Aprender a detectar, identificar o seleccionar estímulos es un requisito esencial de muchas tareas conductuales. En situaciones de la vida real, los estímulos relevantes y no relevantes a menudo están incrustados en un flujo sensorial continuo, representados presumiblemente por diferentes segmentos de actividad neural. Aquí introducimos un modelo de red de espigas que puede descubrir estímulos relevantes para la acción en un flujo sensorial no segmentado de trenes de espigas. El modelo utiliza una regla de plasticidad biológicamente plausible y aprende del refuerzo de decisiones correctas tomadas en el momento adecuado. El aprendizaje es completamente en línea y es más rápido para un tamaño de población mayor; permite una amplia gama de estrategias de codificación neural y puede segmentar patrones de espigas corticales grabados de animales en comportamiento. Basado en estos resultados, el modelo propuesto proporciona un marco biológicamente plausible para el aprendizaje por refuerzo en ausencia de información previa sobre la identidad, relevancia y temporización de los estímulos de entrada incrustados en un flujo espacial-temporal continuo.
Donne et al. (Sun,) estudiaron esta cuestión.