神经降维中信息论方法与基于似然方法的等价性
神经元与认知
2015-02-26 v2
摘要
神经科学中的刺激降维方法旨在识别影响神经元发放概率的低维刺激特征空间。一种称为最大信息维度 (MID) 的流行方法使用一种称为“单脉冲信息”的信息论量来识别该空间。本文从基于模型的视角考察 MID。我们证明 MID 是线性 - 非线性 - 泊松 (LNP) 模型参数的最大似然估计量，且经验单脉冲信息对应于泊松模型下的归一化对数似然。这种等价性意味着，当发放过程不能用泊松过程很好地描述时，MID 不一定能找到最大信息刺激维度。我们提供了几个例子来说明这一缺陷，并推导了离散时间箱中发放为伯努利过程时的信息损失下界。为了克服这一局限性，我们针对具有非泊松发放统计特性的神经元引入了基于模型的降维方法，并表明它们可以在基于似然或信息论的术语中等价地表述。最后，我们展示了如何通过约束 LNP 模型中非参数非线性的形式，来克服 MID 可估计的刺激维度数量的实际限制。我们利用模拟数据和灵长类视觉皮层数据说明了这些方法。
引用
@article{arxiv.1308.3542,
title = {The equivalence of information-theoretic and likelihood-based methods for neural dimensionality reduction},
author = {Ross S. Williamson and Maneesh Sahani and Jonathan W. Pillow},
journal= {arXiv preprint arXiv:1308.3542},
year = {2015}
}