Cerebro-cerebellar networks facilitate learning through feedback decoupling
Cerebro-cerebellar networks facilitate learning through feedback decoupling
复制标题
脑小脑网络通过反馈解耦促进学习
DOI：
10.1101/2022.01.28.477827
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Boven E
中科院分区：
文献类型：
--
作者：
Boven E
行为反馈对大脑皮层的学习至关重要。然而，这种反馈往往不容易获得。大脑皮层如何在反馈稀疏的情况下有效地学习仍然不清楚。受最近的深度学习算法的启发，我们引入了一个小脑-小脑相互作用的系统级计算模型。在这个模型中，大脑循环网络从小脑网络接收反馈预测，从而将大脑网络中的学习与未来的反馈解耦。当在一个简单的感觉运动任务中训练时，该模型显示出更快的学习速度和减少的辨距障碍样行为，这与广泛观察到的小脑功能影响一致。接下来，我们证明，这些结果推广到更复杂的运动和认知任务。最后，该模型提出了几个实验可检验的预测，关于小脑-小脑任务特定的表征学习，小脑预测的特定任务的好处和小脑和下橄榄病变的差异影响。总的来说，我们的工作提供了一个理论框架的反馈解耦机器的小脑-小脑网络。
Behavioural feedback is critical for learning in the cerebral cortex. However, such feedback is often not readily available. How the cerebral cortex learns efficiently despite the sparse nature of feedback remains unclear. Inspired by recent deep learning algorithms, we introduce a systems-level computational model of cerebro-cerebellar interactions. In this model a cerebral recurrent network receives feedback predictions from a cerebellar network, thereby decoupling learning in cerebral networks from future feedback. When trained in a simple sensorimotor task the model shows faster learning and reduced dysmetria-like behaviours, in line with the widely observed functional impact of the cerebellum. Next, we demonstrate that these results generalise to more complex motor and cognitive tasks. Finally, the model makes several experimentally testable predictions regarding cerebro-cerebellar task-specific representations over learning, task-specific benefits of cerebellar predictions and the differential impact of cerebellar and inferior olive lesions. Overall, our work offers a theoretical framework of cerebro-cerebellar networks as feedback decoupling machines.
登录
查看更多内容
影响因子：
3.7
作者：
Levy N;Pressman A;Mussa-Ivaldi FA;Karniel A
通讯作者：
Karniel A
影响因子：
25
作者：
King M;Hernandez-Castillo CR;Poldrack RA;Ivry RB;Diedrichsen J
通讯作者：
Diedrichsen J
影响因子：
7.7
作者：
H. F. Song;G. R. Yang;Xiao-Jing Wang;Xiao-Jing Wang
通讯作者：
H. F. Song;G. R. Yang;Xiao-Jing Wang;Xiao-Jing Wang
影响因子：
3.3
作者：
Batcho, C. S.;Gagne, M.;Mercier, C.
通讯作者：
Mercier, C.
DOI：
--
发表时间：
2021-10
期刊：
ArXiv
影响因子：
--
作者：
J. Pemberton;E. Boven;Richard Apps;R. P. Costa
通讯作者：
J. Pemberton;E. Boven;Richard Apps;R. P. Costa