具有真实噪声、反馈和非线性的循环Retina-V1网络中的信息
神经元与认知
2026-03-31 v1
摘要
在具有心理物理学合理性的网络中，对早期视觉信息流的定量估计仍然是一个悬而未决的问题。这是因为迄今为止，必要的元素（通用且合理的网络、准确的噪声和可靠的信息度量）尚未被整合在一起。因此，先前的研究采用了不同的近似方法，从而限制了其结果的普适性。本工作首次结合了以下元素：(1) 通用且合理的循环网络：由线性+非线性心理物理学调谐层组成的级联网络[IEEE TIP.06, J.Neurophysiol.19, J.Math.Neurosci.20, Neurocomp.24]，并扩展以考虑自上而下的反馈[Nat.Neurosci.21, Neurips.22]。(2) 每一层中的准确噪声，其调谐方式以在对比度检测和辨别中重现心理测量函数[J.Vision 25]。(3) 可靠的信息度量，已通过分析结果进行了验证，无论是在一般情况[IEEE PAMI 24]中，还是在类似的视觉神经科学语境[Neurocomp.24]中，因此可以应用于分析结果难以获得的这种（更一般的）情况。这些元素的联合使用使得对不同连接方案（不同的非线性和交互作用）、不同噪声源和不同刺激下的信息流进行可靠研究成为可能。结果以两种方式展示了反馈的益处：(1) 对于能给出稳定稳态解的反馈值，V1→LGN反馈减少了沿通路的数据处理不等式中的信息损失；(2) 通过标准Poincaré分析评估网络的稳定性，我们发现了一个在从皮层表示重建信号的准确性方面最优的反馈值。
引用
@article{arxiv.2603.27347,
title = {Information in a recurrent Retina-V1 network with realistic noise, feedback and nonlinearities},
author = {Javier Rodríguez and Raquel Giménez and Jesús Malo},
journal= {arXiv preprint arXiv:2603.27347},
year = {2026}
}