三種計算神經生物模型
計算神經科學的主要研究目的， 是用計算術語描述大腦是如何指導行為的，而這具體又分為三個層次：
- 描述神經系統在這個程序中做了什么—“what” model
- 確定神經系統在這個程序中如何運轉—“how” model
- 理解神經系統在這個程序中為何如此運轉—“why” model
根據這三個層次，我們將計算神經生物模型分為三種：描述性模型，機械模型，解釋性模型
案例引入
為了更好的理解這三種模型，我們首先引入一個案例，
我們將一個微小電極植入到貓大腦最后部的視覺區，同時給予貓一個視覺刺激并記錄來自腦神經元的電信號，該刺激為一條呈45度的光斑，該光斑會向特定方向移動，通過改變光斑的角度及形狀，記錄到的電信號也會發生改變，通過實驗得知，這個神經元最“喜歡”上圖這樣呈45度的光斑，
針對神經元最“喜歡”上圖這樣呈45度的光斑這個程序，我們希望能夠建立一系列的計算神經生物模型，
描述性模型
所謂描述性模型，就是描述神經系統在這個程序中做了什么，由于案例中涉及到視覺信號處理，我們首先要引入“感受野”—能夠引起被測細胞的強烈反應的所有感官刺激的具體屬性的總和，正如我們在上述試驗中看到的，一條具有特定指向，位于視網膜上特定位置的光斑可以引發一個貓腦中視覺皮層神經元的強烈反應，
我們可以從觀察到的實驗結果中歸納出兩點：我們的感受野是特定指向且在特定位置的，特定方向即45度光斑，那么如何描述特定位置呢？
通過進一步實驗我們可以發現，當你向視網膜特定位置照射光點， 就會產生一個很強的反應， 而當你用光點照射周邊區域， 也就是這個圓環區域， 你會發現被測細胞的反應停止了， 也就是不再產生這些神經脈沖， 這樣，我們就可以定義視網膜上的"中央-周圍感受野"
當你在中心區域投射光點， 視網膜細胞的活性就會增加， 如果讓一個位于周邊區域的光點消失， 也會使視網膜細胞活性增加， 這樣，我們就有了 “中央促進-周邊抑制型感受野”， 也就是說這個神經元在中央區域變亮或者周邊區域變暗時會反應，與之對應的是一個中央抑制-周邊促進型的感受野，
因此綜上，用于描述神經元最“喜歡”上圖這樣呈45度的光斑這個程序的模型就為一個45度橢圓 “中央促進-周邊抑制型感受野”，
機械模型
在上一節中我們提出了基于感受野的描述性模型，解決了"神經系統做了什么"這一問題，那么下一個問題就是這些指向感受野是如何由中央-周邊感受野構建得到？換句話說，我們需要的是一個機械模型來解釋45度橢圓 "中央促進-周邊抑制型感受野是如何由視皮層的神經通路構建而得的，
我們首先來梳理一遍視覺信號處理的神經通路：
- 視覺資訊被視網膜處理之后，經由視神經傳遞到外側膝狀體LGN，而后又被傳遞至初級皮層V1
我們這一階段機械模型所要探究的就是從LGN—>V1的這個程序中，感受野是怎么從普通中央-周邊型變成45度橢圓 "中央促進-周邊抑制型"的，
為解決這個問題，我們先來關注LGN的解剖結構：不難發現，在大腦視覺信號處理的程序中，會存在多個LGN神經元向同一個V1神經元發出投射的現象，換句話說，當排列所有的輸入信號， 使其疊加， 這個神經元看起來就具有了特殊型別的感受野，
因此綜上，LGN輸出信號的不斷疊加構成了下游V1特殊型別的感受野，
解釋性模型
解釋性模型是用于理解神經系統在這個程序中為何如此運轉，即為什么V1的感受野 這個樣子的？ 換句話說，它們為什么 有這樣的形狀，指向，以及對明暗的選擇性？
把上面的問題匯總成一個問題：這樣做的計算優勢又在哪里？
想想之前建立的兩種模型，我們依據感受野這一概念描述了實驗結果，并將整條神經通路構建出來，那么讓我們用數學的方式再現這個程序：
我們利用"有效編碼假設“即大腦利用已有的神經元，這些神經元具有RF1、RF2等諸多感受野，它們能夠高效且保真地將影像呈現出來，我們可以將不同的感受野進行隨機線性疊加、加權，讓它們對同一幅影像進行重構，并評估最小化總平方像素誤差，
運用這樣的計算重構，我們就能找到大腦編碼某類影像的最佳感受野，且可以通過編碼的感受野評估大腦是否能高效編碼某些型別的輸入影像，
歡迎大家關注公眾號奇趣多多一起交流！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/303139.html
標籤：其他