脉冲时序依赖的可塑性（STDP）和多巴胺（DA）是基于奖励的学习和记忆形成的基础。广泛使用的多巴胺调制STDP模型通过资格迹解释了神经网络如何将刺激与延迟的多巴胺能奖励联系起来。然而，我们发现，由于多巴胺仅对STDP的幅度进行缩放而不改变其时间特征，该模型即使在不切实际的高浓度多巴胺条件下仍支持学习。相比之下，实验表明，多巴胺会以非线性方式重塑STDP窗口，在高多巴胺水平下将长时程抑制（LTD）转化为长时程增强（LTP）。因此，我们提出了一种多巴胺调制的STDP规则：随着多巴胺浓度升高，可塑性逐渐偏向增强作用；而受体饱和则会在超过某一临界浓度后限制多巴胺进一步产生的影响。对由Izhikevich神经元构成的递归网络进行的模拟表明，所提出的规则仅在具有生物学合理性的多巴胺浓度范围（0.04~0.70 μM）内支持稳健的条件化学习。成功的学习会形成一种混合型网络结构，即嵌入递归回路中的强前馈骨干，并使网络仅针对与奖励相关的刺激产生增强的爆发反应。在生物学上合理的多巴胺浓度范围的上限处，网络会经历一个狭窄的双稳态区间，并最终收敛至两个不同的稳定构型之一。在更高的多巴胺浓度下，条件化学习则完全失败。这些结果提供了一个具有生物学依据的多巴胺依赖性可塑性模型，并为理解异常多巴胺信号如何损害神经系统疾病中的学习能力提供了新的视角。
具有生物学合理性的多巴胺调节型 STDP 模型：脉冲神经网络中的巴甫洛夫学习 | bioRxiv
跳转至主要内容
主页
关于
投稿
提醒 / RSS
搜索此关键词
高级搜索
最新结果
具有生物学合理性的多巴胺调节型 STDP 模型：脉冲神经网络中的巴甫洛夫学习
WooJun
Park
查看 ORCID 资料
Kyoung Jin
Lee
doi：
https://doi.org/10.64898/2026.07.17.739276
WooJun Park
高丽大学
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Kyoung Jin Lee
高丽大学
在 Google Scholar 中查找该作者
在 PubMed 中查找该作者
在本网站搜索该作者
Kyoung Jin Lee 的 ORCID 记录
通讯作者：
kyoung{at}korea.ac.kr
摘要
信息/历史
指标
补充材料
预览 PDF
摘要
脉冲时序依赖可塑性（spike-timing-dependent plasticity，STDP）和多巴胺（dopamine，DA）是基于奖赏的学习与记忆形成的基础。广泛使用的一种多巴胺调节型 STDP 模型通过资格迹（eligibility trace）解释了神经网络如何将刺激与延迟到来的多巴胺能奖赏建立关联。然而，我们发现，该模型即使在不切实际的高浓度多巴胺条件下仍支持学习，这是因为多巴胺仅对 STDP 的幅度进行缩放，而不会改变其时间特征。相比之下，实验表明，多巴胺会以非线性的方式重塑 STDP 窗口，在高水平多巴胺条件下将长时程抑制（long-term depression，LTD）转变为长时程增强（long-term potentiation，LTP）。因此，我们提出了一种多巴胺调节型 STDP 规则：随着多巴胺水平升高，该规则使可塑性逐渐偏向增强；而受体饱和则会限制多巴胺浓度超过某一临界值后的进一步效应。对 Izhikevich 神经元递归网络的模拟表明，所提出的规则仅在生物学上……
现实的 DA 范围（0.04～0.70 μM）。成功的学习会形成一种混合型网络架构：在循环回路中嵌入一个强大的前馈骨干网络，并针对与奖励相关的刺激选择性地产生增强的爆发响应。在具有生物学合理性的 DA 范围上限处，网络会经历一个狭窄的双稳态区间，并最终收敛到两个不同的稳定构型之一。在更高的 DA 浓度下，条件作用完全失败。这些结果提供了一个具有生物学基础的 DA 依赖性可塑性模型，并为理解异常多巴胺信号如何损害神经系统疾病中的学习能力提供了新的见解。
利益冲突声明
作者声明不存在利益冲突。
已声明的资助信息
韩国国家研究基金会
RS-2024-00335928
版权
本预印本的版权所有者为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。
该预印本依据 CC-BY-NC 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 7 月 22 日。
下载 PDF
补充材料
电子邮件
感谢您有兴趣传播 bioRxiv 上的内容。
注意：系统要求提供您的电子邮件地址，仅用于确认您是该文章的发送者。
您的电子邮件地址
*
您的姓名
*
发送至
*
请输入多个地址，每个地址占一行，或使用逗号分隔。
您将要发送以下内容：
脉冲神经网络中具有生物学合理性的多巴胺调制 STDP 巴甫洛夫学习模型
邮件主题
（您的姓名）从 bioRxiv 向您转发了一个页面
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这一页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客。
并防止自动化垃圾提交。
分享
尖峰神经网络中巴甫洛夫学习的生物学上合理的多巴胺调制 STDP 模型
WooJun Park
Kyoung Jin Lee
bioRxiv
2026.07.17.739276；
doi：
https://doi.org/10.64898/2026.07.17.739276
分享本文：
复制
引用工具
尖峰神经网络中巴甫洛夫学习的生物学上合理的多巴胺调制 STDP 模型
WooJun Park
Kyoung Jin Lee
bioRxiv
2026.07.17.739276；
doi：
https://doi.org/10.64898/2026.07.17.739276
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（标记格式）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
主题领域
所有文章
动物行为与认知
（7820）
生物化学
（18264）
生物工程
（14431）
生物信息学
（43198）
生物物理学
（22023）
癌症生物学
（19140）
细胞生物学
（26221）
临床试验
（138）
发育生物学
（13669）
生态学
（20452）
流行病学
（2067）
进化生物学
（24907）
遗传学
（15881）
基因组学
（23049）
免疫学
（18246）
微生物学
（41427）
分子生物学
（17585）
神经科学
（91084）
古生物学
（680）
病理学
（2914）
药理学与毒理学
（4961）
生理学
（7899）
植物生物学
（15551）
科学传播与教育
（2072）
合成生物学
（4440）
系统生物学
（10027）
动物学
（2323）
关键词：脉冲神经网络 · 多巴胺调制 · 脉冲时序依赖可塑性 · 帕夫洛夫条件化学习 · 神经突触可塑性
原文链接：https://www.biorxiv.org/content/10.64898/2026.07.17.739276v1?rss=1