HC aantekeningen Week 6
Annabel Couzijn
Quizlet link: https://quizlet.com/Annabel2703/folders/leren-en-geheugen/sets
Inhoud
College 14: Mediale Temporale Kwab netwerk en Geheugen .............................................................................. 2
Leesstof ....................................................................................................................................................................... 13
Artikel: ..................................................................................................................................................................... 13
Artikel: ......................................................................................................................................................................... 18
College 15: Slaap ........................................................................................................................................................ 20
College 16: Consolidatie: tijdelijke rol van de hippocampus & Reactivatie ............................................................ 28
Leesstof ....................................................................................................................................................................... 42
Artikel: ..................................................................................................................................................................... 42
Boek ........................................................................................................................................................................ 46
Zelfstudie..................................................................................................................................................................... 46
,College 14: Mediale Temporale Kwab netwerk en Geheugen
Waarom computer modeling?
❖ In general: understanding complex systems
❖ In neuroscience: only available technique to investigate neural network dynamics
➢ Bridging the gap between the molecular/cellular and the systemic level
What is neural network modeling?
❖ Simulate a biological network
➢ Biological detail increases computational load
❖ Simulation platform (special software)
❖ Terminology:
➢ Neurons -> nodes (in jargon)
➢ Areas -> layers
➢ Synapses -> connections
➢ Synaptic strength -> connection weight
❖ Plasticity function
➢ Determines how synaptic weights change as function of input, output and possibly spike
timing
❖ Some aspects explicitly modeled, others implicitly modeled
➢ Implicit modeling = mathematical function -> no network dynamics
➢ Capacitietsissues: als je model lijkt op echte hersenen, dan heb je er niets aan want je model
moet het versimpelen!
▪ Daarom heb je functies die je impliciet modeleert, dus een mathematische regel ipv
specifiek de neuronen nabootsen. Bijvoorbeeld: je hoeft niet echt inhibtoire neuronen
in je model, maar je hebt wel een impliciete mathematische functie voor inhibitie in het
model. (bv. alleen de 10 neuronen met de meeste input mogen vuren)
▪ Of een ingewikkeld netwerk met ext en inh neuronen, en je wil theta modulatie die je
implcitiet inbouwt (sterke steeds wat meer -> wat minder -> wat meer etc)
Memory encoding in neural networks
❖ Encoding as neuronal ensemble with strengthened intrinsic connections
❖ We weten uit veel onderzoekers dat in biologische netwerken, info
gepreresenteerd wordt door onderling versterkte ensembles
❖ Why distributed representations?
➢ Increase representational capacity
➢ Robust against cellular damage
▪ en kan zich ook zo herstellen
➢ Competition-based population dynamics
▪ populatie dynamiek die subtiel is, meer mogelijkheden dan met enkele neuronen
mogelijk
o bv competitie interacties: 2 aparte ensembles gedeeltelijk geactiveerd, eentje
krijgt meer input, die wint, dat is de herinnering je opkomt in je hersenen
Memory retrieval in neural networks
❖ Cueing with part of the information activates part of the representation
➢ Through the strengthened connections the rest of the pattern is reactivated -> “Pattern
completion”
, ❖ Gedeelte netwerk weer geactiveerd door geheugen cue
➢ Gedeeltes van herinnering activeren weer andere gedeeltes (denk aan wat je gister at ->
denken aan avondeten -> aan met wie je daar zat -> aan wat je at)
Binding an episode: dimensions of the problem
❖ Hippocampus noodzakelijk gebied voor opslag en herinnering ven episodische geheugensporen
❖ Binding problem: aparte features die als 1 episodische gebeurtenissen kunnen worden
gerepresenteerd
➢ Paralelle informatie stromen (geur, tast, objecten, ventral stream, dorsal stream)
➢ Integratie
➢ Keeping elements of episode separate (individuele dingen moeten nog wel apart gehouden
worden, je oma en je vriendin wil je niet door elkaar halen)
➢ Keeping similar episodes separate (iedere dag weer onthouden waar je je fiets geparkeerd hebt
in de fietsenstalling waar je iedere dat je fiets parkeert)
➢ Enabling cued recall
❖ Where does this episodic binding occur?
➢ In the mediotemporal lobe (MTL)!
Anatomie hippocampus
❖ Entorhinale cortex: directe toeganggebeid voor de hippocampus
❖ Ventraal aanzicht:
❖
, ❖ Mediale gedeelte temporaalkwab:
❖ The hippocampus is reciprocally connected to large parts of the
cortical mantle (voornamelijk associatiegebieden)
➢ Links different aspects of an event into an episodic
memory
➢ Alle associatiegebieden komen uit op de
parahippocampala gyrus die bestaat uit de entorhinale,
parahippocampale en perirhinale cortrex -> verbonden
met hippocampus zelf
❖ Neocortico-hippocampale routes in primaten en knaagdieren
➢ Vergelijking knaagdieren en primaten
➢ verschil terminologie primaten en knaagdieren: wat bij e
primaten de parahippocampale cortex heet, heet bij de
knaagdieren de postrhinale cortex
Samenvatting anatomie plaatje (credits aan Daniella <3):
Annabel Couzijn
Quizlet link: https://quizlet.com/Annabel2703/folders/leren-en-geheugen/sets
Inhoud
College 14: Mediale Temporale Kwab netwerk en Geheugen .............................................................................. 2
Leesstof ....................................................................................................................................................................... 13
Artikel: ..................................................................................................................................................................... 13
Artikel: ......................................................................................................................................................................... 18
College 15: Slaap ........................................................................................................................................................ 20
College 16: Consolidatie: tijdelijke rol van de hippocampus & Reactivatie ............................................................ 28
Leesstof ....................................................................................................................................................................... 42
Artikel: ..................................................................................................................................................................... 42
Boek ........................................................................................................................................................................ 46
Zelfstudie..................................................................................................................................................................... 46
,College 14: Mediale Temporale Kwab netwerk en Geheugen
Waarom computer modeling?
❖ In general: understanding complex systems
❖ In neuroscience: only available technique to investigate neural network dynamics
➢ Bridging the gap between the molecular/cellular and the systemic level
What is neural network modeling?
❖ Simulate a biological network
➢ Biological detail increases computational load
❖ Simulation platform (special software)
❖ Terminology:
➢ Neurons -> nodes (in jargon)
➢ Areas -> layers
➢ Synapses -> connections
➢ Synaptic strength -> connection weight
❖ Plasticity function
➢ Determines how synaptic weights change as function of input, output and possibly spike
timing
❖ Some aspects explicitly modeled, others implicitly modeled
➢ Implicit modeling = mathematical function -> no network dynamics
➢ Capacitietsissues: als je model lijkt op echte hersenen, dan heb je er niets aan want je model
moet het versimpelen!
▪ Daarom heb je functies die je impliciet modeleert, dus een mathematische regel ipv
specifiek de neuronen nabootsen. Bijvoorbeeld: je hoeft niet echt inhibtoire neuronen
in je model, maar je hebt wel een impliciete mathematische functie voor inhibitie in het
model. (bv. alleen de 10 neuronen met de meeste input mogen vuren)
▪ Of een ingewikkeld netwerk met ext en inh neuronen, en je wil theta modulatie die je
implcitiet inbouwt (sterke steeds wat meer -> wat minder -> wat meer etc)
Memory encoding in neural networks
❖ Encoding as neuronal ensemble with strengthened intrinsic connections
❖ We weten uit veel onderzoekers dat in biologische netwerken, info
gepreresenteerd wordt door onderling versterkte ensembles
❖ Why distributed representations?
➢ Increase representational capacity
➢ Robust against cellular damage
▪ en kan zich ook zo herstellen
➢ Competition-based population dynamics
▪ populatie dynamiek die subtiel is, meer mogelijkheden dan met enkele neuronen
mogelijk
o bv competitie interacties: 2 aparte ensembles gedeeltelijk geactiveerd, eentje
krijgt meer input, die wint, dat is de herinnering je opkomt in je hersenen
Memory retrieval in neural networks
❖ Cueing with part of the information activates part of the representation
➢ Through the strengthened connections the rest of the pattern is reactivated -> “Pattern
completion”
, ❖ Gedeelte netwerk weer geactiveerd door geheugen cue
➢ Gedeeltes van herinnering activeren weer andere gedeeltes (denk aan wat je gister at ->
denken aan avondeten -> aan met wie je daar zat -> aan wat je at)
Binding an episode: dimensions of the problem
❖ Hippocampus noodzakelijk gebied voor opslag en herinnering ven episodische geheugensporen
❖ Binding problem: aparte features die als 1 episodische gebeurtenissen kunnen worden
gerepresenteerd
➢ Paralelle informatie stromen (geur, tast, objecten, ventral stream, dorsal stream)
➢ Integratie
➢ Keeping elements of episode separate (individuele dingen moeten nog wel apart gehouden
worden, je oma en je vriendin wil je niet door elkaar halen)
➢ Keeping similar episodes separate (iedere dag weer onthouden waar je je fiets geparkeerd hebt
in de fietsenstalling waar je iedere dat je fiets parkeert)
➢ Enabling cued recall
❖ Where does this episodic binding occur?
➢ In the mediotemporal lobe (MTL)!
Anatomie hippocampus
❖ Entorhinale cortex: directe toeganggebeid voor de hippocampus
❖ Ventraal aanzicht:
❖
, ❖ Mediale gedeelte temporaalkwab:
❖ The hippocampus is reciprocally connected to large parts of the
cortical mantle (voornamelijk associatiegebieden)
➢ Links different aspects of an event into an episodic
memory
➢ Alle associatiegebieden komen uit op de
parahippocampala gyrus die bestaat uit de entorhinale,
parahippocampale en perirhinale cortrex -> verbonden
met hippocampus zelf
❖ Neocortico-hippocampale routes in primaten en knaagdieren
➢ Vergelijking knaagdieren en primaten
➢ verschil terminologie primaten en knaagdieren: wat bij e
primaten de parahippocampale cortex heet, heet bij de
knaagdieren de postrhinale cortex
Samenvatting anatomie plaatje (credits aan Daniella <3):
