[发明专利]自适应行为的神经系统

说明书

背景

领域

本公开的某些方面一般涉及神经网络，并且更具体地涉及使用神经调制来对神经系统中的自适应行为进行建模。

背景技术

人工神经网络是由一群互连的人工神经元(即神经元模型)组成的数学或计算模型。人工神经网络可以源自于(或至少宽松地基于)生物神经网络(诸如在人脑中发现的那些生物神经网络)的结构和/或功能。由于人工神经网络能从观察中推断出函数，因此这样的网络在因任务或数据的复杂度使得手工设计该函数不切实际的应用中是特别有用的。

一种类型的人工神经网络是尖峰神经网络，其将时间概念以及神经元和突触状态纳入到其工作模型中，由此增加了此种类型的神经模拟中的真实性水平。尖峰神经网络基于神经元仅当膜电位达到阈值时才激发这一概念。当神经元激发时，它生成一尖峰，该尖峰行进至其他神经元，这些其他神经元继而基于该收到的尖峰来升高或降低其膜电位。

概述

本公开的某些方面一般涉及提供、实现和使用基于自适应行为的神经机制的系统。该系统可以基于神经调质介导的再可塑性(neuromodulator-mediated meta-plasticity)和/或增益控制。利用此系统，来生成感官线索与运动动作之间灵活的关联，这使得媒介物能够在变化的环境中高效地搜集报偿。

本公开的某些方面提供了一种用于生成神经自适应行为的方法。该方法一般包括接收一个或多个输入刺激；处理所接收到的输入刺激以生成输出信号，其中该处理用由增益控制单元生成的第一神经调制信号来调制；控制该增益控制单元以在至少两个不同的神经活动模式之间切换，其中由增益控制单元生成的第一神经调制信号的电平或定时中的至少一者是基于这些神经活动模式来确定的；以及向输出单元发送该输出信号。

本公开的某些方面提供了一种用于生成神经自适应行为的装置。该装置一般包括处理系统，该处理系统被配置成接收一个或多个输入刺激；处理所接收到的输入刺激以生成输出信号，其中该处理用由增益控制单元生成的第一神经调制信号来调制；控制该增益控制单元以在至少两个不同的神经活动模式之间切换，其中由增益控制单元生成的第一神经调制信号的电平或定时中的至少一者是基于这些神经活动模式来确定的；以及向输出单元发送该输出信号。

本公开的某些方面提供了一种用于生成神经自适应行为的设备。该设备一般包括用于接收一个或多个输入刺激的装置；用于处理所接收到的输入刺激以生成输出信号的装置，其中该用于处理的装置用由增益控制单元生成的第一神经调制信号来调制；用于控制该增益控制单元以在至少两个不同的神经活动模式之间切换的装置，其中由增益控制单元生成的第一神经调制信号的电平或定时中的至少一者是基于这些神经活动模式来确定的；以及用于向输出单元发送该输出信号的装置。

本公开的某些方面提供了一种用于生成神经自适应行为的计算机程序产品。该计算机程序产品一般包括具有指令的计算机可读介质，这些指令可被执行以：接收一个或多个输入刺激；处理所接收到的输入刺激以生成输出信号，其中该处理用由增益控制单元生成的第一神经调制信号来调制；控制该增益控制单元以在至少两个不同的神经活动模式之间切换，其中由增益控制单元生成的第一神经调制信号的电平或定时中的至少一者是基于这些神经活动模式来确定的；以及向输出单元发送该输出信号。

附图简述

为了能详细理解本公开的以上陈述的特征所用的方式，可参照各方面来对以上简要概述的内容进行更具体的描述，其中一些方面在附图中解说。然而应该注意，附图仅解说了本公开的某些典型方面，故不应被认为限定其范围，因为本描述可允许有其他等同有效的方面。

图1解说了根据本公开的某些方面的示例神经元网络。

图2是根据本公开的某些方面的基于自适应行为的神经机制的示例系统的框图。

图3解说了根据本公开的某些方面的示例去甲肾上腺素(NE)调制。

图4解说了根据本公开的某些方面的由图2的系统中的增益控制模块输出的三种神经活动模式。

图5A解说了根据本公开的某些方面的基于增益控制模块的低紧张型模式的示例系统行为。

图5B解说了根据本公开的某些方面的基于增益控制模块的高紧张型模式的示例系统行为。

图5C解说了根据本公开的某些方面的基于增益控制模块的相位型模式的示例系统行为。

图6解说了根据本公开的某些方面的图2的系统中的报偿评价模块中的相位型和紧张型神经元群。