¿Cómo pueden ser correctas tanto la plasticidad dependiente del tiempo de pico como la plasticidad homeostática? Si la plasticidad dependiente de la sincronización de los picos intenta constantemente fortalecer las conexiones, pero la plasticidad homeostática trata de debilitar las conexiones fuertes, ¿no se cancelarían entre sí, causando que no se produzca plasticidad neta y, en consecuencia, los cerebros no puedan aprender?
Entiendo bastante bien la plasticidad dependiente del momento de los picos, pero recientemente me encontré con la plasticidad homeostática y estoy tratando de entender cómo ambas teorías pueden ser correctas. ¿Qué estoy malinterpretando? ¿Puede alguien ayudarme a comprender mejor la plasticidad homeostática y cómo se aplica a la plasticidad dependiente del tiempo de pico?
La plasticidad homeostática se puede usar con plasticidad dependiente de picos dado que tienen dos objetivos diferentes y no se aplican de manera uniforme en toda la población neuronal. Para respaldar este argumento, voy a utilizar un modelo de cálculo tomado de " Aprendizaje simultáneo no supervisado y supervisado de funciones cognitivas en redes neuronales de picos biológicamente plausibles " de Bekolay et al.
En el modelo, un conjunto de neuronas con pesos de entrada y salida [1] intenta aprender a cambiar sus pesos de salida para aproximarse a una función dada. PES (regla STDP) cambia los pesos de salida de las neuronas para aproximarlos. La BCM (regla homeostática) aumenta la escasez de los pesos de entrada. Cuando se usan juntos como hPES, permiten una menor sensibilidad de los parámetros del conjunto y una tasa de aumento general más baja, lo que permite que el grupo de neuronas conserve energía.
[1] Para obtener una explicación visual de lo que esto significa, consulte esta publicación de blog .
El concepto clave es que STDP es específico de sinapsis, mientras que la plasticidad homeostática es más global. (Aparte, es incorrecto decir que STDP fortalece las conexiones. STDP fortalece las conexiones con las relaciones pre-antes-post, pero debilita las conexiones con las relaciones post-antes-pre-spiking. Usted, hombre, esté pensando en la plasticidad hebbiana. La siguiente explicación se aplica a cualquiera). Digamos que tiene 100 sinapsis en su neurona, todas las cuales tienen un peso de 1. Digamos que 10 de ellas se fortalecen a través de la regla de Hebb o STDP para lograr un peso de 10, por lo que la fuerza total de todas las sinapsis en la neurona ahora es 190. Luego, cuando se aplica la plasticidad homeostática para que la entrada total a la neurona vuelva a un valor de 100, las 10 sinapsis fortalecidas tendrán un nuevo peso de 10*100/190 = 5,3, y las otras 90 sinapsis tendrán un nuevo peso de 1*100/190 = 0,53. Por lo tanto, aunque la entrada total a la neurona se mantenga constante, la distribución de esos pesos cambia, por lo que se retiene la información obtenida a través de la plasticidad hebbiana inicial o STDP.
scott weinblatt
seanny123