基于MSE的最优调谐函数分析预测感觉神经元中观察到的现象

生物系统在实时有效响应环境信号方面展现出令人印象深刻的能力。越来越多的证据表明，生物体在决策过程中可能确实采用了接近最优的贝叶斯计算。一个引人入胜的问题涉及最优编码方法的特性，即确定在生理约束下优化性能的感觉层神经群体的特性。在神经编码/解码的生态学理论框架内，我们表明最优贝叶斯性能需要反映环境变化的神经适应。具体来说，我们预测神经元调谐函数具有一个最优宽度，该宽度随着先验不确定性和环境噪声的增加而增加，并随着解码时间窗口的减小而减小。此外，即使对于静态刺激，我们也证明在相对较短的时间尺度上起作用的动态感觉调谐函数能够带来性能提升。有趣的是，调谐函数随时间变窄的现象最近在几个生物系统中被观察到。这些结果为一种功能理论奠定了基础，该理论可能解释感觉系统的高可靠性，以及在多个时间尺度上发生的神经适应的效用。