Door de recente successen van deep learning en artificiële neurale netwerken te combineren met de biologische kennis van onze hersenen, kunnen we nieuw licht werpen op hoe mensen leren uit nieuwe ervaringen. Deze scriptie onderzoekt target propagation, een wiskundig model over hoe neuronen hun synaptische sterkte aanpassen om leren mogelijk te maken. Op basis van netwerk modellen ontdekten we dat target propagation een vorm van Gauss-Newton optimalisatie is en dat een biologisch netwerk van piramidale neuronen een gelijkaardig gedrag als target propagation kan vertonen.

Met behulp van enkele recente doorbraken in verschillende takken van de wetenschap, waaronder in het kweken van neuronen en het heel precieze meten van hun activiteit, zijn we erin geslaagd de causale connectiviteit — welk neuron stuurt signalen naar welk ander neuron — in een in vitro netwerk van neuronen in kaart te brengen. In de scriptie Fysica worden deze causale connecties in verband gebracht met de stochastiche activiteit van de individuele neuronen. In de scriptie computerwetenschappen worden de parameters van de causale connecties vertaald naar artficiële neurale netwerken.