安德烈亚斯·斯泰默;罗德尼·道格拉斯 使用峰间区间编码的模拟图形模型中基于峰的概率推断。 （英语） Zbl 1415.92061号 神经计算。 25，第9期，2303-2354（2013）. 摘要：时间尖峰编码在神经信息处理中起着至关重要的作用。特别是，有强有力的实验证据表明，棘间期（ISIs）用于神经系统中的刺激表示。然而，很少有算法原理利用这种时间码的优点对刺激或决策进行概率推理。在这里，我们描述并严格证明了使用ISI分布执行概率推断的基于峰值的处理器的功能特性。抽象处理器架构是在任意图形模型（例如，贝叶斯网络和因子图）中实现信念传播（BP）算法的更具体、神经实现的构建块。图形模型的分布式特性与生物学强加的架构和功能约束很好地匹配。在我们的模型中，ISI分布表示因子节点之间交换的BP消息，导致将单个峰值解释为遵循这种分布的随机样本。我们通过全图的数值模拟验证了抽象处理器模型，并证明即使在存在模拟变量的情况下也可以应用该模型。作为一个特定的例子，我们还展示了处理器的具体神经实现的结果，尽管原则上我们的方法更灵活，并允许不同的神经生物学解释。此外，根据ISI编码对行为实验期间区域LIP的电生理数据进行评估，从而得出具体的可测试定量预测，并与迄今为止的现有模型相比，对这些数据进行更准确的描述。 引用于1文件 MSC公司： 92C20美元 神经生物学 92-08 生物问题的计算方法 关键词：类间区间编码;概率推理;图形模型;抽象处理器模型;信念传播算法 软件：PRMLT公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Steimer}和\textit{R.Douglas}，神经计算。25，第9号，2303--2354（2013；Zbl 1415.92061） 全文： 内政部 参考文献： [1] Aji，M.和McEliece，R.（2000年）。广义分配定律。IEEE信息理论汇刊，46（2），325-343·Zbl 0998.65146号 [2] Bair，W.、Koch，C.、Newsome，W.和Britten，K.（1994年5月）。行为猴MT区爆裂细胞的功率谱分析。《神经科学杂志》，14（5），2870-2892。 [3] Beck，J.、Ma，W.、Kiani，R.、Hanks，T.、Churchland，A.、Roitman，J.（2008）。贝叶斯决策的概率总体码。神经元，60，1142-1152， [4] Bertsekas，D.（1999）。非线性规划（第二版）。马萨诸塞州贝尔蒙特：雅典娜科学·Zbl 1015.90077号 [5] Bessière，P.、Laugier，C.和Siegwart，R.（2008）。感应电机系统中的概率推理和决策。柏林：Springer-Verlag·Zbl 1139.93001号 [6] Bishop，C.（2006年）。模式识别和机器学习。柏林：Springer-Verlag·Zbl 1107.68072号 [7] Börlin，M.和Deneve，S.（2011年）。基于尖峰的群体编码和工作记忆。《公共科学图书馆·计算生物学》，7（2），1-18。 [8] Bottou，L.（1998）。神经网络中的在线学习。剑桥：剑桥大学出版社·Zbl 0968.68127号 [9] Burns，B.和Webb，A.（1976年）。猫大脑皮层神经元的自发活动。伦敦皇家学会会刊，B辑，194211-223， [10] Cariani，P.（1999）。听觉系统中周期基音的时间编码：综述。神经可塑性，6（4），147-172， [11] Carpenter，R.和Williams，M.（1995年）。对数似然控制扫视眼动的神经计算。《自然》，377，59-62， [12] Compte，A.、Constantinidis，C.、Tegnér，J.、Raghavachari，S.、Chafee，M.、Goldman-Rakic，P.（2003）。在延迟反应任务中，猴子前额叶神经元的暂时不规则记忆持续活动。神经生理学杂志，90，3441-3454， [13] Cox，D.和Lewis，P.（1966年）。一系列事件的统计分析。伦敦：Methuen·Zbl 0148.14005号 [14] Dauwels，J.、Korl，S.和Löliger，H.（2006年7月）。粒子方法作为消息传递。IEEE信息理论国际研讨会论文集（第2052-2056页）。新泽西州皮斯卡塔韦：IEEE， [15] Deneve，S.（2007）。贝叶斯尖峰神经元I：推断。神经计算，20（1），91-117·Zbl 1148.92004号 [16] Deneve，S.、Latham，P.和Pouget，A.（2001年）。有效的计算和与噪声人口代码的提示集成。《自然神经科学》，4（8），826-831， [17] Douglas，R.和Martin，K.（2004）。新皮质的神经回路。神经科学年度回顾，27419-451， [18] Eggert，J.和van Hemmen，J.（2001）。神经元集合建模：理论与实现。神经计算，13（9），1923-1974·兹伯利0987.92001 [19] Ernst，M.和Banks，M.（2002年）。人类以统计上最优的方式整合视觉和触觉信息。《自然》，415429-433， [20] Fairhall，A.、Lewen，G.、Bialek，W.和de Ruyter van Stevenick，R.（2001）。自适应神经代码的效率和模糊性。《自然》，412787-992， [21] Forney，G.（2001）。图上的代码：正常实现。IEEE信息理论汇刊，47（2），520-548·Zbl 0998.94021号 [22] Geman，S.和Geman，D.（1984）。随机松弛、吉布斯分布和图像的贝叶斯恢复。IEEE模式分析和机器智能汇刊，6721-741·Zbl 0573.62030号 [23] Gerstner，W.和Kistler，W.（2002）。尖峰神经元模型。剑桥：剑桥大学出版社·Zbl 1100.92501号 [24] Gold，J.和Shadlen，M.（2001年）。决定感官刺激的神经计算。认知科学趋势，5（1），10-16， [25] Gold，J.和Shadlen，M.（2007年）。决策的神经基础。神经科学年度回顾，30（1），535-574， [26] Ihler，A.T.、Fisher，J.W.和Willsky，A.S.（2005）。松散信念传播：消息错误的收敛和影响。机器学习研究杂志，6905-936·Zbl 1222.68224号 [27] Isard，M.（2003年6月）。PAMPAS：计算机视觉的实值图形模型。《IEEE计算机学会计算机视觉和模式识别会议论文集》（第1卷，第613-620页）。新泽西州皮斯卡塔韦：IEEE， [28] Jacobs，A.、Fridman，G.、Douglas，R.、Alam，N.、Latham，P.、Prusky，G.（2009）。排除和控制神经代码。程序。国家。阿卡德。科学。美国，106（14），5936-5941， [29] Jäger，H.（2001）。分析和训练递归神经网络的“回声状态”方法（技术报告第18号）。德国国家计算机科学研究所。 [30] Jäger，H.、Lukoševičius，M.、Popovici，D.和Siewert，U.（2007年）。具有泄漏积分器神经元的回波状态网络的优化和应用。神经网络，20335-352·Zbl 1132.68554号 [31] Kirchner，H.和Thorpe，S.（2006年）。用扫视眼动进行超快速目标检测：重新审视视觉处理速度。视觉研究，46，1762-1776， [32] Koller，D.和Friedman，N.（2009年）。概率图形模型。马萨诸塞州剑桥：麻省理工学院出版社·Zbl 1183.68483号 [33] Kschichang，F.、Frey，B.和Löliger，H.（2001年）。因子图和求和算法。IEEE信息理论汇刊，47（2），498-519·Zbl 0998.68234号 [34] Litvak，S.和Ullman，S.（2009年）。实现图形模型的皮层电路。神经计算，21（11），3010-3056·Zbl 1175.92005年 [35] Liu，J.、Harris，A.和Kanwisher，N.（2002年）。面孔知觉的加工阶段：MEG研究。《自然神经科学》，5（9），910-916， [36] Liu，Y.H.，&Wang，X.J.（2001）。广义漏积分-fire模型神经元的尖峰频率自适应。计算神经科学杂志，10，25-45， [37] Löliger，H.（2004）。因子图简介。IEEE信号处理。Mag.，21，28-41， [38] Lundstrom，B.和Fairhall，A.（2006年）。从脉冲间隔的分布神经代码中解码刺激方差。神经科学杂志，26（35），9030-9037， [39] Ma，W.、Beck，J.、Latham，P.和Pouget，A.（2006）。概率总体码的贝叶斯推理。《自然神经科学》，9（11），1432-1438， [40] Maass，W.、Joshi，P.和Sontag，E.（2007年）。神经电路中反馈的计算方面。《公共科学图书馆·计算生物学》，3（1），1-20， [41] Maass，W.、Natschläger，T.和Markram，H.（2002）。无稳定状态的实时计算：基于扰动的神经计算新框架。神经计算，142531-2560·兹比尔1057.68618 [42] 麦凯博士（2003年）。信息理论、推理和学习算法。剑桥：剑桥大学出版社·Zbl 1055.94001号 [43] Maimon，G.和Assad，J.（2009年）。超越泊松：灵长类顶叶皮层的尖峰时间规律性增加。神经元，62426-440， [44] Murphy，A.、Weiss，Y.和Jordan，M.（1999）。近似推理的松散信念传播：一项实证研究。程序中。第15届《人工智能中的不确定性》（第467-475页）。旧金山：摩根·考夫曼。 [45] Nesse，W.、Maler，L.和Longtin，A.（2010年）。时间相关棘波序列中的生物物理信息表示。程序。国家。阿卡德。科学。美国，107（51），21973-21978， [46] Noda，H.和Adey，W.（1970年）。猫在睡眠和清醒时大脑皮层的放电变异性。大脑研究，18，513-526， [47] Ott，T.和Stoop，R.（2006）。二元马尔可夫随机场信念传播的神经动力学。L.K.Saul、Y.Weiss和L.Bottou（编辑），《神经信息处理系统的进展》，18（第1057-1064页）。马萨诸塞州剑桥：麻省理工学院出版社。 [48] Paninski，L.（2004）。级联点过程神经编码模型的最大似然估计。网络：神经系统中的计算，15，243-262， [49] Papoulis，A.和Pillai，S.（2002年）。概率、随机变量和随机过程（第4版）。新德里：McGraw-Hill。 [50] Pfeiffer，M.、Nessler，B.、Douglas，R.和Maass，W.（2010年）。奖励模块化的希伯来决策学习。神经计算，221399-1444·Zbl 1214.68296号 [51] Pfister，J.、Dayan，P.和Lengyel，M.（2010年）。短期可塑性突触是突触前膜电位的最佳估计值。《自然神经科学》，13（10），1271-1275， [52] Pfister，J.、Toyoizumi，T.、Barber，D.和Gerstner，W.（2006年）。监督学习中精确动作电位激发的最佳峰值时间相关可塑性。神经计算，181318-1348·Zbl 1092.92008年 [53] Platt，M.和Glimcher，P.（1997年）。顶叶内神经元对扫视目标和视觉分心物的反应。《神经生理学杂志》，781574-1589。 [54] Poirazi，P.、Brannon，T.和Mel，B.（2003a）。CA1模型锥体细胞阈下突触总和的算法。神经元，37，977-987， [55] Poirazi，P.、Brannon，T.和Mel，B.（2003b）。金字塔神经元作为两层神经网络。神经元，37，989-999， [56] Rao，R.（2004）。循环神经电路中的贝叶斯计算。神经计算，16（1），1-38·Zbl 1090.68090号 [57] Rao，R.（2005）。尖峰神经元网络中的层次贝叶斯推理。L.K.Saul、Y.Weiss和L.Bottou（编辑），《神经信息处理系统的进展》，17。马萨诸塞州剑桥：麻省理工学院出版社。 [58] Rathbun，D.、Alitto，H.、Weyand，T.和Usrey，W.（2007年）。视网膜神经节细胞感受野的棘突间期分析。神经生理学杂志，98，911-919， [59] Reich，D.、Mechler，F.、Purpura，K.和Victor，J.（2000）。初级视皮层中的棘间期、感受野和信息编码。神经科学杂志，20（5），1964-1974。 [60] Roitman，J.和Shadlen，M.（2002年）。联合视觉辨别反应时任务中顶叶外侧区神经元的反应。神经科学杂志，22（21），9475-9489， [61] Shadlen，M.和Newsome，W.（1996年）。动作感知：看和决定。程序。国家。阿卡德。科学。美国，93，628-633， [62] Shadlen，M.和Newsome，W.（2001年）。恒河猴顶叶皮层（LIP区）知觉决定的神经基础。神经生理学杂志，86，1916-1936， [63] Shih，J.、Atencio，C.和Schreiner，C.（2011年）。初级听觉皮层短脉冲间隔改善了刺激表现。神经生理学杂志，1051908-1917， [64] Softky，W.和Koch，C.（1993）。皮层细胞的高度不规则放电与随机EPSP的时间整合不一致。神经科学杂志，13（1），334-350， [65] Steimer，A.、Maass，W.和Douglas，R.（2009）。尖峰神经元网络中的信念传播。神经计算，21（9），2502-2523·Zbl 1171.92014年 [66] Sudderth，E.、Ihler，A.、Freeman，W.和Willsky，A.（2003年6月）。非参数信念传播。在2003年IEEE计算机视觉和模式识别会议论文集（第1卷，第605-612页）。新泽西州皮斯卡塔韦：IEEE， [67] Usrey，W.、Alonso，J.M.和Reid，R.（2000）。猫视觉皮层中丘脑输入与简单细胞之间的突触相互作用。《神经科学杂志》，20（14），5461-5467。 [68] Usrey，W.、Reppas，J.和Reid，R.（1998年9月）。丘脑视网膜输入的双峰相互作用和突触效能。《自然》，395384-387， [69] van Rullen，R.和Thorpe，S.（2001年）。它是一只鸟吗？它是一架飞机吗？自然和人造物体的超快速视觉分类。感知，30，655-668， [70] Wang，Y.，&Liu，S.（2010）。具有活动树突的神经元中时空棘波模式的多层处理。神经计算，222086-2112·Zbl 1193.92021号 [71] Yang，T.和Shadlen，M.（2007年）。神经元的概率推理。《自然》，4471075-1082， [72] Yedidia，J.、Freeman，W.和Weiss，Y.（2005）。构造自由能近似和广义置信传播算法。IEEE信息理论汇刊，51（7），2282-2312·Zbl 1283.94023号 [73] Yu，A.和Dayan，P.（2005）。贝叶斯神经架构中的推理、注意和决策。L.K.Saul、Y.Weiss和L.Bottou（编辑），《神经信息处理系统的进展》，17（第1577-1584页）。马萨诸塞州剑桥：麻省理工学院出版社。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。