主题：序列任务中的schema表征
主讲人：初治坤
摘要：Schema是一种概括性的知识结构，能够从多种经验中提取抽象共性，并通过重复利用来加速新任务的学习。然而，目前关于模式如何从经验中进行抽象以及在处理序列任务时如何指导灵活行为的机制仍不完全清晰。为此，我们通过训练神经网络模型，研究局域神经环路在序列任务中如何习得和表征schema，并与实验数据进行对比分析。结果发现，训练后的网络表现出与大鼠实验相似的模式。通过对网络动力学机制的分析，我们发现网络通过低维轨迹表征气味序列，而这条轨迹正是网络所形成的模式。进一步的分析表明，网络能够在具有相同结构的不同任务之间复用模式，从而实现“学会学习”的能力。
主题：在低秩循环神经网络中链接连接性、动力学
主讲人：林长涵
摘要：大规模神经记录表明，感觉刺激转化为运动输出依赖于神经元群体活动的低维动力学，而单个神经元对不同刺激表现出复杂的选择性。理解混合分布式表示的低维计算如何从递归连接和皮层网络输入的结构中涌现，具有极大的挑战。我们将介绍一种循环网络模型，其连接性由随机部分与最小低维结构的总和构成。研究显示，在这样的网络中，动力学呈现低维特性，且可以使用几何方法直接从连接性中推导出来。基于这一理解，可以确定实现特定计算所需的最小连接性，并发现随着连接结构维度的增加，动态范围和计算能力迅速提升。该框架为记录神经元的连接性、低维动力学与计算特征之间的关系提供了可验证的实验预测。
主题：工作记忆中序列的层级表征
主讲人：冯至韬
摘要：工作记忆不是被动地保留信息，而是主动将复杂的序列重新组织成具有层级结构的块，以克服工作记忆容量限制并促进灵活行为。我们将介绍序列工作记忆任务中对序列信息表征的前沿进展，并探讨其背后的计算机制。
主题：序列依赖效应及其神经计算机制研究
主讲人：张修宁
摘要：序列依赖性是感知过程中的一种现象，过去的感知经验会对当前的感知产生影响。在视觉方向辨别任务中，人类被试对方向的判断会受到上一个试次中方向的影响，在不同的实验范式下，产生吸引或排斥的效果。我们将介绍序列依赖效应的前沿进展并探索其背后的神经计算机制。
