空间突触正则化稳定了生物和人工神经网络中的学习

突触的空间组织如何促进稳定学习，仍然是神经科学中的一个基本问题。利用人类颞叶皮层的 H01 电子显微镜连接组数据，我们发现树突棘在形态上呈簇集分布，而突触权重则沿树突呈现一种中心增强、周围抑制的排列模式。一个正则化的 Hebb 模型对这种空间特征进行了形式化刻画，表明强突触会降低邻近突触达到高权重状态的概率。 将这一原理转化为空间突触正则化（SSR）后，我们发现其能够在多种人工网络和任务中减少遗忘并稳定学习，包括持续视觉学习、大语言模型的知识编辑，以及视觉—语言模型的参数高效适配；其机制在于保留高秩、低重叠的表征。这些发现表明，突触空间组织是稳定学习的一个此前未被认识到的维度，同时也说明结构连接组学能够产出可付诸实践的人工智能方法。

空间突触正则化稳定了生物与人工神经网络中的学习 | bioRxiv

跳转至主要内容

首页

关于

投稿

提醒 / RSS

搜索此关键词

高级搜索

最新结果

空间突触正则化稳定了生物与人工神经网络中的学习

Haoxing Zhu

Yinda Chen

Peng Zhao

Zhiwei Xiong

Hanchuan Peng

Feng Wu

Ruobing Zhang

doi： https://doi.org/10.64898/2026.06.29.735142

Haoxing Zhu 1 复旦大学；

在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。

本文依据 CC-BY-NC 4.0 国际许可协议 提供。

返回顶部

上一项

下一项

发表于 2026 年 6 月 30 日。

下载 PDF

数据/代码

电子邮件

感谢您有兴趣传播 bioRxiv 上的这篇文章。

您的电子邮件

*

您的姓名

*

发送至

*

请输入多个地址，每行一个，或以逗号分隔。

您将通过电子邮件发送以下内容

空间突触正则化稳定了生物与人工神经网络中的学习

邮件主题

（您的姓名）已从 bioRxiv 转发了一个页面给您

邮件正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的这个页面。

您的个人留言

验证码

此问题用于测试您是否为人工访问者，并防止自动垃圾信息提交。

分享

空间突触正则化稳定了生物与人工神经网络中的学习

Haoxing Zhu

Yinda Chen

Peng Zhao

Zhiwei Xiong

Hanchuan Peng

Feng Wu

Ruobing Zhang

bioRxiv 2026.06.29.735142； doi： https://doi.org/10.64898/2026.06.29.735142

分享本文：

复制

引文工具

空间突触正则化稳定了生物与人工神经网络中的学习

Haoxing Zhu

Yinda Chen

Peng Zhao

Zhiwei Xiong

Hanchuan Peng

Feng Wu

Ruobing Zhang

bioRxiv 2026.06.29.735142； doi： https://doi.org/10.64898/2026.06.29.735142

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.29.735142v1?rss=1

🏷️ 突触空间组织 树突棘簇集 Hebb正则化 持续学习 灾难性遗忘 连接组学