对比地形模型：应用于感官编码与皮层地形理解的能量基密度模型
神经与进化计算
2020-11-10 v1 机器学习
机器学习
摘要
我们着手构建理论模型，以在计算/算法和结构/机制层面上阐明视觉脑的功能。我们力求理解视觉皮层区域中发现的感受野和地形图如何与潜在的计算需求相关联。我们从概率密度估计的流行视角看待感觉系统的发展；其动机在于这样一种观念，即有效的内部表征方案可能反映有机体所处环境的统计结构。我们对模型的要素施加基于生物的约束。本论文首先综述来自神经生物学、理论神经科学和机器学习领域的相关文献。在此综述之后，我们提出主要的理论和算法进展：我们提出一类概率模型，称之为“能量基模型(energy-based models)”，并展示该框架与马尔可夫随机场和因子图等其他各类概率模型之间的等价性；我们还开发并讨论了在能量基模型中执行最大似然学习和推断的近似算法。论文其余部分致力于探索此类模型的具体实例化。通过对模型参数进行约束优化以最大化适当自然数据集的似然，我们能够在定性上重现体内发现的许多感受野和地图特性，同时学习数据中的统计规律性。
引用
@article{arxiv.2011.03535,
title = {Contrastive Topographic Models: Energy-based density models applied to the understanding of sensory coding and cortical topography},
author = {Simon Osindero},
journal= {arXiv preprint arXiv:2011.03535},
year = {2020}
}