计算神经科学把大脑写成方程

知识地图 › 03 突触与可塑性 › 3.6

3.6

稳态可塑性、元可塑性与归一化

Homeostasis and normalization

★★★ 进阶稳定性

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。

核心要点

  1. 突触缩放(synaptic scaling):整体按比例调整权重,保持相对结构但改变总驱动。
  2. 内在可塑性:调整阈值或增益,比改权重更快,能在秒级稳定放电率。
  3. 除法归一化 r = kxⁿ/(σⁿ+Σxⁿ) 是皮层普遍存在的增益控制,能解释对比度不变性与掩蔽效应。

公式

ri = k xinσn+Σj xjn

第 i 个单元的响应被"群体总活动"除——实现"相对而非绝对"的编码;n 控制竞争强度。

直觉

归一化就是自动音量控制。屋里人多(总活动大)时,每个人说话都显得小声,但谁最响仍然清楚。

常见误区

以为稳态只是"防止爆炸"的补丁。它同时塑造了稀疏性、对比度不变性与注意力的乘法增益——是计算的一部分,不是安全阀。

出处

  • Turrigiano & Nelson 2004, Nat Rev Neurosci
  • Carandini & Heeger 2012, Nat Rev Neurosci
回到模块 03