Non-trivial relationship between behavioral avalanches and internal neuronal dynamics in a recurrent neural network
Notice bibliographique
Résumé
Neuronal activity gives rise to behavior, and behavior influences neuronal dynamics, in a closed-loop control system. Is it possible then, to find a relationship between the statistical properties of behavior and neuronal dynamics? Measurements of neuronal activity and behavior have suggested a direct relationship between scale-free neuronal and behavioral dynamics. Yet, these studies captured only local dynamics in brain sub-networks. Here, we investigate the relationship between internal dynamics and output statistics in a mathematical model system where we have access to the dynamics of all network units. We train a recurrent neural network (RNN), initialized in a high-dimensional chaotic state, to sustain behavioral states for durations following a power-law distribution as observed experimentally. Changes in network connectivity due to training affect the internal dynamics of neuronal firings, leading to neuronal avalanche size distributions approximating power-laws over some ranges. Yet, randomizing the changes in network connectivity can leave these power-law features largely unaltered. Specifically, whereas neuronal avalanche duration distributions show some variations between RNNs with trained and randomized decoders, neuronal avalanche size distributions are invariant, in the total population and in output-correlated sub-populations. This is true independent of whether the randomized decoders preserve power-law distributed behavioral dynamics. This demonstrates that a one-to-one correspondence between the considered statistical features of behavior and neuronal dynamics cannot be established and their relationship is non-trivial. Our findings also indicate that statistical properties of the intrinsic dynamics may be preserved, even as the internal state responsible for generating the desired output dynamics is perturbed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».