LOOPER：推断神经元群体动力学所执行的计算算法
神经元与认知
2020-03-24 v1
摘要
如今记录数百个神经元的同步活动已成为可能。现有方法可以对这种群体活动进行建模，但无法直接揭示大脑所使用的计算。我们提出一种完全无监督的方法，对神经元活动进行建模并揭示其计算策略。该方法构建由相互连接的环路组成的神经元动力学拓扑模型。环路之间的转换标志着计算上显著的决定。我们准确建模了灵长类皮层在工作记忆任务中数百个神经元的激活。在相同任务上训练得到的循环神经网络（RNN）的动力学在拓扑上相同，表明使用了类似的计算策略。然而，在修改后的数据集上训练的 RNN 揭示了不同的拓扑。该拓扑以近乎完美的准确率预测了特定新异刺激会一致地引发错误响应。因此，我们的方法给出了神经元活动的定量模型，并揭示了用于解决该任务的计算策略。
引用
@article{arxiv.2003.09976,
title = {LOOPER: Inferring computational algorithms enacted by neuronal population dynamics},
author = {Connor Brennan and Alex Proekt},
journal= {arXiv preprint arXiv:2003.09976},
year = {2020}
}
备注
82 pages, 5 figures, 9 supplementary figures