超越最小信息划分：如何快速准确地计算整合信息
神经元与认知
2016-05-05 v1
摘要
意识整合信息理论（IIT）的一个突出挑战是找到一种从神经数据快速准确计算整合信息的方法。已提出若干基于时间序列数据的整合信息度量，但大多数度量需要寻找网络的最小信息划分，计算代价高昂且不适用于真实脑数据。本文引入一种新颖的划分——最大模块化划分，可快速计算跨其的整合信息。我们还引入一种在模拟数据上的新检测任务，以评估不同划分下整合信息度量的性能。我们表明，即使在相对较大的网络中，跨最大模块化划分以及先前提出的原子划分也能可靠且快速地计算整合信息，这构成了研究者能在真实脑数据中实证检验IIT预测的能力上的进展。
引用
@article{arxiv.1605.01096,
title = {Moving Past the Minimum Information Partition: How To Quickly and Accurately Calculate Integrated Information},
author = {Daniel Toker and Friedrich Sommer},
journal= {arXiv preprint arXiv:1605.01096},
year = {2016}
}
备注
21 pages, 9 figures