循环网络改进神经响应预测并揭示底层皮层回路机制
神经与进化计算
2022-11-15 v2
摘要
前馈 CNN 模型近年来已被证明是预测早期视觉皮层神经元对自然图像单神经元响应的最先进模型。在本文中，我们用循环卷积层扩展这些模型，反映了皮层中众所周知的巨大循环连接，并在猕猴 V1 与 V2 单神经元响应的三个数据集中、数千种超参数组合下展示了相较前馈模型预测性能的稳健提升。我们提出循环回路可被概念化为一种集成计算形式，每次迭代生成更多不同路径长度的有效前馈路径，以在最终近似中实现解的组合。集成中路径的统计量为我们的循环模型间差异性的性能提升提供了见解。我们还评估了为神经响应预测所学的循环回路是否可与皮层回路相关联。我们发现，在适当模型中、当以长时程宽视野图像呈现训练时，循环回路中的隐藏单元表现出与 V1 神经元中观测到的相似的时间响应动态与经典上下文调制。本工作为循环回路的计算原理提供了见解，并表明神经响应预测可能有助于刻画视觉皮层中的循环神经回路。
引用
@article{arxiv.2110.00825,
title = {Recurrent networks improve neural response prediction and provide insights into underlying cortical circuits},
author = {Yimeng Zhang and Harold Rockwell and Sicheng Dai and Ge Huang and Stephen Tsou and Yuanyuan Wei and Tai Sing Lee},
journal= {arXiv preprint arXiv:2110.00825},
year = {2022}
}