運動皮質的遞迴網路模型

檢驗動力系統觀點的一種富有成效的方式，是訓練一個遞迴神經網路去產生某任務的肌肉活動或運動學，再將其內部運作與皮質相比較。這類任務訓練網路在僅獲得輸入與期望輸出的情況下，會自發地發展出資料中所見的許多群體特徵——旋轉結構、動作起始時龐大的條件無關訊號，以及異質、多相的單一單元反應——這支持了一種觀點：這些是網路在解決動作產生問題時的通用後果，而非生物的特異性。受訓網路隨即成為一個假說，其機制可藉由定位並線性化其不動點來剖析。

這些模型約束理論，卻無法定案。許多不同的網路、以及許多不同的訓練正則化，都能重現相同的神經特徵，因此良好的相符是對某一類解、而非皮質採用某特定解的證據；架構、雜訊與代價函數的選擇強烈地形塑了會浮現出什麼。若謹慎使用——作為可證偽預測的來源與逆向工程計算的工具——遞迴模型是連結所記錄之群體動力學與機制之間最有用的橋樑之一，前提是承認其簡併性。