Efficient population coding of sensory stimuli
本文提出最优群体编码的一般理论，证明在生物噪声下最优激活函数是离散的，且ON与OFF细胞数量相等时每个脉冲编码信息量最高，并给出激活函数在刺激空间中的分布关系。
2023-08-10 q-bio.NC
Strong, but not weak, noise correlations are beneficial for population coding
本文通过视网膜记录和理论建模证明，强噪声相关性即使与信号相关性方向一致也有益于群体编码，并揭示其有助于高维刺激细粒度细节的编码。
2025-07-02 q-bio.NC
Attentional Modulation of Visual Spatial Integration: Psychophysical Evidence Supported by Population Coding Modeling
人类视觉系统用来减少输入信息的两个突出策略是空间整合和选择性注意。虽然空间整合概括和组合视野中的信息，但选择性注意可以将其挑选出来进行审查。这些众所周知的机制，而相反的效果，相互作用的方式在很大程度上仍然未知。为了解决这个问题，我们让观察者执行了一个凝视搜索任务，促使他们部署空间或基于特征的注意力，以最大限度地提高性能。我们发现，与基线条件相比，视觉空间整合强度的变化取决于所采用的注意力类型，其变化要么是强烈的和局部的，要么是更温和的和全球的。群体编码模型揭示了一种单一的机制可以解释这两种观察结果：注意力在神经元编码阶段之外发挥作用，以调整神经元群体的空间整合权重。我们的研究显示了注意力和整合如何相互作用，以优化大脑中的信息流。
2019-06-27 q-bio.NC
Neural Population Coding for Effective Temporal Classification
神经编码在忠实地描述时间丰富的模式方面起着重要作用，其实例包括人类语音和环境声音。对于涉及使用脉冲神经网络（SNN）对这种时空模式进行分类的任务，这些模式如何编码直接影响任务的难度。在本文中，我们比较了几个现有的时间和人口编码方案，并评估他们的语音（TIDIGITS）和声音（RWCP）数据集。我们表明，人口神经编码，编码模式是线性可分离的支持向量机（SVM）。我们注意到，群体神经编码有效地将时间信息投影到空间域，从而提高了空间维度上的线性可分性，使用SVM分类的TIDIGITS和RWCP数据集分别达到95%和100%的准确度。这一观察结果表明，一个有效的神经编码方案大大简化了分类问题，使得一个简单的线性分类器就足够了。然后使用基于SNN的分类器Tempotron对上述数据集进行分类。SNN分类结果与SVM的研究结果一致，即群体神经编码有助于提高分类精度。因此，除了学习算法之外，有效的神经编码与设计用于识别时空模式的SNN一样重要。这是一个经常被忽视但很有力量的抽象概念，值得进一步研究。
2019-09-26 cs.NE q-bio.NC
Spike-based probabilistic inference with correlated noise
越来越多的证据表明，大脑执行概率推理来解释和响应感官输入，并且神经活动的试验间变异性起着重要作用。神经抽样假说将随机神经活动解释为从潜在概率分布中抽样，并已被证明与生物学观察到的放电模式兼容。在许多研究中，不相关的噪声被用作随机性的来源，忽视了皮质神经元可能共享其突触前伙伴的重要部分的事实，这影响了它们的计算。这与生物学以及带宽约束限制独立噪声量的神经网络实现相关。当接收到相关噪声时，所得到的相关性不能直接被突触权重$W$的变化抵消。我们表明，这是偶然的选择的编码：当改变状态空间从$z\in\{0,1\}$到$z'\in\{-1,1\}$，相关噪声具有完全相同的效果，在$W'$的变化。将问题转换到$\{-1,1\}$空间允许找到补偿所引起的相关性的权重配置。对于采样网络的人工嵌入，这允许在具有不同带宽约束的平台之间进行直接传输。映射的存在对于学习是重要的。由于在$\{-1,1\}$编码中，相关噪声可以通过参数变化来补偿，并且在改变编码时概率分布可以保持不变，因此在学习期间也可以在$\{0,1\}$编码中找到该分布，如模拟中所示。总之，采样尖峰网络在训练时不受噪声相关性的影响。如果这种计算发生在皮层，网络可塑性不需要考虑共享噪声输入。
2017-07-06 q-bio.NC
Impact of triplet correlations on neural population codes
尖峰活动的哪些统计特征对刺激在神经元群体中的编码方式很重要？大量的工作已经探索了单个细胞的放电率和细胞对尖峰的相关性如何影响编码。但是，关于高阶相关性（描述了三胞胎和更大的细胞集合中同时放电）如何影响编码的刺激信息，人们知之甚少。在这里，我们迈出了缩小这一差距的第一步。我们在小（~10个细胞）神经元群体中改变三联体相关性，同时保持单细胞和成对统计固定在典型报告值。对于每个值的三重相关性，我们估计的性能的神经元群体上的两个刺激的歧视任务。我们确定了一种主要的方式，这种三重相关性可以强烈增强编码：如果三重相关性不同的两个刺激，他们扭曲的反应分布的两个刺激除了彼此，分开他们，使他们更容易区分。当两种刺激都引起类似的三联体相关性时，这种编码益处不会发生。这些结果表明，高阶相关性可能对群体编码有很强的影响。最后，我们计算有多少样本是必要的，以准确地测量这种类型的尖峰相关性，在实验中提供必要的记录时间的估计。
2014-12-01 q-bio.NC
Maximally Informative Stimuli and Tuning Curves for Sigmoidal Rate-Coding Neurons and Populations
本文提出了一种通用的方法，用于导出具有小归一化变异性的神经系统的最大信息S形调谐曲线。最佳调谐曲线是刺激的累积分布函数的非线性函数，并且取决于神经系统的均值-方差关系。推导是基于一个已知的香农的互信息和Fisher信息之间的关系，和杰弗里的先验的最优性。它依赖于存在的封闭形式的解决方案，优化的刺激分布为一个给定的调谐曲线的逆问题。它表明，最大互信息对应于常数Fisher信息，只有当刺激是均匀分布的。作为一个例子，详细分析了亚泊松二项射击统计的情况。
2008-07-04 q-bio.NC
Neural Population Coding of Multiple Stimuli
在自然场景中，物体通常与其他物体一起出现。然而，神经元群体编码的理论研究通常集中在孤立的单个对象的编码。实验研究表明，对多个对象的神经反应可以很好地描述为对组成对象的反应的线性或非线性组合，我们称之为刺激混合的现象。在这里，我们提出了一个理论分析的后果，常见形式的刺激混合观察皮层反应。我们表明，这些混合规则中的一些可以严重损害大脑的能力，解码的个别对象。这种代价通常大于增益大幅降低或神经变异性大幅增加所产生的代价，这就解释了为什么注意力的好处主要可以从刺激选择或分离机制的角度来理解，而不是纯粹地从增益增加或噪音减少机制来理解。当编码对象的数量增加时，刺激混合的成本变得更高，这表明一种新的机制可能有助于在无数心理物理任务中观察到的集大小效应。我们进一步表明，神经元之间的刺激混合的一种特定形式的神经相关性和异质性，可以部分减轻刺激混合的有害影响。最后，我们得出简单的条件，必须满足无害的混合刺激。
2014-12-31 q-bio.NC
Population coding by globally coupled phase oscillators
一个系统的全局耦合相位振荡器受到外部输入被认为是一个简单的模型的神经电路编码外部刺激。利用Fisher信息量化了系统在异步状态下的信息编码效率。分析了稳态时耦合和噪声对信息编码效率的影响。研究了系统在外加输入作用下的松弛过程。研究发现，在系统弛豫到最终稳态之前，信息编码效率呈现出一个大的瞬态增加。
2006-02-06 cond-mat.dis-nn nlin.AO q-bio.NC
The sign rule and beyond: Boundary effects, flexibility, and noise correlations in neural population codes
在重复呈现相同的刺激时，感觉神经元表现出不同的反应。这种“噪音”通常在成对的细胞之间相关，而神经科学中一个历史悠久的问题是这些噪音相关性如何影响群体编码刺激的能力。在这里，我们考虑一个非常一般的设置为群体编码，调查如何信息变化的噪声相关性的函数，与所有其他方面的问题-神经调谐曲线等-举行固定。这项工作产生统一的见解噪声相关性的作用。这些总结的形式定理，并说明了涉及不同的调谐曲线的神经元的数值例子。我们的主要贡献如下。(1)我们推广以前的结果来证明一个符号规则（SR）-如果神经元对之间的噪声相关性与它们的信号相关性具有相反的符号，那么与独立的情况相比，编码性能将得到改善。这适用于三种不同的编码性能指标，以及任意的调优曲线和异质性水平。这种普遍性对于我们的其他结果也是正确的。(2)正如文献中所指出的，SR并不提供良好编码的必要条件。我们表明，一组不同的相关结构可以提高编码。许多这些违反SR，实验观察到的相关性。这种多样性的结构：我们证明，最佳的相关结构必须位于边界上的可能的噪声相关性。(3)我们提供了一组新的必要和充分条件，在此条件下，编码性能（在噪声的存在下）将是一样好，如果没有噪声存在。
2014-01-15 q-bio.NC
Coexistence of critical sensitivity and subcritical specificity can yield optimal population coding
相变附近有选择地放大微弱的刺激，产生最佳的灵敏度来区分外部输入。随着灵敏度的提高，临界波动水平的提高降低了响应的特异性。考虑到当灵敏度最大时，响应的特异性在很大程度上受到损害，关键性对信号处理的总体益处仍然值得怀疑。在这里，它表明，这种僵局可以解决的异构系统，将功能多样性，其中的关键和亚临界组件共存。关键元件的子网络具有最佳灵敏度，并且次关键元件的子网络具有增强的特异性。结合从不同亚组提取的隔离特征，所得到的集体响应可以最大化由动态范围噪声比测量的灵敏度和特异性之间的权衡。虽然可以观察到许多好处时，整个系统是关键的，我们的研究结果强调，获得最佳性能时，只有一小部分的系统处于临界状态。
2017-07-14 q-bio.NC
Recording from two neurons: second order stimulus reconstruction from spike trains and population coding
我们研究了重建的视觉刺激从脉冲序列，同时记录从两个H1神经元位于小叶板的苍蝇大头蝇。苍蝇认为两种类型的刺激，相应的旋转和平移位移。如果重建的刺激要用Volterra级数表示，并且要考虑尖峰之间的相关性，那么一阶展开是不够的，我们至少要进行二阶展开。在这种情况下，必须操纵高阶相关函数，其大小可能变得过大。因此，我们开发了一个高斯型表示的四阶相关函数，它的工作非常好的情况下，苍蝇。使用这种类高斯表示的重建与使用实验相关函数的重建非常相似。旋转刺激重建的二阶内核的整体贡献-测量卡方平均在整个实验-只有约8%的一阶贡献。然而，如果我们引入一个依赖于瞬时的卡方来衡量二阶内核在特殊事件中的贡献，我们观察到高达100%的改善。正如所料，对于平移刺激，重建是相当差的。类高斯表示在具有大量神经元的群体编码中可能是有价值的辅助。
2009-09-28 q-bio.NC
Combinatorial coding in neural populations
为了评估大脑皮层中神经代码的性质，我们使用了理论和实验相结合的方法来评估信息如何在现实的皮层群体反应中表现出来。我们已经展示了如何在生物现实的时间尺度上估计感官刺激，给出具有相似响应特性的神经元群体的简短个体响应。对于纹外运动区MT中的神经元，一种组合代码，一种跟踪整个群体中单个神经元的动作电位和沉默的细胞身份的代码，携带的关于视觉运动的信息是同一组细胞的平均尖峰计数的两倍。由于MT神经元响应于恒定运动刺激的不同放电率动态，组合代码更具信息性，并且对神经元-神经元相关性具有鲁棒性。我们提供了一个理论动机，这些意见，挑战通常持有的想法，在单个神经元和神经元群体的水平上的皮质编码的性质。
2008-03-27 q-bio.NC q-bio.QM
Modeling the correlated activity of neural populations: A review
神经编码和计算的原理本质上是集体的，通常涉及大量具有高度相关活动的相互作用的神经元。虽然神经功能理论早已认识到集体效应在神经元群体中的重要性，但直到过去20年，才有可能使用先进的实验技术同时记录许多细胞的单个尖峰分辨率，并将这些相关性与功能和行为联系起来。这篇评论的重点是最近开发的建模和推理方法来描述相关的尖峰活动的神经元群体。我们涵盖了各种模型，描述神经元对之间的相关性，以及更大的群体之间，同步或延迟的时间，有或没有明确的影响的刺激，包括或不包括潜在的变量。我们讨论了每种方法的优点和缺点，以及与其应用程序记录越来越大的人口相关的计算挑战。
2018-06-21 q-bio.NC
Superlinear Precision and Memory in Simple Population Codes
大脑通过广泛分布在神经元上的活动模式构建群体代码来表示刺激。人口代码的一个重要的优点是有多少关于原始刺激的信息可以从他们解码。Fisher信息被广泛用于量化编码精度和指定最佳代码，因为它在某些假设下与均方误差（MSE）有关。然而，当神经放电稀疏时，优化Fisher信息可能导致在MSE方面高度次优的代码。我们发现，这种差异产生的非本地组件的错误不占费雪信息。利用这一见解，我们构造最佳的人口代码，直接最小化的MSE。我们研究了编码参数对MSE的标度特性的影响，重点研究了调谐曲线的宽度。我们发现，编码的最佳调谐曲线宽度不再尺度作为人口规模的倒数，和精度的二次缩放与系统规模预测的Fisher信息单独不再成立。然而，超线性仍然保持只有对数减速。我们推导出类似的结果，通过连续吸引子动力学存储的刺激的记忆网络，并表明类似的缩放特性优化内存和表示。
2020-08-03 q-bio.NC
Neural and perceptual signatures of efficient sensory coding
哺乳动物的大脑是一个代谢昂贵的装置，进化的压力可能驱使它有效地利用其资源。对于感觉区域，这个概念被更正式地表达为最优性原则：大脑在给定可用资源的情况下，最大化编码的有关相关感觉变量的信息。在这里，我们开发了这种效率原则，用于编码具有不同噪声神经元群体的感觉变量，每个噪声神经元对特定范围的值做出响应。群体表示任何特定值的准确性取决于响应该值的细胞数、它们的选择性和它们的响应水平。我们推导出这些参数的最优解的封闭形式，作为在环境中遇到的刺激值的概率的函数。这种最佳神经元群体也限制了生物体区分编码变量的不同值的能力。其结果是，我们预测的环境，神经元的分配和选择性的人口，和感知的可辨别性的统计特性之间的显式关系。我们测试这种关系的三个视觉和两个听觉属性，并发现它是显着与现有的数据一致。
2016-02-29 q-bio.NC
Ultrafast population coding and axo-somatic compartmentalization
波动驱动机制下的皮层神经元可以实现超快的群体编码。然而，其基本的生物物理机制还没有得到很好的理解。降低动作电位起始的锐度会损害超快群体编码，但尚不清楚尖锐的动作电位起始是否足以进行超快群体编码。一种假说认为，急剧的动作电位起始是由动作电位起始位点与胞体的电紧张性分离引起的，这种空间分离也导致超快群体编码。在这里，我们通过研究具有定义的起始位点的模型神经元的线性响应特性来检验这一假设。我们发现，在不同的轴突位置放置的起始位点只有一个微弱的影响模型的线性响应函数。它不能产生在皮层神经元中观察到的超快反应和高带宽。此外，该模型的线性响应函数的高频区域对输入电流的相关时间不敏感，这与经验证据相矛盾。当我们增加钠通道起始位点的电压敏感性时，这两个经验观察到的现象可以恢复。我们提供了一个解释的分离的急剧动作电位启动和超快反应。通过研究不同的胞体大小，我们进一步强调了神经元形态对线性响应的影响。我们的研究结果表明，动作电位的急剧发作是不够的超快反应。根据最近的活动依赖性重新定位的轴突起始段的报告，我们的研究预测，更远的起始位点可以导致体细胞波形的锐度增加，但它不影响神经元群体的线性响应。
2018-07-03 q-bio.NC
Coding with transient trajectories in recurrent neural networks
在刺激之后，神经反应通常在稳定到稳态之前随时间和跨神经元强烈变化。虽然经典的群体编码理论忽略了时间维度，但最近的研究认为，瞬态活动的轨迹可以特别提供有关刺激身份的信息，并且可以通过动态形成计算的基础。然而，动力学机制需要产生一个人口代码的基础上瞬态轨迹尚未完全阐明。在这里，我们研究瞬态编码在一个广泛的类别的高维线性网络的递归连接的单位。我们首先回顾了一个众所周知的结果，导致两类网络之间的区别：网络中的所有输入导致弱，衰减瞬态，和网络中的特定输入引起强烈放大的瞬态响应，并映射到正交输出状态在动态。这两类简单的区分的基础上的频谱的对称部分的连接矩阵。对于第二类网络，这是一个子类的非正常网络，我们提供了一个程序来识别瞬时放大的输入和相应的读出。我们首先将这些结果应用于标准随机连接和两个人口网络。然后，我们构建最小的低秩网络，这些网络鲁棒地实现将特定输入映射到特定输出状态的轨迹。最后，我们证明了所获得的网络的容量与它们的大小成比例地增加。
2019-07-04 q-bio.NC
Role of correlations in population coding
尖峰之间的相关性，无论是在同一个神经元上还是跨神经元，在大脑中无处不在。例如，交叉相关图可以有大的峰值，至少在外围，和较小的-但仍然不可忽略的-在皮层，和自相关图几乎总是表现出非平凡的时间结构在一定范围的时间尺度。尽管这一点已经被发现了40多年，但人们仍然不清楚这些相关性在大脑中扮演什么角色，甚至不清楚它们是否发挥了任何作用。本章的目的是通过回顾有关这一主题的一些工作来阐明这一问题。
2011-09-29 q-bio.NC q-bio.QM
Efficient coding under constraint drives neural systems towards criticality and sloppiness
Institute of Theoretical Physics, Chinese Academy of Sciences（中国科学院理论物理研究所）；School of Physical Sciences, University of Chinese Academy of Sciences（中国科学院大学物理科学学院）
本文通过高斯群体编码模型，证明在资源约束下最大化Fisher信息自然导致软模和发散相关长度等临界性特征，并统一了统计临界性与动力学临界性，同时解释了神经系统的松散性。
2026-06-03 q-bio.NC
Adaptation of olfactory receptor abundances for efficient coding
嗅觉受体的使用是高度异质性的，某些受体类型比其他受体类型丰富几个数量级。我们提出了一个解释这一惊人的事实：受体分布的调整，以最大限度地代表信息的嗅觉环境中的一个制度的有效编码，是敏感的相关传感器响应的全球范围内。该模型预测，在哺乳动物中，嗅觉感觉神经元定期更换，受体丰度应不断适应气味统计。在实验中，增加对气味的暴露导致不同的，但可重复的，增加，减少或不变的丰度不同的激活受体。我们证明，这种多样性的影响是需要有效的编码时，传感器是广泛相关的，并提供了一种算法，用于预测嗅觉受体应增加或减少丰度以下特定的环境变化。最后，我们给出了简单的动力学规则的神经出生和死亡过程，可能是这种适应的基础。
2019-01-22 physics.bio-ph q-bio.NC
Approximations of Shannon Mutual Information for Discrete Variables with Applications to Neural Population Coding
虽然Shannon互信息得到了广泛的应用，但对于许多实际问题，包括神经种群编码问题，其有效计算往往是困难的。基于Fisher信息的渐近公式有时提供对互信息的精确近似，但是这种方法限于连续变量，因为Fisher信息的计算需要关于编码变量的导数。本文考虑了基于Kullback-Leibler散度和Rényi散度的互信息的信息论界和近似。我们提出了几个信息度量近似香农互信息的神经种群编码的上下文中。虽然我们的渐近公式都适用于离散变量，但无论编码变量是离散的还是连续的，其中一个都具有一致的性能和高精度。我们进行了数值模拟，并证实我们的近似公式是高度准确的近似之间的互信息的刺激和反应的一个大的神经种群。这些近似公式可能为信息论在许多实际和理论问题中的应用带来潜在的方便。
2019-03-04 cs.IT math.IT math.ST
Mutual Information in High-Dimensional Neural Coding
Yale University（耶鲁大学）
针对大规模神经群体互信息估计的指数增长难题，本文提出基于条件独立群体模型的蒙特卡洛估计器，可校正偏差并扩展至多脑区数据集，还发现刺激不确定性随群体大小指数衰减的标度律。
2026-10-16 physics.bio-ph q-bio.NC
Point singularities and suprathreshold stochastic resonance in optimal coding
最近的研究群体编码的理论神经科学的动机，我们研究的最优性最近描述的形式称为阈上随机共振的随机共振，它发生在人口的噪声阈值设备，如模型的感觉神经元。利用互信息测度，数值计算表明，对于随机输入信号，最优阈值分布包含奇异性。对于足够大的噪声，这个分布由一个单一的点，因此最佳的编码是实现的阈上随机共振效应。此外，它示出了一个分叉模式出现在最佳阈值设置的噪声强度增加。Fisher信息被用来检查的行为的最佳阈值分布的人口规模接近无穷大。
2004-09-21 cond-mat.stat-mech q-bio.NC
Neural population geometry and optimal coding of tasks with shared latent structure
Columbia University（哥伦比亚大学）；Flatiron Institute（弗拉蒂隆研究所）；New York University（纽约大学）
该研究提出关联神经群体活动几何与多任务线性读出泛化性能的分析理论，发现解耦表征是多任务最优解，且最优编码随数据量调整潜在变量的压缩/扩展，并用猕猴腹侧通路记录验证了理论。
2024-04-11 cond-mat.dis-nn cond-mat.stat-mech cs.LG
Understanding Neural Coding on Latent Manifolds by Sharing Features and Dividing Ensembles
Norwegian University of Science and Technology（挪威科技大学）；Bosch Center for Artificial Intelligence（博世人工智能中心）；University of Cambridge（剑桥大学）
系统神经科学依赖于神经数据的两种互补观点，其特征在于单神经元调谐曲线和群体活动分析。这两种观点结合在神经潜变量模型中，该模型约束了潜变量和神经活动之间的关系，由简单的调谐曲线函数建模。最近已经证明了这一点，使用高斯过程，与现实和拓扑相关的潜在流形的应用。然而，这些模型和以前的模型错过了神经群体的关键共享编码特性。我们提出了跨神经调谐曲线的特征共享，这显著提高了性能并有助于优化。我们还提出了一个解决方案的合奏检测问题，其中不同的神经元组，即，合奏，可以调制不同的潜在流形。通过在训练期间对神经元进行软聚类来实现，这允许以无监督的方式分离混合神经种群。这些创新导致了更可解释的神经种群活动模型，即使在复杂的潜在流形的混合物上，这些模型也能很好地进行训练并表现得更好。最后，我们将我们的方法应用于最近发布的网格单元数据集，并在一个集成的建模框架中恢复不同的集合，推断环形潜伏期和预测神经调谐曲线。
2023-02-16 cs.LG q-bio.NC stat.ML
A Quantitative Neural Coding Model of Sensory Memory
感觉记忆在神经元尺度上的编码机制是神经科学研究的重要课题之一。我们提出了一个定量的神经网络模型，它是自组织、自相似、自适应的，就像一个遵循达尔文理论的生态系统。根据该模型，神经编码是从对象到神经元的多对一映射。整个大脑是一个实时统计的图灵机，具有强大的表示和学习能力。该模型可以解决时间编码与基于速率编码、祖母细胞与群体编码、衰减理论与干扰理论等重要争论。它还为记忆巩固、情景记忆、意识和情感等一些关键问题提供了解释。最后指出其哲学意义。
2014-06-25 cs.NE q-bio.NC
Neural-like computing with populations of superparamagnetic basis functions
在神经科学中，群体编码理论证明了神经集合可以实现容错的信息处理。将这种策略映射到纳米电子学上，就可以实现可靠的计算，而设备的尺寸要小得多，而且有噪音，有缺陷。这样做需要总体成分根据其对输入的响应函数形成一组基函数，为计算提供物理基础。为此，纳米器件的响应应该是非线性的，并且每个响应都被调谐到不同的输入值。这些严格的要求阻止了用纳米器件进行群体编码的演示。在这里，我们表明，纳米磁性隧道结可以组装，以满足这些要求。我们的实验表明，人口的九个路口可以实现一组基本功能，提供数据来实现，例如，草书字母的生成。我们设计的混合磁性CMOS系统的基础上互连人口的结，并表明，他们可以学习实现非线性可变性弹性转换与低压印面积和低功耗。
2018-03-15 cond-mat.mes-hall cs.ET q-bio.NC
Optimal rate-variance coding due to firing threshold adaptation near criticality
本研究针对弱刺激下神经元群速率编码不可靠的问题，提出基于放电速率方差的空间峰电位模式编码，发现临界态附近单细胞阈值适应可实现协同双编码，优化弱信号方差编码且不损害强信号速率编码，为生物及人工神经网络的信息编码提供新机制。
2025-09-04 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
