先验概率在最优效率神经群体中的隐式嵌入
神经元与认知
2012-09-25 v1 生物物理
摘要
我们考察环境中感觉变量的先验概率分布如何影响表征该变量的神经群体中神经元和脉冲的最优分配。我们从传统的响应模型出发，其中每个神经元的脉冲服从泊松分布，其平均速率由相关的调谐曲线决定。对于该模型，我们在调谐宽度与细胞密度成反比的假设下，根据调谐曲线的密度和幅度近似 Fisher 信息。我们考虑了一族基于 Fisher 信息泛函在感觉先验上的期望值的目标函数。该族函数将互信息下界和感知辨别力作为特例包含在内。对于所有情况，我们都得到了最优解的闭式表达式，其中群体中细胞的密度和增益是刺激先验的幂律函数。因此，这些资源的分配由先验唯一确定。由于感知辨别力可以直接用 Fisher 信息表示，它也将是先验的幂律函数。我们表明，这些结果适用于任意形状的调谐曲线和相关 neuronal 变异性。因此，该框架提供了关于感觉先验、神经表征的调谐特性与感知辨别力之间关系的直接且可实验检验的预测。
引用
@article{arxiv.1209.5006,
title = {Implicit embedding of prior probabilities in optimally efficient neural populations},
author = {Deep Ganguli and Eero Simoncelli},
journal= {arXiv preprint arXiv:1209.5006},
year = {2012}
}
备注
15 pages, 2 figures, generalizes and extends Ganguli & Simoncelli, NIPS 2010