具有高表征相似性的深度脉冲神经网络建模猕猴与小鼠视觉通路
神经元与认知
2023-05-23 v5 神经与进化计算
摘要
深度人工神经网络(ANNs)在建模灵长类与啮齿类视觉通路中发挥着重要作用。然而,相较于生物神经元,它们高度简化了神经元的计算特性。相反,脉冲神经网络(SNNs)是更具生物学合理性的模型,因为脉冲神经元像生物神经元一样以时间序列的脉冲编码信息。然而,利用深度 SNNs 模型研究视觉通路的工作尚显不足。本研究首次使用深度 SNNs 建模视觉皮层,同时也使用一系列最先进的深度 CNNs 与 ViTs 进行比较。利用三种相似性度量,我们在三种刺激下从两个物种收集的三个神经数据集上进行了神经表征相似性实验。基于广泛的相似性分析,我们进一步探究了跨物种的功能层级与机制。几乎所有 SNNs 的相似性分数均高于对应 CNNs,平均高出 6.6%。具有最高相似性分数的层深度在小鼠皮层区域间差异很小,但在猕猴区域间差异显著,表明小鼠的视觉处理结构比猕猴更具区域同质性。此外,在一些顶尖类小鼠脑神经网络中观察到的多分支结构,为小鼠中的并行处理流提供了计算证据;而不同刺激下拟合猕猴神经表征的性能差异,则展现了猕猴信息处理的机能专门化。综上,我们的研究表明 SNNs 可作为更有前景的候选模型,以更好地建模与解释视觉系统的功能层级与机制。
引用
@article{arxiv.2303.06060,
title = {Deep Spiking Neural Networks with High Representation Similarity Model Visual Pathways of Macaque and Mouse},
author = {Liwei Huang and Zhengyu Ma and Liutao Yu and Huihui Zhou and Yonghong Tian},
journal= {arXiv preprint arXiv:2303.06060},
year = {2023}
}
备注
Accepted by Proceedings of the 37th AAAI Conference on Artificial Intelligence (AAAI-23)