中科院团队打造类脑经典条件反射脉冲神经网络模型 可再现多达15个经典实验

经典条件反射（Classical conditioning）在生物大脑的学习过程中起着至关重要的作用。此前，全球的研究人员们建立了许多计算模型，用于重现相关的经典实验并揭示其机制。

然而，这些模型只能复制和解释经典条件反射的有限范围内的典型现象。

基于已有的关于经典条件作用的生物学、神经科学发现，中国科学院自动化研究所类脑智能研究中心曾毅团队的研究人员们建立了一个脑启发的经典条件作用(BICC)模型。

与其他计算模型相比，他们的BICC模型可以再现多达15个经典实验，比其他模型解释了更广泛的发现，并为实验现象和经典条件作用的生物学机制提供了更好的计算解释。

结果显示，生物经典条件作用的计算模型使机器人具有相似的学习行为和速度泛化能力。此外，该模型中突触权重的变化可能暗示了经典条件反射的生物学机制。

该模型可以部署到机器人上，使机器人可以像生物体一样表现出类脑经典条件反射行为。最后，他们在仿人机器人上进行了3个经典条件反射实验(获取、消退、再获取)和一个速度泛化实验，验证了所建立的理论模型在计算上是可行的，可作为脑启发机器人经典条件反射的基础。

上述研究近日发表在Cell出版社旗下综合性期刊《 iScience (交叉科学)》上，题为“Brain-Inspired Classical Conditioning Model”。

译/前瞻经济学人APP资讯组

参考来源：https://www.sciencedirect.com/science/article/pii/S2589004220311779