PulseAugur
实时 03:38:28
English(EN) Heterogeneous synaptic motifs bridge microscale structure and macroscale nonlinear dynamics

新的RNN框架将突触结构与异构动力学联系起来

研究人员开发了一个新的框架来分析随机递归神经网络(RNN),该框架整合了异构突触统计数据。这种方法可以推导出捕获平均群体活动和群体内变异性的平均场方程。研究表明,特定的突触结构可以影响中观群体动力学,为连接精细连接性与异构动力学和计算功能提供了一个原则性方法。该框架被应用于逆向工程网络连接,以复制在小鼠初级视觉皮层中观察到的活动模式。 AI

影响 为理解神经网络结构与涌现动力学之间的关系提供了新的理论视角。

排序理由 学术论文,详细介绍了分析神经网络的新理论框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的RNN框架将突触结构与异构动力学联系起来

报道来源 [1]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Yuxiu Shao ·

    异构突触基序连接微观结构与宏观非线性动力学

    Recent breakthroughs in synaptic-resolution network connectomics have revealed that brain circuits feature fine-scale structural connectivity, such as pairs of correlated synaptic couplings known as second-order motifs. Large-scale recordings of neuronal activity in networks cont…