文献

J-GLOBAL ID：202002273205349045   整理番号：20A0632018

コード長としてのニューロン発火率:仮説【JST・京大機械翻訳】

Neuronal Firing Rate As Code Length: a Hypothesis

著者 (2件)： Qian Ning (Department of Neuroscience, Zuckerman Institute, and Department of Physiology & Cellular Biophysics, Columbia University, New York, NY, USA) ,  Zhang Jun (Department of Psychology and Department of Mathematics, University of Michigan, Ann Arbor, MI, USA)
資料名： Computational Brain & Behavior  (Computational Brain & Behavior)
巻： 3  号： 1  ページ： 34-53  発行年： 2020年 
JST資料番号： W4185A  ISSN： 2522-0861  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 多くの理論は,感覚ニューロンのより高い発火率が,その好ましい刺激のより大きな確率を示すと仮定している。しかし,この矛盾は,(1)長い暴露に対する長時間曝露の適応現象,したがって,刺激に対して調整された細胞の発火率を減少させる。その結果,刺激は刺激に対して調整された細胞の発火率を低下させる。(2)予想外の(低い確率)刺激が注意を獲得し,ニューロン発火を増加させるという観察。他の理論は,脳が感覚入力を再構成するための予測/効率的符号を構築することを証明する。しかしながら,それらは,脳が他の情報を保存しながら,他の情報を保存することを説明することができない。知覚領域において,投影ニューロンの発火率は最適符号長(すなわち負のログ推定確率)に比例し,それらのスパイクパターンは入力における有用な特徴に対して符号であることを提案した。この仮説はV1配向同調曲線の適応誘起変化とボトムアップ注意を説明する。現代の最小記述長(MDL)原理が神経符号の理解を助ける可能性を論じた。規則性抽出はその最適汎用符号(OUC)を介してモデルクラス(セルにより定義される)に対して相対的であるので,MDLは入力再構成なしで脳の意図的な階層的処理に適合する。このような処理は,モデルクラスが真のモデルを含まない場合でも,入力圧縮/理解を可能にする。トップダウン注意は,行動的に関連する情報の伝達を強化するために,フィードバック接続を介して低レベルOUCSを修正する。OUCSは無損失データ圧縮に関係しているが,行動的に関連する歪を最小化しながら,刺激の最も重要な側面の迅速なオンライン処理のための,損失性のある前置のない神経符号への可能な拡張を提案した。最後に,ニューラルネットワークが入力データからMDLの正規化最尤法(NML)分布を学習する方法を論じた。Copyright Society for Mathematical Psychology 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 正規化 ,  ニューラルネットワーク ,  オンライン処理 ,  *ニューロン ,  規則度 ,  最尤法 ,  再構成 ,  データ圧縮 ,  知覚神経 ,  復号化 ,  同調 ,  知覚野
準シソーラス用語： 最小記述長 ,  ボトムアップ ,  *符号長 , 【Automatic Indexing@JST】

著者キーワード (7件)： 符号化 ,  復号化 ,  Bayesユニバーサル符号 ,  Shannon情報 ,  速度歪 ,  スパース符号化 ,  画像統計

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (3件)： ニューロン ,  発火 ,  仮説