Key points are not available for this paper at this time.
신경 집단은 여러 개의 잠재적으로 상충하는 작업을 어떻게 인코딩할까? 여기에서는 신경망을 포함한 계산 시뮬레이션을 사용하여 이 맥락 의존적 의사 결정 문제에 대한 "게으른" 및 "풍부한" 인코딩 솔루션을 정의했습니다. 이는 신뢰성을 위한 학습 속도와의 상충 관계를 조절합니다. 게으른 학습에서는 입력 차원이 랜덤 투영을 통해 네트워크 은닉층으로 확장되는 반면, 풍부한 학습에서는 은닉 유닛이 관련 특징을 우선시하는 구조화된 표현을 획득합니다. 맥락 의존적 의사 결정의 경우, 하나의 풍부한 해결책은 작업 표현을 저차원 및 직교 다양체로 투영하는 것입니다. 인간의 행동 테스트 및 신경 영상 촬영과 마카크 전두엽에서의 신경 신호 분석을 사용하여, 우리는 생물학적 뇌에서 신경 코딩 패턴의 증거를 보고합니다. 이들의 차원성과 신경 기하학은 풍부한 학습 체제와 일치합니다.
Flesch et al. (Mon,)은 이 질문을 연구했습니다.