Publication
When shared concept cells support associations: Theory of overlapping memory engrams
Résumé
Assemblies of neurons, called concepts cells, encode acquired concepts in human Medial Temporal Lobe. Those concept cells that are shared between two assemblies have been hypothesized to encode associations between concepts. Here we test this hypothesis in a computational model of attractor neural networks. We find that for concepts encoded in sparse neural assemblies there is a minimal fraction cmin of neurons shared between assemblies below which associations cannot be reliably implemented; and a maximal fraction cmax of shared neurons above which single concepts can no longer be retrieved. In the presence of a periodically modulated background signal, such as hippocampal oscillations, recall takes the form of association chains reminiscent of those postulated by theories of free recall of words. Predictions of an iterative overlap-generating model match experimental data on the number of concepts to which a neuron responds.
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique
Concepts associés (34)
Neurone
thumb|537x537px|Schéma complet d’un neurone. Un neurone, ou une cellule nerveuse, est une cellule excitable constituant l'unité fonctionnelle de la base du système nerveux. Les neurones assurent la transmission d'un signal bioélectrique appelé influx nerveux. Ils ont deux propriétés physiologiques : l'excitabilité, c'est-à-dire la capacité de répondre aux stimulations et de convertir celles-ci en impulsions nerveuses, et la conductivité, c'est-à-dire la capacité de transmettre les impulsions.
Réseau de neurones à impulsions
Les réseaux de neurones à impulsions (SNNs : Spiking Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANNs : Artificial Neural Networks, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Le caractère binaire pose une difficulté de continuité au sens mathématique (cela empêche notamment l’utilisation des techniques de rétropropagation des coefficients - telle que la descente de gradient - utilisées classiquement dans les méthodes d'apprentissage).
Souvenir (mémoire)
Un souvenir est quelque chose dont on se remémore, un élément de la mémoire. Paul Valéry Pour René Descartes, la description des mécanismes psychologiques permet de définir certaines de nos facultés. Ainsi le souvenir des choses matérielles est-il la conservation de certaines traces de mouvements provoqués dans notre cerveau. De même, l'imagination ne s'explique que par des mouvements corporels joints à une certaine activité de l'âme.
Publications associées (35)
A theory of memory consolidation and synaptic pruning in cortical circuits
Over the course of a lifetime, the human brain acquires an astonishing amount of semantic knowledge and autobiographical memories, often with an imprinting strong enough to allow detailed information to be recalled many years after the initial learning exp ...
EPFL2023Plasticity of sensory representations in the posterior insular cortex during fear learning
Aversively-motivated associative learning allows animals to avoid harm and thus ensures survival. Aversive learning can be studied by the fear learning paradigm, in which an innocuous sensory stimulus like a tone (conditioned stimulus, CS), acquires a nega ...
EPFL2023High levels of childhood trauma associated with changes in hippocampal functional activity and connectivity in young adults during novelty salience
Childhood trauma (CT) has been linked to increased risk for psychosis. Moreover, CT has been linked to psychosis phenotypes such as impaired cognitive and sensory functions involved in the detection of novel sensory stimuli. Our objective was to investigat ...
SPRINGER HEIDELBERG2023MOOCs associés (27)
Neuronal Dynamics 2- Computational Neuroscience: Neuronal Dynamics of Cognition
This course explains the mathematical and computational models that are used in the field of theoretical neuroscience to analyze the collective dynamics of thousands of interacting neurons.
Neuronal Dynamics 2- Computational Neuroscience: Neuronal Dynamics of Cognition
This course explains the mathematical and computational models that are used in the field of theoretical neuroscience to analyze the collective dynamics of thousands of interacting neurons.
Neuronal Dynamics - Computational Neuroscience of Single Neurons
The activity of neurons in the brain and the code used by these neurons is described by mathematical neuron models at different levels of detail.