神经群体中网格图的计算模型
神经元与认知
2019-07-25 v3 神经与进化计算
摘要
内嗅皮层的网格细胞，与头方向细胞、位置细胞、速度细胞和边界细胞一起，是大脑空间表征组织的主要贡献者。本工作中，我们引入了一种新颖的理论与算法框架，能够解释六边形网格状响应模式从头方向细胞响应中的涌现。我们表明该模式是神经元最小方差编码的结果。新颖性在于通过现代框架理论(Frame Theory)语言，特别是等角框架(equiangular Frames)来表述编码问题，从而为六边形网格感受野的最优性提供新见解。所提出的模型克服了当前吸引子与振荡模型的一些关键局限。它基于被广泛接受并验证的赫布学习(Hebbian learning)假设，提供了一个简化的基于皮层的框架，不需要存在由 theta 速度驱动的振荡（振荡模型）或突触连接中的平移对称性（吸引子模型）。此外，我们证明所提出的编码机制自然地解释了相邻网格细胞的轴对齐，并将刺激的移动、旋转和缩放映射到网格细胞感受野的形状上，从而对网格细胞在环境线索变换下重映射的实验证据给出了直接解释。
引用
@article{arxiv.1902.06553,
title = {A computational model for grid maps in neural populations},
author = {Fabio Anselmi and Micah M. Murray and Benedetta Franceschiello},
journal= {arXiv preprint arXiv:1902.06553},
year = {2019}
}
备注
16 pages, 4 figures