|
弭元元 |
|
報告題目： 塑造序列吸引子的圖式結構
個人簡介： 清華大學心理與認知科學系長聘副教授。畢業(yè)于北京師范大學物理學系，先后在以色列Weizmann Institute of Science和美國Columbia University做博士后。研究方向為計算神經科學，主要專注于研究腦在網絡層面處理動態(tài)信息的一般性原理，包括工作記憶的容量與調控、時空信息的網絡編碼等；并基于此發(fā)展了類腦運動模式的快速識別算法、運動目標的預測追蹤算法等。以第一或者通訊（含共同）在Neuron, PNAS, Progress in Neurobiology等神經科學領域刊物和機器學習旗艦會議NeurIPS等發(fā)表論文。獲得國家自然基金委交叉學部優(yōu)秀青年基金項目、青年人才托舉工程項目的支持和北京市科技新星的榮譽稱號。
摘要： 序列圖式是抽象、可復用的知識結構,能促進新序列任務中的快速適應和泛化。塑造作為一種課程學習形式,通過由簡至難的子任務漸進訓練,是動物和人類獲取復雜序列圖式的有效方式。盡管圖式對認知至關重要,塑造對圖式獲取也很關鍵,但其神經動力學機制尚不清晰。我們使用實驗神經科學中的成熟范式,在氣味序列任務上訓練遞歸神經網絡,系統(tǒng)地再現了眶額皮層中觀察到的圖式學習關鍵特征,包括對新任務的快速適應、結構化的神經表征幾何和學習過程中的維度壓縮。分析表明,學習到的圖式是通過序列吸引子實現的,這些吸引子動力學在塑造過程中逐步發(fā)展:從簡單任務中的離散吸引子,發(fā)展為鏈接序列,最終形成能捕捉共享任務結構的可泛化吸引子。在關鍵詞檢測任務中的應用證明,塑造促進了序列吸引子圖式的快速發(fā)展,提高了學習效率。我們的研究揭示了一種新型基于吸引子的機制,支持圖式表征及其通過塑造的演化,為生物和人工智能中抽象知識的獲取提供新見解。 |
