能動的樹状突起を有する形式ニューロン回路網のダイナミクス

具有活跃树突的正式神经元网络的动力学

基本信息

批准号：
11145207
负责人：
片山統裕
金额：
$ 0.9万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas (A)
财政年份：
1999
资助国家：
日本
起止时间：
1999 至无数据
项目状态：
已结题

项目摘要

我々は,ニューロン樹状突起の能動的特性とシナプスの棲み分けに基づいたモデルである階層型形式ニューロンを提案してきた.本研究では,階層型形式ニューロンにより,海馬CA3領域のシナプスの投射パターン,シナプス可塑性の性質に基づいた相互結合回路モデルを構築し,そのダイナミクスを計算機シミュレーションにより研究した.CA3領域の錐体ニューロンは歯状回顆粒細胞から出力される苔状線維によるシナプス入力を尖頭樹状突起の基部に,またCA3錐体ニューロンの出力線維の側枝(シェーファー側枝)が作る回帰性シナプスは,尖頭樹状突起の先端部に作られる.回帰性シナプスの可塑性がそれ自身の活動とシナプス後細胞(CA3錐体ニューロン)の活動の連合によって伝達効率が変化するHebb型であるのに対し,苔状線維シナプスはシナプス前ニューロンの活動のみに依存する非連合型である.そこで本研究では,苔状線維シナプスについてはシナプス荷重を固定し,先端部の回帰性シナプスの結合を錐体ニューロンの出力と連合して変化させた.これは「教師なし学習」の一種であるHebb学習法に相当するものである.苔状線維に複数のランダムなバイナリパターンを繰り返し与えると,そのパターンが相関マトリクスとして神経回路モデルに埋め込まれ,自己連想できるようになることがシミュレーションにより示された.従来の神経回路モデルにおいては,自己連想メモリは相関学習などの「教師あり学習」により実現されてきたが,これには教師信号を生成する別の神経回路を仮定する必要があった.本研究により,樹状突起の能動性によってもたらされるシナプス統合の階層性,入力系統に依存したシナプスの棲み分けパターン,及び「教師なし学習」の一種であるHebb学習という,生理学的・解剖学的にみて自然なメカニズムのみによって,海馬CA3領域が原理的には単独で自己相関メモリ機能を実現できることが示された.

我们提出了一个分层神经元，该神经元是基于神经元树突和突触分裂的活性特性的模型。在这项研究中，我们基于基于突触投影模式的突触投影模式和在海马平台CA3区域中突触投影的性质构建了相互连接的电路模型，并通过计算机模拟研究了其动力学。 CA3区域中的锥体神经元用于模拟通过齿状回颗粒细胞输出的苔藓纤维来模拟突触输入。在突起的底部产生的回归突触，并由Ca3锥体神经元的输出纤维的侧支（Schafer分支）形成，在树突点点的点的尖端处形成。回归突触的可塑性是HEBB类型，而由于其自身活性和突触后细胞的活性（CA3锥体神经元）引起的传输效率会发生变化，而苔藓的纤维突触是非相关类型的类型，这些类型仅取决于前神经元的活性。因此，在这项研究中，苔藓纤维突触的突触负荷是固定尖端回归突触的结合，并通过与锥体神经元的输出结合而改变。这相当于HEBB学习方法，一种“无监督的学习”。模拟表明，当对苔藓纤维反复反复给出多个随机二进制模式时，该模式将神经回路模型嵌入为相关矩阵中，从而可以自我关联。在传统的神经电路模型中，自我求解记忆是一种“相关学习”，可用于创建“相关学习”方法。这是通过监督学习实现的，但这需要建立另一个产生教师信号的神经回路的假设。这项研究表明，海马CA3区域原则上可以通过主动树突的突触集成所提供的层次结构的层次结构来实现单独的自相关记忆函数，这是由主动树木，突触模式，依赖于输入系统和Hebb Learne的突触模式，''类型''类型，''类型''