认知的几何：从神经群体到神经技术
The geometry of cognition: from neural populations to neurotechnology
认知由分布式的神经群体实现，其集体活动在结构化的低维状态空间中演化。这篇综述从单细胞编码讲起，依次介绍群体向量、余弦相似度、主成分分析及其变体、多变量线性回归轴、解混主成分分析和单试次潜变量模型，并区分操作定义的群体子空间与几何或拓扑可重复的神经流形。作者用这些方法讨论感觉编码、工作记忆、决策、时间加工和感觉运动转换，并把循环神经网络作为检验机制假设的试验台、把皮层内脑机接口作为群体几何转化为控制信号的应用场景。文章为预印本，尚未经同行评审。
arXiv:2610.36541v1 公告类型：新摘要：认知由分布式神经群体实现，其集体活动在结构化的低维状态空间中演化。在本综述中，我们梳理了用于研究生物神经网络中潜在群体动力学的分析与概念工具。我们从单单元编码开始，它对于解读神经元选择性仍然至关重要；随后回顾群体层面的方法，包括群体向量、余弦相似度、主成分分析及其记忆变体、多变量线性回归轴、去混合主成分分析以及单试次潜变量模型，并区分操作定义的群体子空间与具有可重复几何或拓扑结构的神经流形。我们运用这些方法讨论感觉编码、工作记忆、决策、时间处理和感觉运动转换。全文强调两条组织原则。第一，认知变量可以表达在可分离或近正交的群体维度中，从而减少感觉、记忆、决策相关和运动信号之间的干扰。第二，这种几何分离并不需要解剖学或功能上离散的细胞类别；可分离的群体读出可以与共享生物基质内混合选择性单神经元反应的连续谱共存。随后，我们将循环神经网络视为生成和评估关于回路如何产生低维动力学的机制性假设的试验平台，并将皮层内脑机接口视为一个转化领域，在其中群体几何成为可操作的控制信号。总体而言，本综述主张，群体动力学如今为连接神经生理学、计算建模和神经技术提供了共同语言。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv q-bio.NC 预印本 · arxiv.org