Adaptive Filtering Enhances Information Transmission in Visual Cortex
感觉神经科学旨在了解大脑如何编码自然环境。然而,神经编码已经在很大程度上使用简化的刺激进行了研究。为了评估大脑的编码策略是否依赖于刺激合奏,我们采用了一种新的信息理论的方法,允许无偏计算神经过滤器(感受野)的反应,自然场景或其他复杂的信号与强多点相关性。在猫的初级视觉皮层中,我们将对自然输入的反应与对亮度和对比度匹配的噪声输入的反应进行比较。我们发现,神经滤波器自适应地改变与输入合奏,以增加所携带的信息的神经反应有关的过滤刺激。自适应影响滤波器的空间频率组成,增强对与最佳编码参数一致的未充分代表的频率的灵敏度。适应发生在40秒到许多分钟之间,比以前报道的大多数适应形式都要长.
2006-11-09 q-bio.NC
NEST: Neural Estimation by Sequential Testing
针对多维心理测量函数估计难题,本文提出 NEST,用神经网络估计心理测量函数并设计新型刺激选择采集函数,在模拟和真实心理视觉实验中均优于现有方法且无需选择核函数。
2025-06-10 q-bio.NC stat.ME
Neural Heterogeneity Enables Adaptive Encoding of Time Sequences
该研究基于鱼类丘脑神经元的神经疲劳机制,建立含细胞异质性的贝叶斯时序表征理论,发现异质性是编码间隔序列的必要条件,可为循环网络的时空信息高效存储回忆提供支持。
2025-05-20 q-bio.NC
Neurogenesis Drives Stimulus Decorrelation in a Model of the Olfactory Bulb
神经元网络对相似活动模式的重塑和去相关可以增强它们的可辨别性、存储和检索。当嗅觉系统中出现新的复杂模式时,这些网络如何学会去相关?使用计算网络模型的优势神经元群体的嗅球,我们表明,基本方面的成年神经发生观察到的嗅球-持续增加新的抑制颗粒细胞的网络,他们的活动依赖的生存,以及它们与主僧帽细胞的突触的相互特征--足以重构网络,并自适应地改变其气味刺激的编码,以减少相似刺激的延髓表示之间的相关性。的去相关是相当强大的各种类型的扰动的互易性。该模型简洁地捕捉到了实验观察到的神经发生在感知学习中的作用,以及年轻颗粒细胞对新刺激的反应增强。此外,它作出了具体的预测的类型的气味富集,应有效地提高动物的能力,以区分类似的气味混合物。
2012-02-09 nlin.AO q-bio.NC
Feedback promotes efficient-coding while attenuating bias in recurrent neural networks
University of California San Diego(加州大学圣地亚哥分校);Cedar Sinai(西奈山医疗中心);Columbia University(哥伦比亚大学)
研究通过三层ctRNN比较有偏与无偏刺激训练,发现非均匀概率促进高效编码,而反馈通路可抑制偏差并保护低概率刺激表征。
2025-09-27 q-bio.NC
Rest2Visual: Predicting Visually Evoked fMRI from Resting-State Scans
The University of Sydney(悉尼大学);The University of Western Australia(西澳大学)
提出条件生成模型Rest2Visual,利用静息态fMRI和2D视觉刺激预测视觉诱发fMRI,证明个性化自发神经活动可转化为刺激对齐表征,支持下游图像重建并开辟无任务脑建模新途径。
2025-09-17 cs.CV q-bio.NC
Effects of spike-triggered negative feedback on receptive-field properties
感觉神经元通常用感受野来描述,也就是说,一个线性核,通过它在刺激被进一步处理之前过滤刺激。如果假设信息传递以前馈级联方式进行,则感受野可以被解释为使神经元输出最大化的外部刺激的轮廓。然而,神经系统包含许多反馈回路,感觉神经元过滤的电流比代表转导的外部刺激的电流多。一些额外的电流是由神经元本身的输出活动产生的,因此构成反馈信号。通过对输入/输出变换的时频分析,我们展示了反馈如何改变感受野。该模型适用于各种类型的反馈过程,从尖峰触发的内在电导抑制突触输入附近的神经元。我们区分内在感受野(过滤所有输入电流)和有效感受野(仅过滤外部刺激)。而内在感受野概括了与阈下整合和尖峰产生相关的神经元的生物物理特性,只有有效感受野可以被解释为使神经元输出最大化的外部刺激的轮廓。我们证明了尖峰触发反馈将低通滤波向带通处理转移,将积分器神经元转化为谐振器。对于强反馈,可能出现光谱神经元选择性的尖锐共振。我们的研究结果提供了一个统一的框架来解释以前的实验研究,其中特定的反馈机制被证明可以修改神经元的过滤特性。
2015-03-10 q-bio.NC
Response of Selective Attention in Middle Temporal Area
初级视觉皮层处理大量的视觉信息,然而,由于其大的感受野,当多个刺激落在一个感受野内时,存在计算问题。为了解决这个问题,视觉系统使用选择性注意,将资源分配到特定的空间位置,以关注感受野中的一个刺激。在这个过程中,注意感受野的中心和宽度发生变化。本文提出的模型是Bobier等人的模型的扩展和改进,模拟初级视觉皮层、V1和中颞(MT)区域之间的选择性注意。将编码目标刺激的MT列的响应与Womelsdorf等人进行的关于猕猴MT区域中来自选择性注意的感受野移位和收缩的实验结果进行比较。根据实验结果,MT区的反应与实验中发现的高斯形感受野相似。同样,MT列的响应也被测量用于表示目标视觉刺激的准确性,并且发现以约0.17至0.18的均方根误差表示刺激。本文还探讨了不同的模型参数,如膜的时间常数和最大发射率,以及这些如何影响测量。这个模型是模拟选择性注意反应的开始,但是仍然可以进行改进,以更好地与实验进行比较,产生更准确的反应,并结合更多的生物学上合理的特征。
2019-04-16 cs.NE q-bio.NC
Semantic vector space models predict neural responses to complex visual stimuli
编码模型的目标是预测神经对自然刺激的反应,目的是阐明感觉信息在大脑中是如何表达的。这种预测是通过用合适的特征空间表示刺激并使用该特征空间线性预测观察到的神经反应来实现的。在这里,我们调查在何种程度上语义向量空间模型可以用来预测复杂的视觉刺激的神经反应。我们发现,这些模型提供了很好的预测下游视觉区域的神经反应,显着改善了基于Gabor小波金字塔的低级别控制模型。概述的方法提供了一种新的方式来建模和映射跨皮层的高级语义表示。
2015-10-15 q-bio.NC
Emergence of Subcritical Bifurcations in a System of Randomly Coupled Supercritical Andronov-Hopf Oscillators: A Potential Mechanism for Neural Network Type Switching
实验证据表明,皮质系统的计算状态根据行为和刺激上下文而改变。然而,它仍然是未知的机制,这种适应性处理皮层电路。在本文中,我们提出了一个随机耦合的超临界Andronov-Hopf振荡器模型,它可以作为一个自适应处理器,表现出显着不同的动态依赖于一个单一的网络参数的值。尽管仅由超临界子单元组成,但整个系统可以表现出超临界或亚临界Andronov-Hopf分叉。该模型可能为模式识别理论中全局渐近稳定和非双曲神经网络类型之间的切换提供一种新的机制。
2019-08-22 math.DS nlin.AO physics.bio-ph
Intrinsic gain modulation and adaptive neural coding
在许多情况下,神经系统的计算可以简化为一个感受野或一组线性滤波器,以及一个阈值函数或增益曲线,它决定了激发概率;这被称为线性/非线性模型。在某些形式的感觉适应中,这些线性滤波器和增益曲线非常快速地调整以适应随机变化的驾驶输入的方差的变化。一个明显相似但以前无关的问题是观察到皮质神经元中背景噪声的增益控制:放电率与电流(f-I)曲线的斜率随背景随机输入的方差而变化。在这里,我们通过将f-I曲线增益的方差相关变化与通过采样获得的经验线性/非线性模型的变化特征相关联来显示这两个观测之间的直接对应关系。在基本系统是固定的情况下,我们推导出的增益的变化相对于均值和方差与感受野来自白噪声刺激的反向相关的关系。使用两个电导为基础的模型神经元,显示不同的增益调制特性,通过一个简单的参数变化,我们表明,这两个模型的编码特性定量满足预测的关系。我们的研究结果描述了如何方差相关的增益调制和自适应神经计算的结果从内在的非线性。
2008-05-19 physics.bio-ph q-bio.NC
Cross-attention encoding models reveal dynamic spatiotemporal routing across human higher visual cortex
Carnegie Mellon University(卡内基梅隆大学)
本研究提出基于交叉注意力的视频编码模型,通过逐脑区动态路由V-JEPA-2特征,提升fMRI预测并揭示高级视觉皮层中刺激依赖的时空注意力机制。
2026-09-30 cs.AI cs.LG q-bio.NC
Modeling Adaptive Tracking of Predictable Stimuli in Electric Fish
Department of Mechanical Engineering, Johns Hopkins University(约翰斯·霍普金斯大学机械工程系)
本文针对弱电鱼追踪振荡庇护所时高频相位滞后增大、增益下降的非线性行为,提出将自适应频率辨识与内模原理(IMP)闭环系统相结合,并证明其追踪误差指数收敛至理想系统,仿真还复现了宽频范围内的 Bode 图,为自适应感觉运动控制提供了理论框架。
2025-09-18 cs.SY eess.SY q-bio.NC
Dynamic Computerized Tumbling-E Testing for Temporal Reliability of Human Sequential Perceptual Decisions
University of Calgary(卡尔加里大学)
通过计算机化Tumbling-E任务收集人类试次级数据,包括反应时间、超时率和自适应阶梯行为,建立时间解析的感知决策基准,为与人工智能比较提供人类基线。
2026-06-23 q-bio.NC
Cortical computations via metastable activity
亚稳态脑动力学的特征是突然的、跳跃式的调制,使得单次试验中的神经活动表现为一系列离散的准稳态。皮质神经活动以亚稳态序列的形式展开的证据正在快速积累。亚稳态活动发生在对外部刺激的反应中,也发生在持续的自我产生的活动中。越来越多的人发现,这些自发的亚稳态有助于不受外部触发因素影响的内部表征,包括审议、注意和期望的状态。此外,通过亚稳态解码刺激或决策可以逐个试验地进行。关注亚稳定性将使我们能够将我们对神经编码的观点从基于尝试平均的传统概念转变为基于动态集成表示的模型。最近的理论工作已经开始描述亚稳态表象的机制起源和潜在作用。在这篇文章中,我们回顾了最近的研究结果亚稳态活动,它如何可能出现在生物现实模型,其潜在的作用,代表内部状态以及相关的任务变量。
2019-06-18 q-bio.NC
Bayesian adaptive design for neural recruitment curves
Columbia University(哥伦比亚大学)
该研究针对神经募集曲线提出贝叶斯自适应设计,可高效采集数据,在阈值估计和曲线精度上优于传统方法,已通过TMS实验验证并提供Python库onMEP。
2026-10-14 q-bio.NC q-bio.QM stat.ME
A computational model of behavioral adaptation to solve the credit assignment problem
本文提出一种生物学合理的脉冲神经网络变体,重新表述信用分配问题,展示其在经典与操作性条件反射及行为链式化等任务中的适应性行为建模能力,并探讨反射和类别检测等行为的进化机制。
2023-11-29 q-bio.NC
A model of cortical cognitive function using hierarchical interactions of gating matrices in internal agents coding relational representations
灵活的认知需要能够快速检测变量的系统功能,并根据预测指导未来的行为。这里描述的模型提出了一个潜在的框架模式的神经活动,以检测系统的功能和感官输入的组件之间的关系,并应用它们在一个预测的方式。该模型包括在神经活动的状态空间内操作的多个内部门控代理,类似于在外部环境中行为的外部代理。多个内部门控代理代表神经活动的模式,其检测和门控代表不同神经元群体之间的关系的矩阵连接的模式。门控矩阵连接的模式表示可用于预测一系列感觉输入的未来分量或静态感觉刺激的不同特征之间的关系的函数。该模型被应用到动态轨迹的预测,不同的感官刺激的特征之间的内在关系,并预测仿射变换,这可能是有用的解决认知任务,如乌鸦渐进矩阵任务。
2018-10-15 q-bio.NC
Brian Intensify: An Adaptive Machine Learning Framework for Auditory EEG Stimulation and Cognitive Enhancement in FXS
School of Information Technology University of Cincinnati Ohio, USA(信息科技学院 奥地利辛辛那提大学 俄亥俄州, 美国)
针对FXS患者皮层振荡异常导致的认知缺陷问题,提出自适应机器学习BCI框架,通过实验确定最优听觉刺激参数与生物标志物,可实现个体化实时神经调控,为相关神经康复BCI提供基础模型。
2025-11-12 cs.AI cs.LG eess.SP