利用生物启发神经网络在线计算时变刺激的稀疏表示
神经元与认知
2012-10-16 v1 神经与进化计算
摘要
自然刺激具有高度冗余性，表现出显著的空间和时间相关性。虽然稀疏编码被提出作为神经系统编码感觉刺激的一种有效策略，但其潜在机制仍未被充分理解。大多数先前的方法通过稀疏表示字典本身来建模神经动力学，并离线计算表示系数。实际上，面对不断变化的刺激挑战，神经元必须以在线方式动态计算稀疏表示。在此，我们描述了一种泄漏线性化 Bregman 迭代（LLBI）算法，该算法利用由泄漏整流神经元组成的生物启发网络来计算时变稀疏表示。与之前的动态稀疏编码尝试相比，LLBI 利用了刺激的时间相关性，并在表示误差和稀疏系数的时间演化平滑度方面表现出更好的性能。
引用
@article{arxiv.1210.3741,
title = {Online computation of sparse representations of time varying stimuli using a biologically motivated neural network},
author = {Tao Hu and Dmitri B. Chklovskii},
journal= {arXiv preprint arXiv:1210.3741},
year = {2012}
}
备注
9 pages, 5 figures