高级皮层区群体活动的去混合主成分分析揭示任务参数的独立表征
神经元与认知
2019-02-18 v1 机器学习
摘要
已知高级皮层区（如前额叶皮层）的神经元会对多种感觉和运动变量产生调谐。由此产生的神经调谐多样性常常掩盖了所表征的信息。在此，我们引入一种新颖的降维技术——去混合主成分分析（dPCA），它能自动发现并突出复杂群体活动中的基本特征。我们重新分析了执行多种工作记忆和决策任务的大鼠和猴子前额叶区域的群体数据。在每种情况下，dPCA都能将群体反应的相关特征总结在一张图中。群体活动被分解为少数几个去混合成分，这些成分捕获了数据中的大部分方差，并突出了群体对各种任务参数（如刺激、决策、奖励等）的动态调谐。此外，dPCA揭示了群体活动中强烈的、条件无关的成分，这些成分在传统方法中仍未被注意到。
引用
@article{arxiv.1410.6031,
title = {Demixed principal component analysis of population activity in higher cortical areas reveals independent representation of task parameters},
author = {Dmitry Kobak and Wieland Brendel and Christos Constantinidis and Claudia E. Feierstein and Adam Kepecs and Zachary F. Mainen and Ranulfo Romo and Xue-Lian Qi and Naoshige Uchida and Christian K. Machens},
journal= {arXiv preprint arXiv:1410.6031},
year = {2019}
}
备注
23 pages, 6 figures + supplementary information (21 pages, 15 figures)