纽约大学的研究人员设计了一种计算机模型来解释神经回路如何学习将感觉刺激分为离散类别，例如“汽车与摩托车”。他们的发现为我们日常做出的判断提供了新的思路。

“分类对于生存至关重要，例如将食物与不可食用的东西区分开来，以及对于概念的形成(例如'狗与猫')以及概念之间的关系(例如动物的分类)至关重要，”作者小晶说。 Wang，纽约大学和上海纽约大学神经科学，物理和数学全球教授。“我们提出的模型只能解释简单视觉刺激的类别学习。需要进行进一步的研究，以探索从该模型中提取的一般原理是否适用于更复杂的分类。”

Wang与研究时的博士后研究员Tatiana Engel和他的研究小组的博士候选人Jah Chaisangmongkon以及芝加哥大学的神经生物学家实验学家David Freedman合作进行了这项研究。Freedman之前已经开发了一种行为范式，用于研究与视觉刺激的类别成员相关的单个神经元的电活动。

在这种神经回路模型中，它结合了我们对皮层的组织和神经生理学的了解，较低级的神经回路将有关视觉刺激的信息发送到具有模拟刺激功能(如随机方向)的较高级的神经回路移动点的图案)分为二进制类别(A或B)。研究人员的结果表明，该模型涵盖了广泛的实验观察结果，并产生了具体的预测，这些预测已通过类别学习实验中记录的单神经元电活动分析得到了证实。

有趣的是，研究人员发现，学习正确的类别边界(将连续特征分为A和B)需要从类别选择性神经元到特征编码神经元的自顶向下反馈投影。

自从纽约大学的J. Anthony Movshon，斯坦福大学的William Newsome等人的开创性工作以来，众​​所周知，特征编码的感觉神经元以概率的方式(量化)反映了动物对刺激的分类成员(A或B)的选择。作为“选择概率”)。普遍的看法是，这是因为类别选择受自下而上的，从感觉到类别的通路的感觉神经元的随机或随机活动的影响。