面向时变刺激神经响应的 Zigzag 持久同调
代数拓扑
2026-03-04 v1 神经元与认知
摘要
我们使用拓扑数据分析来研究来自2023年传感器数据集中记录的成千上万只小鼠视觉皮层神经元对多样化视频刺激的响应。对于每个视频，我们逐帧从神经活动构建立方复合体，并应用zigzag 持久同调来捕捉拓扑结构随时间的演化。这些动力学通过持久景观进行总结，提供了时间特征的紧凑向量表示。我们关注一维拓扑特征——数据中环路——反映神经元协同、循环模式的共激活。为测试其信息性，我们通过聚类其结果神经表征来比较不同视频的重复试验。我们的结果表明，这些拓扑描述符可靠地区分神经响应对不同刺激的响应。这一工作突显了演化神经活动与可解释拓扑信号之间的联系，推进了拓扑数据分析在复杂动力系统中揭示神经编码的应用。
关键词
引用
@article{arxiv.2603.03037,
title = {Zigzag Persistence of Neural Responses to Time-Varying Stimuli},
author = {Yuri Gardinazzi and Alessio Ansuini and Eugenio Piasini and Fabio Anselmi and Matteo Biagetti},
journal= {arXiv preprint arXiv:2603.03037},
year = {2026}
}
备注
4+7 pages, 7 figures, accepted as proceedings of the Geometry, Topology and Machine Learning Workshop (GTML) 2025