具有相关性的简单神经群体模型中临界性特征的出现
神经元与认知
2018-02-01 v2
摘要
大规模神经元活动记录使人们能够深入了解神经集成的集体活动。已有假设认为神经群体可能被优化以在“热力学临界点”运作，且该性质对信息处理有意义。支持此观点的证据来自一系列研究，这些研究在视网膜神经节细胞的集成活动中识别出了临界性的统计特征。产生这些观测的潜在机制是什么？在此我们展示，临界性特征甚至出现在视网膜群体活动的简单前馈模型中。具体而言，每当神经群体数据表现出相关性，且在数据分析中被随机子采样时，它们就会出现。这些结果表明临界性特征不一定指示一种优化的编码策略，并挑战了基于平衡热力学的分析方法在理解部分观测生物系统中的效用。
引用
@article{arxiv.1603.00097,
title = {Signatures of criticality arise in simple neural population models with correlations},
author = {Marcel Nonnenmacher and Christian Behrens and Philipp Berens and Matthias Bethge and Jakob H Macke},
journal= {arXiv preprint arXiv:1603.00097},
year = {2018}
}
备注
36 pages, LaTeX; added journal reference on page 1, added link to code repository