利用生成对抗网络合成真实的神经群体活动模式
神经元与认知
2018-04-18 v2 神经与进化计算
摘要
合成真实的神经活动模式的能力对于研究神经信息处理至关重要。在此，我们使用生成对抗网络（GANs）框架来模拟一群神经元的协同活动。我们改进了 Wasserstein-GAN 变体，以促进无约束神经群体活动模式的生成，同时仍受益于时域中的参数共享。我们证明，我们提出的 GAN（称之为 Spike-GAN）生成的脉冲序列能准确匹配数十个神经元数据集的一阶和二阶统计量，并且也能很好地近似其高阶统计量。我们将 Spike-GAN 应用于从蝾螈视网膜记录的真实数据集，结果表明其性能与基于最大熵和二值高斯框架的最先进方法相当。重要的是，Spike-GAN 无需预先指定模型要匹配的统计量，因此比这些替代方法更为灵活。最后，我们展示了如何利用训练好的 Spike-GAN 构建“重要性图”以检测脉冲序列中存在的最相关统计结构。Spike-GAN 为生成真实的脉冲神经活动以及描述现代系统神经科学所研究的大规模神经群体记录中最相关特征提供了一种强大且易用的技术。
引用
@article{arxiv.1803.00338,
title = {Synthesizing realistic neural population activity patterns using Generative Adversarial Networks},
author = {Manuel Molano-Mazon and Arno Onken and Eugenio Piasini and Stefano Panzeri},
journal= {arXiv preprint arXiv:1803.00338},
year = {2018}
}
备注
Published as a conference paper at ICLR 2018 V2: minor changes in supp. material