|
シナプス結合の伝達効率と配線構造の可塑性の両方を取り入れた細胞モデルを構築し、構造可塑性が伝達効率の可塑性を助けて、推定パフォーマンスを向上させることを示唆した。樹状突起と細胞体周辺へのシナプス入力との相互作用を記述する細胞モデルを構築し、複雑な迷路課題を学習する海馬モデルを提案した。モデルは自発発火と樹状突起への場所情報の入力の相関を学習することで、経路を素早く学習する。大脳皮質の回路モデルを構築し、セルアセンブリの活性化パターンとUP-DOWN状態遷移の間の統計的関係を明らかにした。樹状突起上の冗長なシナプス結合の分布により、大脳皮質ニューロンによる入力の推定が最適化されることを示した。
|
