Hippocampal Recurrent Network

新型海马网络模型通过动态弛豫实现最优导航

研究人员开发了一种新颖的海马递归网络模型，该模型通过动态弛豫实现了最优的目标导向导航。该模型将空间位置表示为神经元活动，并使用连接权重来表示转移概率，障碍物则由消失的权重表示。网络通过行为时间尺度的突触可塑性学习这些连接，并在接收到目标信号后，其动力学弛豫成一个在数学上等同于线性可解马尔可夫决策过程（LMDP）的活动场。这种方法为在复杂环境中导航提供了一种高效且鲁棒的方法，其潜在应用超越了空间导航，可用于大脑中抽象理性地图中的一般规划。