Aprendizaje hebbiano y neuronas que disparan

Se formula una regla de aprendizaje basada en la correlación (``hebbiana'') a nivel de picos con resolución de milisegundos, se analiza matemáticamente y se compara con el aprendizaje en una descripción de tasa de disparo. El tiempo relativo de los picos presinápticos y postsinápticos influye en los pesos sinápticos a través de una ``ventana de aprendizaje'' asimétrica. Se deriva una ecuación diferencial para la dinámica del aprendizaje bajo la suposición de que las escalas de tiempo del aprendizaje y la dinámica de los picos neuronales pueden separarse. La ecuación diferencial se resuelve para un modelo de neurona poissoniana con llegada estocástica de picos. Se muestra que las correlaciones entre los picos de entrada y salida tienden a estabilizar la formación de estructuras. Con una elección adecuada de parámetros, el aprendizaje conduce a una normalización intrínseca del peso promedio y de la tasa de disparo de salida. El ruido genera una propagación similar a la difusión de los pesos sinápticos.