Blog Section

Modèle de hippocampe

Ce résultat est robuste en ce qui concerne l`altération de nombreux paramètres du modèle à l`intérieur et au-delà de leur portée réaliste (Fig. 8). Par exemple, l`introduction du bruit dynamique gaussien au niveau de 2,5% du pic de l`activité CA1 n`augmente que la longueur moyenne du trajet de récupération de 9%. Doubler le nombre d`unités N augmente la longueur moyenne de la trajectoire de récupération de 30% (tandis qu`en même temps, la longueur moyenne du trajet le plus court augmente de 7%). Le raccourcissement du nombre d`épisodes M associés de cinq à deux augmente la longueur moyenne de la trajectoire de récupération de 11% (Fig. 7D). Par conséquent, contrairement au cas de la navigation spatiale des grands environnements bidimensionnels, ce paradigme de récupération de la mémoire ne nécessite pas de longues époques d`exploration à associer avec des unités cibles potentielles. Au contraire, l`Association d`époques très courtes peut suffire pour une performance raisonnablement bonne. En même temps, l`augmentation de M jusqu`à 100 et au-delà n`améliore pas significativement les performances du modèle.

Gerstner et Abbott (1997) ont proposé un modèle de formation de cartes hippocampales basée sur l`apprentissage associatif temporalement asymétrique, dans lequel l`activité de la cellule de place peut être entraînée pour indiquer la direction d`une cible fixe à partir de n`importe quel endroit, en évitant les murs et autres Obstacles. Dans leur modèle, cependant, les directions à différents objectifs ne peuvent être stockées sur différentes cartes hippocampales. En revanche, dans la littérature expérimentale disponible, typiquement une seule ou (plus rarement) deux cartes hippocampes sont rapportées pour un rat individuel dans un environnement donné. Par conséquent, sur la base du modèle de Gerstner et Abbott, les rats ne devraient pas être en mesure de trouver un chemin optimal vers des endroits arbitraires dans un environnement familier. Afin d`appliquer le schéma général ci-dessus (équation 1 et Fig. 2) pour modéliser un rat fonctionnant dans un environnement expérimental typique (p. ex. Fig.

3A), quelques précisions supplémentaires doivent être spécifiées comme suit: (1) les coordonnées du rat changent continuellement, (2) l`animal possède inertie, par exemple, il ne peut pas immédiatement arrêter ou tourner à un angle aigu, et (3) c`est l`accélération plutôt que l`emplacement dans l`espace que le système nerveux peut contrôler immédiatement. Ces caractéristiques sont capturées par les équations de mouvement simplifiées suivantes écrites dans le temps discret t: ici, RI sont abstraites, généré aléatoirement des coordonnées à deux dimensions assignées à chaque unité de modèle (Fig. 6), I est la force de l`entrée externe à la réseau à partir d`un pointeur hippocampe (via MTL), le paramètre σo et le «emplacement» déterminent le motif d`entrée. L`état de la composante néocorticale à un moment donné est considéré comme presque stationnaire (c.-à-d., les variables VI sont considérées comme rapides) à l`échelle de la dynamique du module hippocampe.