20260518-morning:新增内容

concepts/temporal-decay-neural.md

@@ -0,0 +1,46 @@
+---
+title: "Temporal Decay (Neural)"
+created: 2026-05-15
+updated: 2026-05-15
+type: concept
+tags: [temporal-processing, synchronization, learnable-parameters]
+sources: [raw/papers/darlow-ctm-2025.md]
+---
+
+# Temporal Decay (Neural)
+
+**时态衰减** 是 CTM 中每对神经元 (i,j) 的可学习参数 r_ij ≥ 0，用于调制 [[neural-synchronization|同步]] 计算中的时间尺度。
+
+## 定义
+
+对于神经元对 (i,j)，衰减向量定义为：
+```
+R^t_ij = [exp(-r_ij(t-1)), exp(-r_ij(t-2)), ..., exp(0)]^⊺ ∈ R^t
+```
+
+同步计算被重新缩放：
+```
+S^t_ij = (Z^t_i)^⊺ · diag(R^t_ij) · Z^t_j / √(Σ_τ R^t_ij[τ])
+```
+
+## 行为
+
+- **r_ij = 0**：所有历史 tick 等权重 → 长时程整合
+- **r_ij 大**：偏向近期 tick → 短时程响应
+- **r_ij 可学习**：CTM 根据任务需求自动调整每对神经元的时间尺度
+
+## 实验发现
+
+作者观察到 CTM 对 r_ij 的使用具有**任务依赖性**：
+- **迷宫任务**：模型积极利用多时间尺度
+- **ImageNet**：衰减的使用较少
+
+这暗示不同任务需要不同的时态整合模式。
+
+## 生物学类比
+
+类似生物突触的**短期可塑性**（short-term plasticity）——某些突触对近期活动敏感（促进/抑制），而其他突触保持长时程稳定。
+
+## 来源
+
+- [[darlow-ctm-2025|CTM 论文]]