008240612s2023      us  |||||||||||||||c||eng  d
■001000016933449
■00520240214101248
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798379786953
■035    ▼a(MiAaPQ)AAI30529433
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a616
■1001  ▼aXie,  Marjorie.
■24510▼aTask-Dependent  Representations  for  Cerebellar  Learning▼h[electronic  resource]
■260    ▼a[S.l.]:▼bColumbia  University.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(114  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-01,  Section:  B.
■500    ▼aAdvisor:  Litwin-Kumar,  Ashok.
■5021  ▼aThesis  (Ph.D.)--Columbia  University,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aThe  cerebellar  granule  cell  layer  has  inspired  numerous  theoretical  models  of  neural  representations  that  support  learned  behaviors,  beginning  with  the  work  of  David  Marr  and  James  Albus.  In  these  models,  granule  cells  form  a  sparse,  combinatorial  encoding  of  diverse  sensorimotor  inputs.  Such  sparse  representations  are  optimal  for  learning  to  discriminate  random  stimuli.  However,  recent  observations  of  dense,  low-dimensional  activity  across  granule  cells  have  called  into  question  the  role  of  sparse  coding  in  these  neurons.  In  this  thesis,  I  generalize  theories  of  cerebellar  learning  to  determine  the  optimal  granule  cell  representation  for  tasks  beyond  random  stimulus  discrimination,  including  continuous  input-output  transformations  as  required  for  smooth  motor  control.  I  show  that  for  such  tasks,  the  optimal  granule  cell  representation  is  substantially  denser  than  predicted  by  classic  theories.  The  results  provide  a  general  theory  of  learning  in  cerebellum-like  systems  and  suggest  that  optimal  cerebellar  representations  are  task-dependent.
■590    ▼aSchool  code:  0054.
■650  4▼aNeurosciences.
■650  4▼aBiomedical  engineering.
■653    ▼aCerebellum
■653    ▼aMotor  control
■653    ▼aNeural  networks
■653    ▼aLearned  behaviors
■653    ▼aClassic  theories
■690    ▼a0317
■690    ▼a0800
■690    ▼a0541
■71020▼aColumbia  University▼bNeurobiology  and  Behavior.
■7730  ▼tDissertations  Abstracts  International▼g85-01B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0054
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16933449▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024