通过脉冲神经网络中的身体表征实现高效的基于奖励的学习

基于摘要分析。本研究考察脑—身体交互如何形成并影响基于奖励的学习，构建了用于学习 canonical babbling（典型咿呀发声，即元音与辅音组合）的脉冲神经网络（SNN）模型。核心贡献是将发声动作、听觉反馈、突触可塑性与奖励调节置于闭环中，研究任务相关身体表征与发声学习的关系。 机制上，SNN 的输出生成发声模拟器的运动指令，模拟器产生声音后，将代表该声音的听觉信号反馈至 SNN。网络内的突触权重通过脉冲时序依赖可塑性（STDP）更新；SNN 到发声模拟器的连接则依据声音显著性相关的奖励信号进行调节。摘要未提供奖励函数、声音编码方式或两类更新过程的具体实现。 作者报告，在具有听觉反馈的模型条件下，STDP 使模型快速获得类似咿呀发声的输出；部分 SNN 神经元在发出辅音时比在产生其他声音时更活跃。作者据此认为，网络动力学适应了任务相关的发音器官运动，形成的身体表征促进了脑—身体交互，并加快咿呀发声行为的习得。摘要未提供学习速度的量化指标、对照设置或统计结果，因此尚不能据此判断加速幅度及各机制的独立贡献。 该研究的主要对象是发声模拟中的感觉—运动学习，而非 EEG 解码或 BCI 控制。身体表征的操作性定义、学习加速的对照依据、实验协议、消融及统计信息尚未验证；网络规模、模拟器配置与复现资源也需查阅全文确认。现有材料不足以提出具体的 EEG/BCI 迁移方案，相关工作尚未检索确认。