正交流形的并行处理使循环网络中的零样本组合成为可能

动物能够灵活地将习得的行为组合成新的动作，而无需对这些组合进行练习；然而，使独立获得的计算能够并行表达的计算机制仍不清楚。本文表明，学习过程中的反馈几何决定了循环动力学能否通过零样本并行组合被重新组合。 通过使用依据局部预测性可塑性规则训练的循环神经网络，我们发现，不同的反馈向量会将独立学习到的计算嵌入彼此可分离的动力学子空间中，从而使新的输入组合能够共同激活这些成分，并在无需联合训练的情况下生成复合输出。相比之下，对齐的反馈向量，以及通过时间反向传播训练的网络，虽然在单任务上表现准确，但无法支持并行组合，这表明任务习得与未来可重用性是学习中彼此可分离的性质。 组合输入会诱发一条单一的复合群体轨迹，而该轨迹在由反馈塑造的任务子空间上的投影能够恢复独立学习到的成分动力学。同一原理还再现了运动皮层中观察到的加性到达—姿势几何，并推广到更高维度的运动基元。这些结果将反馈几何确定为一种计算原理：学习系统借此组织循环动力学，以供未来进行组合式重用。

本网站正在使用一项安全服务来保护自身免受在线攻击。您刚才执行的操作触发了该安全防护机制。可能触发此拦截的行为包括提交某些特定词语或短语、SQL 命令，或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您遭遇了拦截。请在邮件中说明该页面出现时您正在进行的操作，并附上位于本页面底部的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.14.732142v1?rss=1

🏷️ 循环神经网络 零样本组合 反馈几何 动力学子空间 局部可塑性规则 运动皮层