信息论在神经数据分析中的应用
神经元与认知
2015-01-09 v1
摘要
信息论是为研究噪声信道上的通信而发展起来的实用与理论框架。其概率基础以及将统计结构与功能相关联的能力，使其成为研究神经系统信息流的理想工具。它具有若干有用特性：它是一种对任意关系（不仅限于线性效应）均敏感的一般性度量；它具有有意义的单位，在许多情况下允许不同实验间直接比较；并且它可用于研究通过观测单次试验中的神经响应（而非多次试验平均）能获得多少信息。神经科学中常用多种信息论量——（见词条“信息论量的定义”）。本词条中，我们回顾信息论在神经科学中的一些应用，以研究单神经元与神经元群体中的信息编码。
引用
@article{arxiv.1501.01860,
title = {Applications of Information Theory to Analysis of Neural Data},
author = {Simon R. Schultz and Robin A. A. Ince and Stefano Panzeri},
journal= {arXiv preprint arXiv:1501.01860},
year = {2015}
}
备注
8 pages, 2 figures