Evaluating the extent to which homeostatic plasticity learns to compute prediction errors in unstructured neuronal networks.

Zhu, Vicky; Rosenbaum, Robert

Zhu, Vicky; Rosenbaum, Robert.

Afiliação

Zhu V; Department of Applied and Computational Mathematics and Statistics, University of Notre Dame, South Bend, IN, USA. rzhu@nd.edu.
Rosenbaum R; Department of Applied and Computational Mathematics and Statistics, University of Notre Dame, South Bend, IN, USA.

J Comput Neurosci ; 50(3): 357-373, 2022 08.

Article em En | MEDLINE | ID: mdl-35657570

Assuntos

Modelos Neurológicos; Neurônios; Animais; Homeostase/fisiologia; Aprendizagem/fisiologia; Plasticidade Neuronal/fisiologia; Neurônios/fisiologia

Palavras-chave

Homeostatic plasticity; Inhibitory synaptic plasticity; Prediction errors; Predictive coding; Spiking network models

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Modelos Neurológicos / Neurônios Tipo de estudo: Prognostic_studies / Risk_factors_studies Limite: Animals Idioma: En Revista: J Comput Neurosci Assunto da revista: INFORMATICA MEDICA / NEUROLOGIA Ano de publicação: 2022 Tipo de documento: Article País de afiliação: Estados Unidos

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google