刻画人类视觉系统表征动态需要递归结构
神经元与认知
2019-10-09 v2 计算机视觉与模式识别
机器学习
摘要
人类视觉系统是一个由脑区构成的复杂网络，使我们能够识别周围世界。尽管其具有丰富的侧向与反馈连接，物体加工通常被视作并作为前馈过程来研究。在此，我们利用时间分辨脑成像与深度学习，测量并建模人类腹侧通路多个阶段上的快速表征动态。我们观察到在加工的前 300 ms 内，腹侧通路各脑区内部及之间发生了显著的表征转换。类别划分依次涌现，在脑区间前向与反向级联，且格兰杰因果分析提示脑区间存在双向信息流。最后，递归深度神经网络模型在捕捉多区域皮层动态的能力上明显优于参数匹配的前馈模型。对递归深度网络模型的有针对性虚拟冷却实验进一步证实了它们的侧向与自顶向下连接的重要性。这些结果确立：理解人类腹侧通路中的信息处理需要递归模型。
引用
@article{arxiv.1903.05946,
title = {Recurrence is required to capture the representational dynamics of the human visual system},
author = {Tim C Kietzmann and Courtney J Spoerer and Lynn Sörensen and Radoslaw M Cichy and Olaf Hauk and Nikolaus Kriegeskorte},
journal= {arXiv preprint arXiv:1903.05946},
year = {2019}
}
备注
https://www.pnas.org/content/early/2019/10/04/1905544116.short?rss=1