可塑性动态提升混合时间尺度记忆任务中的储备池性能

混合时间尺度信号广泛存在于自然刺激和现实世界的应用中，但使用循环神经网络对其进行处理仍然具有挑战性。储备池计算为时间处理提供了一种高效框架，但扩展其时间范围通常需要调节神经元的时间尺度，这可能会损害对更快动态过程的表征能力。在此，我们提出一种替代方法，即利用突触可塑性为计算提供额外的、更慢的时间尺度。我们将赫布可塑性引入循环网络，并表明其动态特性使储备池能够同时处理混合时间尺度输入中的快速和慢速成分：神经元动态编码快速波动，而突触动态则支持较慢的成分。值得注意的是，由此产生的计算优势所覆盖的范围，超过可塑性内在时间尺度一个数量级以上。我们表明，这种扩展的处理范围源于可塑性规则对突触后活动的依赖；这种依赖实际上将过去状态的滤波记忆注入网络电流中。这些结果表明，突触可塑性是一种无需改变神经元时间尺度即可扩展循环网络时间处理能力的机制，同时也提示，具有可塑性的突触可能在生物神经网络处理缓慢变化刺激的过程中发挥潜在的计算作用。

Michael Fauth 的 ORCID 记录

摘要

信息/历史

指标

预览 PDF

摘要

混合时间尺度信号广泛存在于自然刺激和现实世界的应用中，但利用循环神经网络对其进行处理仍然具有挑战性。储备池计算为时间处理提供了一个高效框架，但扩展其时间范围通常需要调节神经元的时间尺度，这可能会损害对更快动态的表征能力。在此，我们提出一种替代方法：由突触可塑性为计算提供额外的、更慢的时间尺度。我们将赫布可塑性引入循环网络，并表明，其动力学使储备池能够同时处理混合时间尺度输入中的快速和慢速成分：神经元动力学编码快速波动，而突触动力学则支持较慢的成分。值得注意的是，由此产生的计算优势所覆盖的范围，超过可塑性内在时间尺度一个数量级以上。我们表明，这种扩展的处理范围源于可塑性规则对突触后活动的依赖；这种依赖实际上将过去状态的滤波记忆注入网络电流中。这些结果表明，突触可塑性是一种无需改变神经元时间尺度、即可扩展循环网络时间处理能力的机制，同时也提示，塑性突触可能在生物神经网络处理缓慢变化刺激的过程中发挥潜在的计算作用。

利益冲突声明

已声明的资助者信息

德国研究基金会

，FA 1471/6

版权

本预印本的。

该内容依据 CC-BY 4.0 国际许可协议提供。

返回顶部

上一篇

下一篇

发布于 2026 年 9 月 29 日。

下载 PDF

电子邮件

感谢您有兴趣传播 bioRxiv 上的内容。

您的电子邮件地址

*

您的姓名

*

发送至

*

请输入多个地址，每行一个，或使用逗号分隔。

您将要发送的内容

《可塑性动力学提升储备池在混合时间尺度记忆任务中的性能》

消息主题

（您的姓名）已将 bioRxiv 上的一个页面转发给您

消息正文

（您的姓名）认为您可能会有兴趣查看 bioRxiv 网站上的此页面。

您的个人消息

验证码

此问题用于确认您是人类访客，并防止自动垃圾信息提交。

分享

《可塑性动力学提升储备池在混合时间尺度记忆任务中的性能》

Marcelo P. Becker，

Michael Fauth

bioRxiv

2026.09.24.754073；

DOI：

https://doi.org/10.64898/2026.09.24.754073

分享本文：

复制

引用工具

《可塑性动力学提升储备池在混合时间尺度记忆任务中的性能》

Marcelo P. Becker，

Michael Fauth

bioRxiv

2026.09.24.754073；

DOI：

https://doi.org/10.64898/2026.09.24.754073

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.24.754073v1?rss=1

🏷️ 储备池计算 突触可塑性 赫布学习 混合时间尺度 循环神经网络