computational-neuroscience

本文提出了一种统一的动力学框架，用于神经系统的训练、学习和推断。

本文提出一个计算框架，用于调控表征几何以改善生物和人工神经网络之间的双向对齐，展示了双向预测能力的55%相对提升。

This paper studies how an agent with limited perceptual bandwidth should allocate interoceptive precision across bodily needs in a foraging task, showing that dynamically attending to the most-needed channel improves survival under a fixed precision budget.

本文研究了自由能原理下的“本体论反转”概念，使用卷积变分自编码器探究合成环境是否能永久取代系统的默认生成模型。研究发现表征准确性与默认行为之间存在解耦，并引入了“认知复发”现象，即系统部分回归其原始模型。

本文提出用更真实的皮层细胞模型替换人工神经网络中的标准点神经元模型，声称在表达能力、鲁棒性、学习速度方面有所改进，并减少了记忆化和数据需求。