用 Wishart 过程估计连续条件间的噪声相关性
应用统计
2023-11-01 v3
摘要
神经群体的信号能力取决于其跨试次协方差的尺度与方向。估计此“噪声”协方差具有挑战性，且被认为需要大量刻板试次。因此，需要新方法在丰富、自然的行为与感觉经验中，以每条件极少试次来探究神经噪声的结构。此处，我们利用许多实验中条件被平滑参数化这一事实，并借助 Wishart 过程模型从邻近条件的试次中汇集统计功效。我们证明这些模型相对于标准协方差估计器，在来自小鼠视觉皮层与猴运动皮层的实验数据上表现更优。此外，它们产生作为刺激参数函数的协方差平滑估计，使得在完全未观测条件中估计噪声相关性以及 Fisher 信息（一种常用的信号保真度度量）的连续估计成为可能。总之，我们的结果表明 Wishart 过程是可广泛应用于试次有限情形下噪声相关性量化与不确定性估计的工具，为理解噪声在复杂神经计算与行为中的作用铺平道路。
引用
@article{arxiv.2308.11824,
title = {Estimating Noise Correlations Across Continuous Conditions With Wishart Processes},
author = {Amin Nejatbakhsh and Isabel Garon and Alex H Williams},
journal= {arXiv preprint arXiv:2308.11824},
year = {2023}
}