bioRxiv · Neuroscience· Tian, G. J., Doiron 等 4 人
AI 评分57
最优神经表征的全局几何
The global geometry of optimal neural representations
预印本 · 尚未经过同行评审
AI 导读
高效编码假说认为神经活动在资源约束下最优地表征信息,但最优群体编码的全局结构难以从理论上刻画。作者把神经反应分布的空间表述为统计流形,借助广义方差稳定变换简化其几何,解析求出在一维圆周变量上使全对平均分类误差最小的表征,并刻画了最优群体编码的完整族。理论给出两项预测,即最优编码应允许存在极性相反的双峰调谐曲线,且放电计数变异与调谐锐度应相关,两项预测均在小鼠头方向系统中得到检验。该预印本尚未经同行评审。
摘要 · AI 翻译
高效编码假说认为,神经活动在资源约束下能最优地表示信息。此类最优群体编码的全局结构在理论上难以研究,以往的工作通常要么侧重于局部特性(如精细辨别),要么对神经调谐的参数形式施加限制。我们通过解析推导在一维循环变量、多种神经响应噪声形式下使全配对平均分类误差最小化的神经表示,来解决这一一般性问题。我们的方法基于将神经响应分布空间表述为一个统计流形,其几何结构可通过方差稳定化变换的广义版本加以简化。该理论完整刻画了最优群体编码的整个族,并使我们能够做出两项新预测。第一,最优编码应允许存在方向相反的双峰调谐曲线。第二,放电计数变异性与调谐锐度之间应存在相关性。我们在小鼠头部方向系统中验证了这两项预测。
中文由 AI 翻译,仅供参考,以原文为准。
来源:bioRxiv · Neuroscience · biorxiv.org