具有连续与离散维度刺激的神经元群体编码理论模型

在最近的一项研究中，假设神经元对每个刺激独立放电且每个放电率的条件分布为高斯分布，解析评估了 N 个神经元的放电率与 p 个离散刺激集合之间互信息的初始上升。然而，真实的刺激或行为相关物是高维的，同时具有离散与连续变化的特征。此外，高斯近似意味着负的放电率，这在生物学上是不合理的。在此，我们将分析推广到刺激或行为相关物同时具有离散与连续维度的情况。在大噪声情况下，我们将互信息作为群体规模的函数评估至二次近似。随后，我们考虑了一种更现实的在零处截断的放电率分布，并证明由此产生的高斯放电率修正可以简单地表示为噪声参数的重整化。最后，我们展示了在离散维度上对分布取平均的效果，仅针对连续变化相关物评估了互信息。