利用非负主成分分析从空间分布的位置细胞输入中提取网格细胞特征

许多近期模型研究从网格细胞到位置细胞的下游投射，而近期数据指出了反馈投射的重要性。因此我们探究网格细胞如何受到来自位置细胞输入性质的影响。我们提出一个两层神经网络，其前馈权重连接类位置输入细胞到网格细胞输出。位置到网格的权重通过广义赫布规则学习。该网络的架构与用于执行主成分分析（PCA）的神经网络高度相似。我们的结果表明，如果前馈神经网络的成分为非负，则输出收敛到六边形晶格。若无非负性约束，输出收敛到正方形晶格。与实验一致，网格相对于墙的对齐约为7°且连续模块间的网格间距比约为1.4。我们的结果表达了位置细胞到网格细胞相互作用与PCA之间的可能联系，表明网格细胞代表一种受约束的降维过程，也可视为来自位置细胞信息的方差最大化过程。