Resumen

Se presenta una integración de las reglas basadas en Hebbian y en el aprendizaje por refuerzo (RL) para sinapsis dinámicas. El marco propuesto permite que la regla Hebbiana actualice los parámetros del modelo sináptico oculto que regula la respuesta sináptica en lugar de los pesos sinápticos. Esto se realiza utilizando tanto el valor como el signo de la diferencia temporal en la señal de recompensa después de cada ensayo. Aplicando este marco, se ensaya una red de spiking con sinapsis dependientes del tiempo de las espigas para aprender el cómputo exclusivo-OR sobre una base temporalmente codificada. Los valores de recompensa se calculan con la distancia entre el tren de espigas de salida de la red y un objetivo de referencia. Los resultados muestran que la red es capaz de capturar la dinámica requerida y que el marco propuesto puede revelar efectivamente una versión integrada de Hebbian y RL. El marco propuesto es manejable y menos costoso computacionalmente. El marco es aplicable a una amplia clase de modelos sinápticos y no está restringido a la representación neuronal utilizada. Esta generalidad, junto con los resultados reportados, apoya la adopción del enfoque introducido para beneficiarse de los modelos sinápticos biológicamente plausibles en una amplia gama de procesamiento de señales intuitivas.

• Materias:Neurociencia Cognitiva Trastornos mentales Imagen por resonancia magnética Ondas encefálicas Neurofisiología
• Subjects:Cognitive Neuroscience Mental disorders Magnetic resonance imaging Brain waves Neurophysiology
• Palabras claves:marco propuesto, procesamiento intuitivo de señales, tren de espigas de salida, versión de hebbiana, parámetros del modelo sináptico, representación neuronal utilizada, modelo sináptico plausible, sinapsis dinámica, aprendizaje por refuerzo, base codificada
• Keywords:proposed framework, intuitive signal processing, output spike train, version of hebbian, synaptic model parameters, used neural representation, plausible synaptic model, dynamic synapsis, reinforcement learning, coded basis