A01 A02 A03 A04 A05 A06 A07 A09 A10 A11 A12 A13 A14 A18 A19 A21 F01 F02 INF

A14 – Modellierung der Kontext-Abhängigkeit des Akquisitions- und Extinktionslernens

Sen Cheng

Extinktionslernen ist stark abhängig vom den Kontexten, in denen Akquisition und Extinktion stattfanden, und es ist bekannt, dass der Hippokampus maßgeblich ist für die Kontext-Abhängigkeit. Es fehlt allerdings ein tiefes Verständnis der Lernmechanismen und neuronalen Grundlagen, die zur Entstehung der Kontext-Abhängigkeit führen. In diesem Teilprojekt werden computationale Modellierung und Robotik angewandt, um zu untersuchen, 1. was Lernsignale von kontextuellen Informationen unterscheidet, 2. was Extinktionslernen abhängiger vom Kontext macht als Akquisition und 3. warum der Hippokampus für die Kontext-Abhängigkeit erforderlich ist.

Leitfragen des Projekts A14:

  • Was unterscheidet beim (Extinktions-)Lernen Hinweise von Kontextinformation?
  • Was macht Extinktionslernen stark kontextabhängig, während andere Fromen des Lernens es weniger sind?
  • Warum ist der Hippocampus für die Kontextabhängigkeit erforderlich?
Zurück zur Projektübersicht

Sen Cheng

Projektleiter A14, F01

Ruhr-Universität Bochum

Sandhiya Vijayabaskaran

Doktorandin A14

Ruhr-Universität Bochum

Behnam Ghazinouri

Doktorand A14

Ruhr-Universität Bochum

10 projektrelevante Publikationen

Azizi AH, Wiskott L, Cheng S (2013) A computational model for preplay in the hippocampus. Front Comput Neurosci. 7:161.

Muñoz MES, Enrique M, Menezes MC, Freitas EP, Cheng S, Neto AA, Oliveira ACM, Ribeiro PRA, Rogério P (2019) A Parallel RatSlam C++ Library Implementation. In Cota VR, Barone DAC, & Dias DRC (Eds.): Communications in Computer and Information Science, Computational Neuroscience. Second Latin American Workshop, LAWCN 2019, São João Del-Rei, Brazil, September 18–20, 2019, Proceedings (1st ed., pp. 173–183). Cham: Springer International Publishing.

Fang J, Demic S, Cheng S (2018) The reduction of adult neurogenesis in depression impairs the retrieval of new as well as remote episodic memory. PLoS One. 13(6): e0198406.

Giri B, Miyawaki H, Mizuseki K, Cheng S, Diba K (2019) Hippocampal Reactivation Extends for Several Hours Following Novel Experience. J Neurosci. 39(5): 866–875.

Görler R, Wiskott L, Cheng S (2020) Improving sensory representations using episodic memory. Hippocampus. 30(6): 638–656.

Menezes MC, Freitas EP, Cheng S, Oliveira ACM, Ribeiro PRA (2018) A Neuro-Inspired Approach to Solve a Simultaneous Location and Mapping Task Using Shared Information in Multiple Robots Systems. In: 2018 15th International Conference on Control, Automation, Robotics and Vision (ICARCV). IEEE, Singapore: 1753–1758.

Menezes MC, Muñoz MES, Freitas EP, Cheng S, Walther T, Neto AA, Ribeiro PRA, Oliveira ACM (2020) Automatic Tuning of RatSLAM’s Parameters by Irace and Iterative Closest Point. In IECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics Society: 562–568.

Neher T, Cheng S, Wiskott L (2015) Memory storage fidelity in the hippocampal circuit: the role of subregions and input statistics. PLoS Comput Biol. 11(5): e1004250.

Santos RG, Freitas EP, Cheng S, Ribeiro PRA, Oliveira ACM (2018) Autonomous Exploration Guided by Optimisation Metaheuristic. In: 2018 15th International Conference on Control, Automation, Robotics and Vision (ICARCV). IEEE, Singapore: 1759–1764.

Zhao D, Zhang Z, Lu H, Cheng S, Si B, Feng X (2020) Learning Cognitive Map Representations for Navigation by Sensory-Motor Integration. IEEE Trans Cybern.