突触权重

在神经科学和计算机科学中，突触权重（synaptic weight）是指两个节点之间连接的强度或振幅，在生物学中与一个神经元对另一个节点的放电所产生的影响量相对应。该术语通常用于人工和生物神经网络研究。

突触修饰的过程根据权重大小变化来决定

突触的权重是通过使用学习规则来改变的，其中最基本的规则是赫布规则，通常用生物学术语来表示为:

一起放电的神经元，连接在一起 (Neurons that fire together, wire together.)。

计算上，这意味着如果一个输入神经元的大信号导致一个输出神经元的信号变大，那么这两个神经元之间的突触权重将增加。然而，该规则是不稳定的，通常使用Oja规则、径向基函数或反向传播算法等变量进行修改。

对于生物网络来说，突触权重的影响并不像线性神经元或希伯来语学习那样简单。然而，生物物理模型如BCM理论在数学描述这些网络方面取得了一些成功。

在哺乳动物的中枢神经系统中，信号传输是由神经细胞或神经元相互连接的网络来完成的。对于基本的锥体神经元，输入信号由轴突传递，轴突将神经递质化学物质释放到由下一个神经元的树突所接收的突触中，然后产生一个动作电位，该动作电位类似于计算情况下的输出信号。

这个过程中的突触权重由几个可变因素决定：

1.      输入信号如何通过轴突传播（参见髓鞘形成）。

2.     释放到突触中的神经递质的量和可被以下细胞吸收的量（由细胞膜上的AMPA和NMDA受体的数量以及细胞内钙和其他离子的数量决定）。

3.     轴突与树突的连接数量。

4.     信号在突触后细胞中的传播和整合程度。

发生在突触权重上的变化被称为突触可塑性，而长期变化（长期增强和抑制）背后的过程仍不太清楚。Hebb最初的学习规则最初应用于生物系统，但随着一些理论和实验问题的暴露，不得不进行许多修改。