单个NVIDIA GeForce RTX 2080 Ti GPU板，可以以非常接近实时的速度模拟包括约77，000个神经元和$3 \cdot 10^8$连接的全尺寸皮层微电路模型，而1，000，000个AdEx神经…
2020-11-09 cs.DC cs.NE q-bio.NC
A biologically plausible neural network for multi-channel Canonical Correlation Analysis
皮质锥体神经元从多个不同的神经元群体接收输入，并将这些输入整合到单独的树突隔室中。我们探讨了皮质微电路实现典型相关分析（CCA）的可能性，CCA是一种无监督学习方法，将输入投影到一个共同的子空间上，以最大限度地提高投影之间的相关性。为此，我们寻求一个多通道CCA算法，可以实现在一个生物学上合理的神经网络。对于生物相容性，我们要求网络在在线设置中运行，并且其突触更新规则是本地的。从一个新的CCA目标函数，我们推导出一个在线优化算法，其优化步骤可以实现在一个单层神经网络与多房室神经元和本地非赫布学习规则。我们还得到了我们的在线CCA算法与自适应输出秩和输出白化的扩展。有趣的是，该延伸映射到一个神经网络上，其神经结构和突触更新类似于在皮质锥体神经元中实验观察到的神经回路和突触可塑性。
2021-03-26 cs.NE q-bio.NC stat.ML
Relaxing the Constraints on Predictive Coding Models
University of Edinburgh（爱丁堡大学）；University Sussex（苏塞克斯大学）；Sackler Center for Consciousness Science（萨克勒意识科学中心）；School of Engineering and Informatics（工程与信息学院）；School of Informatics（信息学院）；Evolutionary and Adaptive Systems Research Group（进化与自适应系统研究小组）；University of Sussex（苏塞克斯大学）
预测编码是一种有影响力的皮质功能理论，它假定大脑执行的主要计算是预测误差的最小化，这是感知和学习的基础。在变分推理的高层次概念的激励下，已经开发出了可以实现其计算的皮层微电路的详细神经生理模型。此外，在某些条件下，预测编码已被证明近似于误差反向传播算法，从而为训练深度网络提供了一种相对生物学上合理的信用分配机制。然而，该算法的标准实现仍然涉及潜在的神经难以置信的功能，如相同的前向和后向权重，后向非线性导数和1-1错误单元连接。在本文中，我们表明，这些功能是不完整的算法，可以直接删除或通过学习额外的参数集与赫布更新规则没有明显的损害学习性能。因此，我们的工作放松了当前对潜在的微电路设计的限制，并有望为预测编码的神经形态实现开辟新的设计空间。
2020-10-10 cs.AI q-bio.NC stat.ML
Single-phase deep learning in cortico-cortical networks
University of Bristol（布里斯托大学）
误差反向传播（backprop）算法仍然是人工神经网络中信用分配问题最常见的解决方案。在神经科学中，目前还不清楚大脑是否可以采取类似的策略来正确地修改其突触。最近的模型试图弥合这一差距，同时与一系列实验观察相一致。然而，这些模型要么无法有效地将错误信号反向传播到多个层，要么需要多阶段的学习过程，这两者都不能让人联想到大脑中的学习。在这里，我们介绍了一个新的模型，爆发皮质-皮质网络（BurstCCN），它解决了这些问题，通过整合已知的属性的皮质网络，即爆发活动，短期可塑性（STP）和树突靶向中间神经元。BurstCCN依赖于通过连接类型特定的STP进行突发复用，以在深层皮层网络内传播类似反向传播的错误信号。这些错误信号在远端树突编码，并诱导突发依赖性可塑性作为兴奋抑制自上而下的输入的结果。首先，我们证明了我们的模型可以使用单阶段学习过程通过多层有效地反向传播错误。接下来，我们通过经验和分析表明，我们模型中的学习近似于反向传播导出的梯度。最后，我们证明了我们的模型能够学习复杂的图像分类任务（MNIST和CIFAR-10）。总的来说，我们的研究结果表明，跨亚细胞、细胞、微电路和系统水平的皮质特征共同构成了大脑中单相高效深度学习的基础。
2022-10-24 cs.LG cs.NE q-bio.NC
Learning efficient backprojections across cortical hierarchies in real time
University of Bern（伯尔尼大学）；University of Sussex（萨塞克斯大学）
针对皮层学习模型的信用分配问题，提出符合生物合理性的无相位对齐学习PAL方法，利用天然噪声、局部信息和持续可塑性实现多层高效误差传播，在分类任务上性能优于随机突触反馈方法。
2024-02-02 cs.LG cs.NE q-bio.NC
A Unified Cortical Circuit Model with Divisive Normalization and Self-Excitation for Robust Representation and Memory Maintenance
Qiyuan Laborotary（启元实验室）；Beijing Normal University（北京师范大学）
本文提出一个结合分裂归一化与自激发的统一皮层回路模型，在单个微回路中同时实现抗噪声鲁棒编码、工作记忆维持和近似贝叶斯推断，并通过RDK与pWCST任务验证其有效性。
2025-08-18 cs.AI cs.NE q-bio.NC
Towards a theory of cortical columns: From spiking neurons to interacting neural populations of finite size
神经元群体方程如神经质量或场模型被广泛用于大规模研究大脑活动。然而，这些模型与单个神经元性质的关系尚不清楚。在这里，我们推导出一个方程的几个相互作用的群体在介观尺度从随机连接的广义积分和消防神经元模型的微观模型。每个群体由50 - 2000个相同类型的神经元组成，但不同的群体占不同的神经元类型。我们发现的随机种群方程揭示了单神经元动力学中的尖峰历史效应（如不应性和适应性）如何与种群水平上的有限大小波动相互作用。随机介观方程的有效集成再现了从一个完整的尖峰神经网络模型的微观模拟获得的人口活动的统计行为。该理论描述了非线性涌现动力学，如多稳态网络中有限大小诱导的随机跃迁和兴奋性和抑制性神经元平衡网络中的同步。介观方程被用来快速模拟由八种神经元组成的局部皮层微电路模型。我们的理论建立了一个通用的框架，建模有限大小的神经元群体动力学的基础上单细胞和突触参数，并提供了一个有效的方法来分析皮层电路和计算。
2017-04-21 q-bio.NC
The Neuroscience of Transformers
University of Osnabrück（奥斯纳布吕克大学）；University Medical Center Hamburg-Eppendorf（汉堡-埃彭多夫大学医学中心）；Erasmus MC（伊拉斯姆斯大学医学中心）
本文探讨变换器网络如何类比大脑皮层微电路结构，提出变换器操作与皮层分层特征的映射关系，为研究皮层功能提供新视角。
2026-03-16 q-bio.NC q-bio.SC q-bio.TO
Global dynamics of neural mass models
神经质量模型被用来模拟皮质动力学，并解释使用脑电图和脑磁图测量的电场和磁场。模拟表明，这些类型的模型的复杂的相空间结构，包括不动点和极限环和不同的活动模式之间的分叉和过渡的可能性。这种复杂性使得神经质量模型能够描述大脑动力学的巡回特征。然而，如果没有额外的简化假设，表达性的非线性神经质量模型通常难以拟合经验数据：例如，系统可以被建模为围绕固定点的线性扰动。在这项研究中，我们提供了一个数学分析的神经质量模型，特别是典型的微电路模型，提供描述动态巡回的解析解。我们推导出一个扰动分析的相流的二阶，连同绝热近似。这使我们能够将振幅调制描述为内在连通性的势函数上的梯度流。这些结果提供了分析证明的原则存在的半稳定状态的皮质动力学的皮质柱的规模。至关重要的是，这项工作允许模型反演的神经质量模型，不仅围绕固定点，但在相空间的区域，包括振荡活动的半或多稳定状态之间的过渡。原则上，这种皮层动力学的表述可以提高我们对皮层活动（通过EEG或MEG）的巡回性的理解。至关重要的是，这些理论结果在多种半稳定大脑状态的背景下说明了模型反演，例如癫痫发作活动的发作或帕金森病的β爆发。
2022-08-23 q-bio.NC q-bio.QM
Latent Equilibrium: A unified learning theory for arbitrarily fast computation with arbitrarily slow neurons
Heidelberg University（海德堡大学）；University of Bern（伯尔尼大学）
物理计算元件的响应时间是有限的，神经元也不例外。因此，在皮层网络的分层模型中，每一层都引入了反应滞后。物理动力系统的这种固有特性导致刺激的延迟处理，并导致网络输出和指导信号之间的时序不匹配，从而不仅影响推理，而且影响学习。我们引入了潜在平衡，这是一种在慢速组件网络中进行推理和学习的新框架，它通过利用生物神经元相对于其膜电位相位推进其输出的能力来避免这些问题。该原理使得能够独立于网络深度进行准瞬时推理，并且避免了对相位可塑性或计算昂贵的网络松弛相位的需要。我们共同从一个前瞻性的能量函数，取决于网络的广义位置和动量，解开神经元和突触动力学。由此产生的模型可以被解释为一个生物学上合理的近似误差反向传播在深层皮层网络连续时间，泄漏的神经元动力学和连续活跃，局部可塑性。我们展示了标准基准数据集的成功学习，使用全连接和卷积架构实现了具有竞争力的性能，并展示了我们的原理如何应用于皮层微电路的详细模型。此外，我们研究了我们的模型的鲁棒性时空基板的缺陷，以证明其物理实现的可行性，无论是在体内还是在硅片。
2021-10-27 cs.AI cs.LG cs.NE
Winner-Take-All as Basic Probabilistic Inference Unit of Neuronal Circuits
神经科学的实验观察表明，大脑在计算不确定性信息时以概率的方式工作。这种处理可以被建模为贝叶斯推断。然而，目前还不清楚如何贝叶斯推断可以在大脑的神经元回路的水平上实施。在这项研究中，我们提出了一种新的通用神经实现的概率推理的基础上无处不在的网络皮层微电路，称为赢家通吃（WTA）电路。我们表明，每个WTA电路可以编码的分布状态定义在一个变量。通过将多个WTA电路连接在一起，可以表示任意概率图模型的联合分布。此外，我们证明了WTA电路的神经动力学能够实现概率图模型中最强大的推理方法之一，平均场推理。我们表明，在WTA电路中的每个尖峰神经元的突触驱动编码在每个状态的变量的边际概率，和每个神经元的发射概率（或发射率）是成比例的边际概率。理论分析和实验结果表明，WTA电路可以得到与平均场近似相当的推理结果。综上所述，我们的研究结果表明，WTA回路可以被视为神经元回路的最小推理单元。
2018-08-02 cs.NE q-bio.NC
Control over stress induces plasticity of individual prefrontal cortical neurons: A conductance-based neural simulation
当缺乏控制时，对压力刺激的行为控制会诱导对未来条件的弹性。内侧前额叶皮层（mPFC）是一个至关重要的大脑区域所需的可塑性的压力恢复。我们发现，对压力的控制诱导PFC中锥体神经元的固有电压门控电导的可塑性。为了深入了解这种可塑性的潜在生物物理机制，我们使用基于电导的神经模拟软件工具NEURON来模拟与压力恢复力相关的膜兴奋性增加。一个球和棒的多室电导为基础的模型，以切合实际的适应被动和主动的数据轨迹，从原型的锥体神经元在大鼠的神经元控制尾部休克应激和缺乏控制。结果表明，可塑性的膜兴奋性与控制压力可以归因于增加Na+和Ca2+ T型电导和增加的泄漏电导。使用模拟树突状突触输入，我们观察到兴奋性突触后总和和放大的增加，导致动作电位输出升高。这种现实的模拟表明，控制压力提高输出的PFC，并提供具体的可检验的假设，以指导未来的电生理机制研究的动物模型的弹性和脆弱性的压力。
2012-04-04 q-bio.NC
Mesoscopic population equations for spiking neural networks with synaptic short-term plasticity
粗粒度的生物神经网络的微观模型，以获得神经活动的介观模型是迈向多尺度模型的重要一步。在这里，我们扩展了最近的理论介观种群动力学与静态突触的情况下，动态突触表现出短期可塑性（STP）。在假设尖峰到达突触有泊松统计，我们推导出解析随机平均场动力学进行Tsodyks-Markram STP的有限大小的人口之间的有效突触耦合。新的平均场方程既考虑了有限数量的突触，又考虑了神经递质释放概率与可用突触资源分数之间的相关性。与Monte Carlo模拟的微观模型的比较表明，在前馈和经常性网络的介观平均场模型准确地再现随机实现的总突触输入到突触后神经元和帐户之间的随机开关向上和向下的状态，以及人口尖峰。扩展介观人口理论的尖峰神经网络与STP可能是有用的系统减少详细的生物物理模型的皮质微电路的有效和数学上易于处理的平均场模型。
2018-12-21 q-bio.NC
Hybrid Spiking Neural Networks for Low-Power Intra-Cortical Brain-Machine Interfaces
Karlsruhe Institute of Technology, Karlsruhe, Germany（卡尔斯鲁厄理工大学）；FZI Research Center for Information Technology, Karlsruhe, Germany（弗劳恩霍夫信息与通信技术研究中心）；Infineon Technologies, Dresden, Germany（英飞凌科技）
本研究提出混合脉冲神经网络用于无线皮层内脑机接口的嵌入式神经解码，在保持低功耗的同时实现高精度运动速度预测，超越现有基线模型。
2024-09-26 cs.AI cs.LG q-bio.NC
Joint encoding of "what" and "when" predictions through error-modulated plasticity in biologically-plausible spiking networks
International Research Center for Neurointelligence (WPI-IRCN), UTIAS, The University of Tokyo（国际神经智能研究中心（WPI-IRCN），UTIAS，东京大学）
该研究通过生物合理脉冲网络中的误差调节可塑性，展示了如何联合编码'what'和'when'预测，实现灵活的预测认知。
2026-02-26 q-bio.NC
Competition, stability, and functionality in excitatory-inhibitory neural circuits
University of California at San Diego（加州大学圣地亚哥分校）；Rice University（莱斯大学）
通过博弈-能量框架和网络稳定性原理，研究不对称兴奋-抑制神经网络的动力学、调控及其在侧抑制微电路对比增强中的作用。
2026-06-03 cond-mat.dis-nn math.OC q-bio.NC
