知识地图 › 模块 03
MODULE 03
突触与可塑性
Synapses and plasticity
- 目标
- 理解突触不是"固定的连接权重",而是带时间动态、能被历史改写的计算单元;掌握 Hebb / STDP / BCM 三大规则谱系及它们为什么必须配稳态机制。
- 前置
- 模块 01–02。
- 周期
- 2–3 周 | 共 6 个知识点
本模块进度0/6
3.1
突触电流与突触后电位Synaptic currents and PSPs
突触是受电压门控的电导,驱动力 (V − E_rev) 决定电流方向,也就决定了它是兴奋还是抑制。
★☆☆
3.2
短时程可塑性Short-term plasticity
几十到几百毫秒尺度上的突触增强(易化)与减弱(抑制),让突触变成一个带记忆的滤波器。
★★☆
3.3
Hebbian 学习与 Oja 规则Hebbian learning and Oja's rule
"一起放电的神经元连在一起"——最朴素的关联学习,但必须加归一化才不会爆炸。
★★☆
3.4
脉冲时序依赖可塑性(STDP)Spike-timing-dependent plasticity
突触前后脉冲的毫秒级先后顺序,决定权重是增强还是减弱。
★★☆
3.5
BCM 规则与滑动阈值BCM rule and sliding threshold
同样是"相关则增强",但阈值会跟着历史活动漂移,从而自动稳定网络。
★★★
3.6
稳态可塑性、元可塑性与归一化Homeostasis and normalization
Hebb 型学习天生不稳定,大脑靠突触缩放、内在可塑性与除法归一化把它拉回来。
★★★
自测题
- 为什么纯 Hebb 规则会导致权重发散?Oja 规则中的 −ηwy 项在数学上做了什么?
- STDP 窗口的不对称性如果被去掉(A₊ = A₋,窗口对称),网络还能学到"因果顺序"吗?为什么?
- 一个网络同时具备 STDP 与突触缩放,两者分别在什么时间尺度上起作用?如果去掉缩放会发生什么?