感觉决策任务中来自神经元群体的知觉形成

我们研究了一个从感觉神经元群体进行知觉整合的标准线性读出模型。我们表明，该读出可以关联到一组特征方程，这些方程概括了神经活动与动物知觉之间的跨试次协方差结构。这些特征方程隐式确定了动物用于创建其知觉的读出参数。特别地，它们隐式约束了产生知觉的时间积分窗口 w 和典型神经元数量 K。仅比较神经敏感性与行为敏感性无法解耦这两种知觉整合来源，因此特征方程还涉及对选择信号的度量，例如通过经典的选择概率实验度量所评估的信号。然后，我们提出了一种统计分析方法，允许从有限数量的记录神经元和记录试次中恢复积分的典型尺度 w 和 K，并在人工编码网络上展示了该方法的效率。我们还从理论上研究了该统计方法，并将其收敛规律与神经元群体中神经活动的底层结构（通过其奇异值分解描述）联系起来。总而言之，我们的方法首次对来自感觉神经元群体的前馈知觉形成提供了透彻的解释。它可以直接应用于经典感觉决策任务中的实验记录，并有望为知觉整合的本质提供新见解。