具有突触局部可塑性和脉冲神经元的稀疏编码模型可解释 V1 简单细胞感受野的多样形状
神经元与认知
2011-11-01 v1 无序系统与神经网络
摘要
在自然图像上训练的稀疏编码算法能够准确预测激发视觉皮层神经元的特征，但尚不清楚此类编码是否可以使用生物现实的可塑性规则来学习。我们开发了一个生物物理驱动的脉冲网络，仅依赖突触局部信息，当在自然图像上训练时，可以预测 V1 简单细胞感受野形状的全部多样性。这首次证明，在皮层架构约束下运行的稀疏编码原则能够成功再现这些感受野。我们进一步从数学上证明，稀疏性和去相关是允许突触局部可塑性规则优化由神经表征形成的协作线性生成图像模型的关键要素。最后，我们讨论了网络的几个有趣的涌现特性，旨在弥合视觉皮层理论与实验研究之间的差距。
引用
@article{arxiv.1109.2239,
title = {A sparse coding model with synaptically local plasticity and spiking neurons can account for the diverse shapes of V1 simple cell receptive fields},
author = {Joel Zylberberg and Jason Timothy Murphy and Michael Robert DeWeese},
journal= {arXiv preprint arXiv:1109.2239},
year = {2011}
}
备注
33 pages, 6 figures. To appear in PLoS Computational Biology. Some of these data were presented by author JZ at the 2011 CoSyNe meeting in Salt Lake City