Expectation-induced modulation of metastable activity underlies faster coding of sensory stimuli
感官刺激可以更快地识别时,他们的预期。这种现象依赖于预期影响皮层对感觉信息的处理。然而,几乎没有什么是已知的机制负责的预期对感觉网络的影响。在这里,我们报告了一种新的计算机制,其基础是在警觉大鼠的味觉皮层(GC)中观察到的预期依赖性编码加速。我们使用一个经常性的尖峰网络模型与集群架构捕捉皮质活动的基本特征,包括味觉刺激前后在GC中观察到的亚稳态活动。依靠网络理论和计算机模拟,我们提出,期望发挥其功能,通过调制内在产生的动态之前的味道传递。我们的模型,其预测在实验数据中得到证实,演示了内在亚稳态活动的调制如何塑造感觉编码和介导认知过程,如相关事件的预期。总之,这些结果提供了一个生物学上合理的理论的期望和归因于一个新的功能作用,内在产生的,亚稳态活动。
2018-11-02 q-bio.NC
Hacking the Brain: Triggering Neuroplasticity for Enhancing Musical Talent: A study on Monkey and Human behavior after Exposure to Videogames and Visual/Auditory Stimuli to Increase Musical Abilities through Neuroplasticity
在本文中,我们分析了通过使用多种方法来增强神经可塑性,通过黑客攻击大脑可以实现的认知改善。例如,接触游戏已被证明有助于通过听觉和视觉刺激学习现实世界的能力。我们将讨论皮层放大率和感受野大小,以及神经可塑性背景下的脑地形图。最后,我们建议进行更多的研究,以提高音乐天赋和音乐能力。
2019-07-08 q-bio.NC
Cortical Dynamics and Awareness State: An Interpretation of Observed Interstimulus Interval Dependence in Apparent Motion
在最近一篇关于皮层动力学的论文中,弗朗西斯和格罗斯伯格提出了一个问题,即视觉形式和运动信息是如何整合在一起的,从而产生一个对运动形式的连贯感知的?在他们对错觉轮廓(像Kanizsa方块一样,是心理结构而不是视网膜上的刺激)的研究中,他们量化了错觉轮廓之间明显运动的主观印象,这些错觉轮廓是由两个延迟时间约为0.2秒的后续刺激形成的(称为刺激间间隔ISI)。明显运动的印象是由于在意识表征中将后来的经验向后转介到更早的时间。一个模型的开发,它描述了在观察员的时间依赖薛定谔方程,其中二阶时间导数的状态。这种添加需要作为边界条件的值的解决方案在开始和之后的过程。模型计算结果与实验结果吻合较好。我们记得,在冯·诺依曼对量子力学波函数坍缩的解释中,坍缩与观察者的意识有关。一些问题的因果关系和决定论所产生的后期边界条件的影响。
2004-06-28 q-bio.NC
How the connectivity structure of neuronal networks influences responses to oscillatory stimuli
振荡信号通过皮层的传播和相干性是由神经元回路的连接结构形成的。本研究系统地探讨了网络和刺激的性质,形状网络的反应。结果表明,如何输入到一个皮质柱模型的初级视觉皮层激发动力学模式所确定的层状图案。刺激上层的抑制性神经元再现了实验观察到的伽马频率的共振,其起源可以追溯到两个解剖子电路。我们系统地发展这一结果:首先,我们强调的刺激幅度和过滤器的神经元对振荡刺激的响应特性的影响。随后,我们分析了放大振荡刺激的有效网络结构。我们证明,刺激的放大,以及它们在不同人群中的可见性,可以用特定的网络模式来解释。受实验结果的启发,我们问是否可以通过施加振荡刺激来推断振荡的解剖起源。我们发现,不同的网络模体可以产生类似的响应振荡输入,显示在网络响应的共振不能,直截了当地说,被分配给他们出现的图案。应用分析的尖峰模型的皮质柱,我们描述了如何动态模式结构,这是引起的层流连接,处理外部输入。特别是,我们表明,施加到特定人群的刺激通常elaborate几个相互作用的模式的反应。因此,所得到的网络响应由多个贡献组成,因此既不能被分配给单个模式,也不一定与电路的固有谐振一致。
2017-04-26 q-bio.NC
Lexical representation explains cortical entrainment during speech comprehension
Radboud University(拉德堡德大学);NYU Shanghai(上海纽约大学)
最近的一项关于口语句子理解的神经影像学研究的结果被解释为皮层夹带到层次句法结构的证据。我们提出了一个简单的计算模型,预测功率谱从这项研究中,即使该模型的语言知识仅限于词汇水平,和词级表示不结合到更高级别的单位(短语或句子)。因此,皮层夹带的结果也可以解释从词汇性质的刺激,而不求助于层次句法。
2018-01-10 cs.CL q-bio.NC
The phase response of the cortical slow oscillation
哺乳动物大脑在深度睡眠时会发生皮质缓慢振荡,并且已被证明有助于记忆巩固,这种效果可以通过电刺激来增强。由于精确的基本工作机制是未知的,它是希望开发和分析计算模型的慢振荡和研究响应的电刺激。在本文中,我们采用基于电导的模型Compte等。[J Neurophysiol 89,2707]来研究电刺激的效果。对电刺激的群体响应取决于刺激相对于慢振荡状态的定时。首先,我们再现了由Shu等人[Nature 423,288]从基于电导的模型中在雪貂脑切片中进行电刺激的实验结果。然后,我们数值获得的相位响应曲线的电导为基础的网络模型,以量化网络的弱刺激的反应。我们的结果同意在体内和体外实验表明,刺激的敏感性是弱的,在向上比在向下的状态。然而,我们也发现,在向上状态的刺激导致向上状态的缩短,或相位提前,而在向上-向下过渡期间,向上状态的延长是可能的,导致相位延迟。最后,我们计算了Ngo等人[Europhys Lett 89,68002]的简单平均场模型的相位响应曲线,发现PRC的定性形状被保留,尽管其产生慢振荡的机制不同。
2013-12-30 q-bio.NC
Emergence of Deviance Detection in Cortical Cultures through Maturation, Criticality, and Early Experience
The University of Tokyo(东京大学);International Research Center for Neurointelligence (WPI-IRCN), UTIAS, The University of Tokyo(东京大学国际神经智能研究中心(WPI-IRCN))
本研究追踪体外皮质培养物的偏差检测发育,发现其随回路成熟内在涌现,临界性可稳定放大该功能,早期奇异球经验会强化偏差通路但降低检测指数,为预测编码机制和类脑人工系统设计提供参考。
2025-10-01 q-bio.NC
An Integral Equation Approach to the Dynamics of L2-3 Cortical Neurons
神经元群体如何在其群体放电率中编码时间依赖性刺激?为了解决这个问题,我认为准更新方程和基于事件的扩展,最近提出的两个理论近似,并测试这些对周围刺激时间直方图从L2-3锥体细胞在体外。通过梯度下降优化参数,以在给定电流输入的情况下最佳匹配点火率输出。拟合方法可以估计通常通过细胞内记录或单个脉冲序列获得的单神经元参数。我发现,准更新理论预测的适应射击率有很好的精度,但不是基于事件的扩展。准更新预测在质量上等同于最先进的尖峰时间预测方法,并且这样做而不诉诸于单独的尖峰时间或膜电位响应。
2013-12-03 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
Optimizing working memory with heterogeneity of recurrent cortical excitation
参数工作记忆的神经相关性是神经元放电率的刺激特异性升高,其在刺激去除后持续很长时间。具有局部兴奋和广泛抑制的网络模型支持持久的神经活动,将网络结构和参数化工作记忆联系起来。皮层神经元接收噪声输入波动,这导致持续的活动在网络中扩散,随着时间的推移降低记忆。我们探讨了支持参数化工作记忆的皮层结构如何影响持久性神经活动的扩散。通过研究尖峰网络和简化的势阱模型,我们发现空间异质性兴奋性耦合稳定了离散数量的持续状态,减少了持续活动在网络上的扩散。然而,异质耦合也粗粒刺激表征空间,限制了参数工作记忆的容量。由于粗粒化和扩散的折衷,使初始和回忆的刺激之间的信息传递是优化在一个固定的网络异质性的存储错误。对于足够长的延迟时间,吸引子的最佳数量小于可能的刺激的数量,这表明记忆网络可以低估刺激空间以优化性能。我们的研究结果清楚地表明了网络结构和随机波动对参数记忆存储的影响。
2013-10-14 q-bio.NC
Neural wave interference and intrinsic tuning in distributed excitatory-inhibitory networks
我们开发了一个模型的皮质计算,实现皮质电路的关键功能,并能够描述在空间分布的刺激皮质位置之间的神经信号的传播。该模型是基于典型的神经回路,包括兴奋性和抑制性细胞通过相互连接,与经常性反馈相互作用。典型电路被用作分布式网络中的节点,节点之间具有最近邻耦合。我们发现,这个系统的特点是由内在的空间频率偏好。优选频率的值取决于细胞之间的兴奋性和抑制性连接的相对权重。这种兴奋和抑制的平衡随着刺激对比度的增加而改变,这就是为什么预测固有空间频率以由刺激时间频率确定的方式随着对比度而改变。网络偏好的动态与警觉猕猴皮层区MT的特性一致。
2018-10-20 q-bio.NC
Energy Consumption Optimization, Response Time Differences and Indicators in Cortical Working Memory Revealed by Nonequilibrium
针对皮层网络的多区域交互、能量消耗及时间尺度层级等复杂问题,引入非平衡态景观通量方法量化其动力学特征,揭示认知过程的热力学成本与网络连接性的关联,为识别皮层状态变化提供工具并推动对皮层动力学的理解。
2024-11-26 q-bio.NC
Long-Range Feedback Spiking Network Captures Dynamic and Static Representations of the Visual Cortex under Movie Stimuli
针对现有深度神经网络难以适配自然电影刺激视觉表征研究的问题,提出融合长程反馈与脉冲机制的LoRaFB-SNet,搭配TSRSA方法验证其在小鼠视觉皮层动静态表征拟合上优于现有模型,助力视觉系统电影加工机制研究。
2024-11-01 cs.NE q-bio.NC
Representing stimulus motion with waves in adaptive neural fields
本文提出自适应神经场行波模型,通过微扰得到波响应函数,刻画行波对持续运动刺激与间歇闪光刺激的夹带机制,为视觉运动感知提供理论解释。
2023-12-11 nlin.PS q-bio.NC
Nonlocal mechanism for cluster synchronization in neural circuits
皮层回路的拓扑结构与不同皮层区域的同步活动模式之间的相互作用是神经科学中的一个关键之谜。我们提出了一个新的非局部机制的周期性活动模式:最大公约数(GCD)的网络回路。对于一个节点的刺激,网络分裂成GCD簇,其中簇神经元处于零滞后同步。对于复杂的外部刺激,簇的数量可以是任何公约数。同步模式和同步的瞬变确定了外部刺激的类型。研究结果,支持的信息混合参数和模拟的霍奇金赫胥黎人口动态网络与单向连接和突触噪声,要求重新检查相关的活动在皮层和更短的信息处理时间尺度的来源。
2011-03-18 nlin.CD 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
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
Visual Semantic Decoding of Electrocorticography from Video Stimuli using End-to-End Deep Learning
The University of Melbourne(墨尔本大学);Bionics Institute(仿生研究所);The University of Osaka(大阪大学)
研究利用端到端深度学习框架对视频刺激的脑电信号进行视觉语义解码,在每个视觉类别训练样本少的情况下评估多种方法,分析最佳方法依赖的信息,所选系统有良好性能且模型行为可解释,与神经科学知识相符。
2026-07-22 cs.LG q-bio.NC
A cortical-inspired geometry for contour perception and motion integration
在本文中,我们开发了一个几何模型的功能架构处理的时空视觉刺激。该模型源于视觉皮层中的方向和速度选择细胞的感受野线性动力学的性质,其可以嵌入到几何形状的定义中,其中点之间的连接由5D流形的切触结构驱动。然后,我们计算的随机内核的近似的两个福克普朗克算子的几何形状,并实现它们作为促进模式内的神经种群活动模型,以重现一些心理生理学的发现有关的感知轮廓的运动和轨迹的点在文献中发现。
2013-05-03 math.AP math.SG q-bio.NC
Comparison Against Task Driven Artificial Neural Networks Reveals Functional Organization of Mouse Visual Cortex
部分受到视觉皮层计算特征的启发,深度神经网络计算其输入的分层表示。虽然这些网络在机器学习中非常成功,但它们能在多大程度上帮助我们理解皮层功能仍不清楚。几个研究小组已经开发出了一些指标,可以在网络计算的表征和皮层测量的表征之间进行定量比较。与此同时,神经科学正进入一个前所未有的大规模数据收集阶段,艾伦大脑观测站等项目就是明证。尽管这些努力的规模,在一个给定的实验中,只有一小部分的单位被记录,限制了有关皮质表征的信息。此外,在真实的实验过程中,只能向动物展示有限数量的刺激。这些限制提出了一个问题,即比较深度网络表示的指标在这些数据集上如何以及是否有意义。在这里,我们凭经验量化这些指标的能力和局限性,由于有限的图像呈现和神经元样本。我们发现,比较程序是强大的不同的选择的刺激集和水平的子采样,人们可能会期望在一个大规模的大脑调查与数千个神经元。利用这些结果,我们比较了在艾伦脑天文台测量的表征,以响应自然图像呈现到深度神经网络。我们发现视觉皮层区域是相对高阶的表征(因为它们映射到卷积神经网络的更深层)。此外,我们看到了一个广泛的,更平行的组织,而不是一个顺序的层次结构的证据,与主要领域VISp(V1)是较低的顺序相对于其他领域。
2019-11-18 q-bio.NC
Control over stress induces plasticity of individual prefrontal cortical neurons: A conductance-based neural simulation
当缺乏控制时,对压力刺激的行为控制会诱导对未来条件的弹性。内侧前额叶皮层(mPFC)是一个至关重要的大脑区域所需的可塑性的压力恢复。我们发现,对压力的控制诱导PFC中锥体神经元的固有电压门控电导的可塑性。为了深入了解这种可塑性的潜在生物物理机制,我们使用基于电导的神经模拟软件工具NEURON来模拟与压力恢复力相关的膜兴奋性增加。一个球和棒的多室电导为基础的模型,以切合实际的适应被动和主动的数据轨迹,从原型的锥体神经元在大鼠的神经元控制尾部休克应激和缺乏控制。结果表明,可塑性的膜兴奋性与控制压力可以归因于增加Na+和Ca2+ T型电导和增加的泄漏电导。使用模拟树突状突触输入,我们观察到兴奋性突触后总和和放大的增加,导致动作电位输出升高。这种现实的模拟表明,控制压力提高输出的PFC,并提供具体的可检验的假设,以指导未来的电生理机制研究的动物模型的弹性和脆弱性的压力。
2012-04-04 q-bio.NC
Demixed principal component analysis of population activity in higher cortical areas reveals independent representation of task parameters
高级皮层区域的神经元,如前额叶皮层,被认为可以调节各种感觉和运动变量。由此产生的神经调谐的多样性往往掩盖了所表示的信息。在这里,我们介绍了一种新的降维技术,分层主成分分析(dPCA),自动发现和突出的基本特征,在复杂的人口活动。我们重新分析了执行各种工作记忆和决策任务的大鼠和猴子的前额区的人口数据。在每种情况下,dPCA都在一张图中总结了群体响应的相关特征。人口活动被分解成几个分层的组件,捕获数据中的大部分方差,并突出动态调整人口的各种任务参数,如刺激,决策,奖励等,此外,dPCA揭示了强大的,条件无关的组件的人口活动,仍然与传统的方法被忽视。
2014-10-22 q-bio.NC stat.ML
Cortical origins of MacKay-type visual illusions: A case for the non-linearity
Université Paris-Saclay, CNRS, CentraleSupélec(巴黎萨克雷大学、法国国家科学研究中心、中央理工-高等电力学院)
研究冗余几何图案对视网膜刺激与初级视皮层响应的交互,基于马卡伊效应和比洛克与苏的实验,通过可控性方法分析非线性响应函数对视觉现象的影响。
2023-06-16 cs.NA math.NA math.OC
Encoding Sensory and Motor Patterns as Time-Invariant Trajectories in Recurrent Neural Networks
大脑处理和存储的大部分信息本质上都是时间性的--例如,一个口语单词或一个手写签名,是由它在时间上如何展开来定义的。然而,目前还不清楚神经回路如何编码复杂的时变模式。我们表明,通过调整循环神经网络(RNN)的权重,它可以识别然后转录口语数字。该模型阐明了皮层网络中的神经动力学如何解决三个基本挑战:第一,将多个随时间变化的感觉和运动模式编码为稳定的神经轨迹;第二,概括相关的空间特征;第三,识别以不同速度播放的相同刺激-我们表明,这种时间不变性的出现是因为递归动力学产生具有适当调制角速度的神经轨迹。我们的研究结果共同产生了可测试的预测,即递归网络如何使用不同的机制来概括复杂时变刺激的相关空间和时间特征。
2017-08-13 q-bio.NC
A sub-Riemannian model of neural states in the primary motor cortex
Dipartimento di Matematica, Università di Bologna(博洛尼亚大学数学系);Centre d’Analyse et de Mathématique Sociales, Sorbonne Université(索邦大学社会分析与数学中心)
基于子黎曼几何框架,通过运动学参数定义片段空间,引入几何核模拟皮层连接,成功从皮层活动模型中恢复出神经状态,验证了运动学变量和距离度量足以解释神经状态形成。
2026-06-23 q-bio.NC
A symbolic information approach to characterize response-related differences in cortical activity during a Go/No-Go task
大脑如何处理来自外部刺激的信息以感知世界并对其采取行动是神经科学中最重要的问题之一。为了解决这个问题,不同的时间序列分析技术已被用来表征在认知任务期间的脑信号的统计特性。通常反应特异性过程是通过比较不同试验类型中平均事件相关电位的时程来解决的。在这里,我们分析了猴子的局部场电位数据在视觉模式辨别称为去/不去任务的信息论量词的光。我们表明,Bandt-Pompe符号化方法来计算熵和数据的复杂性是一个有用的工具,以区分响应相关的差异去和不去的试验。我们建议使用一个不对称指数,以统计学验证试验类型的差异。此外,通过使用多尺度方法和嵌入时间延迟对数据进行下采样,我们可以估计处理相关信息的重要时间尺度。
2021-01-22 physics.bio-ph q-bio.NC
A Multimodal Sequence-to-Sequence Model for Cross-Subject Prediction of Brain Responses to Naturalistic Stimuli
Data Science Institute University of Chicago(芝加哥大学数据科学研究所);Department of Psychology, Neuroscience Institute University of Chicago(芝加哥大学心理学系、神经科学研究所)
本文提出多模态 Seq2Seq Transformer,融合视觉、听觉、语言特征与历史脑状态,自回归预测自然电影诱发的全脑 fMRI 响应,并在分布内外数据上验证有效。
2026-10-06 cs.CV q-bio.NC
Cortical recruitment and functional dynamics in postural control adaptation and habituation during vibratory proprioceptive stimulation
保持直立姿势是一项复杂的任务,由传入感觉运动和视觉信息与代偿性神经肌肉反应的整合所控制。这项工作的目的是表征视觉依赖性和功能动力学的皮质激活姿势控制。以85 Hz的频率对小腿肌肉进行本体感觉振动刺激,以在睁眼(OE)和闭眼(CE)实验试验中引起姿势扰动,伪随机二进制刺激相位分为4段16个刺激。64-记录通道EEG;使用放置在每个振动器近端的双极电极定义扰动时期。最后,功能连接评估通过网络分离和集成分析进行了探讨。光谱变化表明,在特定的姿势适应和习惯化的皮层区域内的波形和视觉依赖的激活。广义光谱变化产生显着的变化,从低到高的频率在CE适应试验,与整体活动抑制习惯化; OE试验显示出相反的现象,与适应和习惯产生的光谱功率增加。最后,我们的功能动力学分析揭示了新的皮质网络牵连的姿势控制使用EEG源空间脑网络。特别是,我们报告的本地theta连接的显着增加可能意味着纠正步骤的规划和/或跌倒后果的分析,而α带网络整合结果反映了扣带皮层内的错误检测的抑制,可能是由于习惯化。我们的研究结果表明,特定的皮层波形依赖于视觉反馈的可用性,我们提出的第一个证据表明,本地和全球的大脑网络在姿势控制过程中进行特征修改。
2019-02-27 q-bio.NC q-bio.QM
Modeling Dynamic Neural Activity by combining Naturalistic Video Stimuli and Stimulus-independent Latent Factors
针对现有动态神经编码模型无法同时建模潜状态与完整神经元响应分布的不足,提出结合视频刺激与刺激无关潜变量的概率预测模型,在小鼠V1神经响应数据上验证了其性能优势与无监督习得潜变量的生物学意义。
2025-11-17 cs.AI q-bio.NC
Investigating the role of visual experience with face-masks in face recognition during COVID-19
在COVID-19期间引入口罩对人类面部感知和识别提出了潜在挑战。面具可能会阻碍人脸的整体处理,导致人脸识别困难。我们目前的研究旨在通过探索面孔识别的神经心理学机制来研究这个问题,同时也探索在经常看到的(个人熟悉的)蒙面面孔中观察到的可能的学习效应。我们的刺激包括个人熟悉的,著名的,和陌生的印度面孔在蒙面和未蒙面的条件。受试者参加了2-back任务,其中试验在块内和块间平衡,以相同地代表所有条件,同时记录行为和EEG反应。统计分析显示,熟悉度和面具条件对操作准确性和反应时(RT)有显著的主效应。最高的性能准确性观察到熟悉的和未蒙面的面孔和最不熟悉的和蒙面的,而RT遵循预期的相反趋势。值得注意的是,未蒙面和蒙面的著名面孔之间的性能准确性的差异比个人熟悉的面孔更显着。这些观察结果表明,经常看到的蒙面面孔的视觉体验的有益影响。掩蔽的不熟悉的面孔造成的假阳性错误的比例最高,这表明在处理新的掩蔽面孔相比,已知的固有的困难。EEG分析显示,口罩对名人和个人熟悉的面孔的N250和仅个人熟悉的面孔的N170的影响。我们的研究表明,个人熟悉度有助于蒙面面孔的知觉学习,这种学习可能不会在熟悉程度上普遍化。
2023-02-28 q-bio.NC
Inhibition in Random Neuronal Networks Enhances Response Variability and Disrupts Stimulus Discrimination
抑制被认为是形成神经活动,并扩大其模式库。在感觉器官中,神经回路的解剖结构是高度结构化的,侧抑制使刺激特性之间的对比更加尖锐。当活动传播到结构较少的中继站时,抑制对刺激处理的影响和侧抑制的参与不太清楚。在这里,我们采取一种综合的方法来解开抑制的影响,从专门的解剖学上的剧目的诱发活动模式,因此,网络的能力,以独特地代表不同的刺激。为此,我们在体外阻断了皮质神经元随机重新布线网络的抑制,并量化了阻断前后不同空间位点提供的刺激之间的反应变异性和刺激区分。我们发现,阻断抑制淬灭通过任何空间源的重复刺激引起的反应的变异性,所有测试的响应功能。尽管在高度结构化的感觉器官中抑制的锐化作用,在这些随机网络中,我们发现,阻断抑制增强了空间刺激源之间的刺激歧视,当基于响应功能,强调通过不同电极记录的尖峰时间之间的关系。我们进一步表明,在完整的抑制下,对给定刺激的反应是阻断抑制所揭示的那些的嘈杂版本;这样,完整的抑制破坏了否则连贯的,波传播的活动。
2018-09-15 q-bio.NC
Spatial Resolution of Local Field Potential Signals in Macaque V4
皮质视觉假体的发展的一个主要挑战是空间定位的光,称为光幻视,通过分配适当的刺激参数植入电极的个人斑点。模仿在不同位置的光幻视样刺激的自然反应,可以帮助设计一个系统的程序来确定这些参数。这种系统的关键特征是能够区分对视野中不同位置的反应。虽然大多数先前的假体装置针对的是初级视觉皮层,但纹外皮层具有用较少量的皮质组织覆盖大部分视野的优点,从而提供了更紧凑的植入物的可能性。在这里,我们研究了如何以及合奏的多单位活动(MUA)和局部场电位(LFPs)的反应,从外纹皮层视觉区V4的行为猕猴可以区分二维空间位置。我们发现,尽管在V4的大感受野的大小,从多个网站的组合响应,无论是MUA或LFP,具有精细和粗糙的歧视的位置的能力。我们确定了一个选择程序,可以显着提高的歧视性能,同时减少所需的电极数量。对MUA和LFP反应的噪声相关性分析表明,LFP反应的噪声相关性携带了更多的空间位置信息。总体而言,这些研究结果表明,空间位置可以与纹外区V4的模式刺激本地化。
2019-11-18 q-bio.NC
Integrating Flexible Normalization into Mid-Level Representations of Deep Convolutional Neural Networks
University of Miami(迈阿密大学);Computer Science Department(计算机科学系);Coral Gables, FL 33146(科勒尔盖布尔斯,佛罗里达州 33146(注:这是地址,非机构,不应提取,但根据用户提供的文本,此处可能存在格式问题,原文本中“Affiliation: Coral Gables, FL 33146”可能是笔误,正确机构应为“University of Miami”下的部门,此处严格按用户提取范围,仅保留明确机构名))
深度卷积神经网络(CNN)正成为越来越受欢迎的模型,用于预测视觉皮层中的神经反应。然而,当前的CNN(包括用于神经预测的CNN)并未明确处理在神经处理和感知中普遍存在的上下文效应。在初级视觉皮层中,神经反应以丰富的方式受到经典感受野周围空间刺激的调制。这些影响已经用分裂的归一化方法建模,包括灵活的模型,其中空间归一化仅被招募到中心和周围位置的响应被认为是统计依赖的程度。我们提出了一个灵活的归一化模型,应用于深层CNN的中级表示,作为一种易于处理的方法来研究中级皮层区域的上下文归一化机制。这种方法捕获CNN中的中级特征之间的非平凡空间依赖性,例如存在于纹理和其他视觉刺激中的那些特征,这些特征是从几何上平铺高阶特征而产生的。我们期望所提出的方法可以预测何时在中级皮层区域进行空间归一化。我们还期望这种方法作为CNN工具包的一部分是有用的,因此超越了更具限制性的固定形式的标准化。
2018-12-24 cs.CV q-bio.NC
Expectation and Acoustic Neural Network Representations Enhance Music Identification from Brain Activity
Sony Computer Science Laboratories, Inc.(索尼计算机科学实验室)
本研究通过区分听觉和期望相关的神经网络表示作为教师目标,提高了基于EEG的音乐识别性能,展示了表示学习可以由神经编码引导,并为预测音乐认知和神经解码的发展提供了新方向。
2026-05-18 cs.AI q-bio.NC
Optimizing Visual Cortex Parameterization with Error-Tolerant Teichmuller Map in Retinotopic Mapping
视网膜上的视觉输入到皮层表面之间的映射,即,视网膜定位是视觉科学和神经科学的重要课题。通过分析特定视觉刺激下的大脑皮层功能磁共振成像(fMRI)信号,可以揭示人类视网膜定位图。传统方法基于(部分)皮质表面的参数化来处理、平滑和分析视网膜定位映射。然而,这种方法产生的视网膜定位图经常与神经心理学的结果相矛盾。为了解决这个问题,我们提出了一个综合的方法,参数化的皮质表面,使参数坐标线性相关的视觉坐标。所提出的方法有助于平滑噪声视网膜映射图,并获得人类视觉系统的神经生理学见解。该方法的一个关键要素是容错Teichmuller地图,它统一了角度失真,并最大限度地提高了自相矛盾的地标对齐。我们用合成和真实的视网膜定位映射数据集验证了我们的整体方法。实验结果表明,该方法具有较好的准确性和兼容性.虽然我们专注于retinotopic映射,所提出的框架是通用的,可以应用到处理其他人类的感觉地图。
2020-05-25 cs.OH q-bio.NC
Using deep learning to reveal the neural code for images in primary visual cortex
University of Colorado School of Medicine(科罗拉多大学医学院);Canadian Institute for Advanced Research(加拿大高等研究院)
初级视觉皮层(V1)是大脑皮层图像处理的第一阶段,系统神经科学的一个主要研究方向是了解V1是如何编码视觉刺激信息的。在V1内,许多神经元选择性地对给定的优先方向的边缘做出反应:这些被称为简单或复杂细胞,它们被充分研究。其他神经元对局部中心-周围图像特征作出反应。还有一些人对某些图像刺激有选择性地做出反应,但激发他们的具体特征是未知的。此外,即使对于简单和复杂的细胞--最好理解的V1神经元--预测它们将如何对自然图像刺激做出反应也是具有挑战性的。因此,我们对V1如何编码图像的理解存在重要差距。为了填补这一空白,我们训练深度卷积神经网络来预测V1神经元响应自然图像刺激的放电率,并发现这些神经元中有15%在其理论可预测性极限的10%以内。对于这些预测良好的神经元,我们反转预测器网络以识别导致V1神经元尖峰的图像特征(感受野)。除了那些具有先前表征的感受野(Gabor小波和中心环绕)的神经元外,我们还识别出可预测地响应于不局限于图像的任何特定区域的更高级别纹理图像特征的神经元。
2017-06-19 cs.CV q-bio.NC
Brain Connectivity Impairments and Categorization Disabilities in Autism: A Theoretical Approach via Artificial Neural Networks
自闭症谱系障碍(ASD)是一种严重损害沟通和社会功能的发育障碍,也表现出与精神僵化,重复行为和抽象推理困难有关的方面。此外,兴奋性和抑制性大脑状态之间的不平衡,以及皮层连接中断,是自闭症行为的根源。我们的主要目标是揭示这些局部兴奋性失衡和/或长脑连接中断与上述认知特征之间的联系。我们开发了一个基于自组织映射(SOM)的理论模型,其中一个三级人工神经网络定性地结合了在ASD患者大脑中观察到的这些变化。我们的模型的计算模拟表明,高兴奋状态或长距离连接不足是认知改变的起源,如分类困难和心理僵化。更具体地说,在皮层地图开发中兴奋性突触到达区域的扩大导致低分类(过度选择性)和差的概念形成。而且,局部兴奋性突触的过度强化和长距离连接不足,尽管通过不同的机制,有助于受损的分类(选择性不足)和精神僵化。我们的研究结果表明,如何,在一起,局部和全球的大脑连接性的改变引起损坏的皮层结构在不同的方式和不同的皮层区域。这些改变会破坏感官刺激的编码、概念的表征,从而破坏分类的过程--通过这种方式,严重限制了自闭症推理中的心理灵活性和概括能力。
2018-11-16 cs.NE 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
Music to My Ears: Neural modularity and flexibility differ in response to real-world music stimuli
音乐听音涉及许多同时进行的神经操作,包括听觉处理、工作记忆、时间序列、音高跟踪、预期、奖赏和情绪,因此,全脑分析将有助于对音乐认知的全面研究。在这里,我们量化了全脑活动,而参与者听各种音乐和语音听觉片段使用两个网络措施,这是基于复杂系统理论:模块化,衡量大脑区域在社区中相互作用的程度,和灵活性,衡量大脑区域切换它们所属的社区的速度。在一项音乐和大脑连接研究中,这是一项更大的音乐聆听和中风恢复临床研究的一部分,健康参与者在听自选音乐时进行了fMRI,他们对这些音乐感到积极的情感依恋,以及文化上熟悉的音乐(J.S.巴赫),文化上不熟悉的音乐(中世纪日本的雅乐宫廷音乐),以及几段演讲摘录。在不同类型的听觉片段中,尤其是在不熟悉的音乐中,全脑网络之间存在明显的差异。在自选和巴赫曲目中,参与者的全脑网络表现出与网络灵活性显著协调的模块化组织。同时,当雅乐音乐响起时,大脑网络模块化和灵活性之间的这种关系基本上消失了。此外,虽然听自选曲时听觉皮层的灵活性与听巴赫曲时相当,但听雅乐曲时听觉皮层的灵活性更高。结果表明,全脑活动的模块化和灵活性措施有可能导致对真实世界歌曲的音乐感知过程中发生的复杂神经功能的新见解。
2022-01-17 q-bio.NC
Reproducibility via neural fields of visual illusions induced by localized stimuli
Université Paris-Saclay, CNRS, CentraleSupélec(巴黎萨克雷大学,法国国家科学研究中心,中央理工-苏雷夫学院)
本文利用Amari型神经场模型V1区神经元活动平均膜电位,研究局部聚焦 funnel 模式诱导的视觉现象,探讨其非线性特性及兴奋性与抑制性神经元的交互作用。
2024-10-01 cs.NA math.AP math.NA
A multi-scale information geometry reveals the structure of mutual information in neural populations
Institut de la Vision, INSERM, CNRS(视觉研究所,INSERM,CNRS);Sorbonne University(索邦大学);École Normale Supérieure - PSL(巴黎高等师范学院-PSL)
本文提出一种多尺度信息几何方法,通过基于原理的距离收缩机制揭示神经群体中互信息的结构,利用扩散模型估计度量张量,为神经编码提供了信息论框架。
2026-11-09 q-bio.NC
Unveiling Secrets of Brain Function With Generative Modeling: Motion Perception in Primates & Cortical Network Organization in Mice
本论文通过层级变分自编码器模拟灵长类运动感知并揭示其无监督因果分解能力,同时利用fMRI与宽场Ca2+成像发现小鼠皮层可分解为重叠社区,从而用生成模型推进对脑功能组织的理解。
2024-12-25 cs.AI q-bio.NC
Pattern Forming Mechanisms of Color Vision
本文提出一个基于皮层内相互作用和网络涌现效应的初级视觉皮层颜色调谐动力学模型,揭示阈值非线性如何增强色调选择性,并用图灵式模式形成机制解释幻觉性颜色感知。
2023-04-15 physics.bio-ph q-bio.NC
MEGState: Phoneme Decoding from Magnetoencephalography Signals
Keio University(Keio大学);Research Center for Information Technology Innovation(信息科技创新研究中心);Academia Sinica
MEGState通过捕捉听觉刺激激发的细粒度皮层响应,实现了从脑磁图信号中稳健解码音素,展示了非侵入式脑机接口在语音识别中的应用潜力。
2025-12-19 cs.LG cs.SD q-bio.NC
Visualizing and Controlling Cortical Responses Using Voxel-Weighted Activation Maximization
Department of Cognitive and Brain Sciences(认知与脑科学系);University of Nevada, Reno(内华达大学里诺分校)
本文提出将激活最大化应用于基于DNN的人脑编码模型,生成针对个体体素和感兴趣区域优化的图像,并通过fMRI实验验证其能可靠驱动目标视觉区域活动,从而实现对人类视觉系统响应的灵活表征与调控。
2025-06-04 cs.AI cs.CV q-bio.NC
Distinctive pupil and microsaccade-rate signatures in self-recognition
本研究通过视觉注视实验发现,自我识别、熟悉面孔和陌生面孔在瞳孔动态和微眼跳率上产生独特反应,表明眼部生理测量可揭示面孔记忆,并有望用于生物特征认证。
2025-05-25 q-bio.NC
Linking connectivity, dynamics and computations in low-rank recurrent neural networks
大规模的神经记录已经确定,感官刺激转化为运动输出依赖于低维动力学在人口水平,而个别神经元表现出复杂的选择性。理解混合分布式表征的低维计算如何从皮层网络的递归连接和输入结构中产生是一个重大挑战。在这里,我们研究了一类循环网络模型,其中的连通性是一个随机部分和一个最小的,低维结构的总和。我们表明,在此类网络中,动力学是低维的,并且可以使用几何方法直接从连通性推断。我们利用这种理解来确定实现特定计算所需的最小连接,并发现动态范围和计算能力随着连接结构的维数迅速增加。这个框架产生可测试的实验预测的连接,低维动力学和记录的神经元的计算功能之间的关系。
2018-08-28 q-bio.NC
A large dataset of human EEG responses to short naturalistic videos for studying dynamic visual event processing
Freie Universität Berlin(柏林自由大学);Charité – Universitätsmedizin Berlin(柏林夏里特医科大学);Humboldt-Universität zu Berlin(柏林洪堡大学);University of Amsterdam(阿姆斯特丹大学)
本文推出EEG Moments Dataset(EMD),含6名受试者观看1102段短自然视频的EEG与眼动数据,结合BMD可开展动态视觉事件大脑响应的时空解析研究,并公开数据及教程供使用。
2026-09-02 q-bio.NC
Discrete signaling mediates chaotic regularization in recurrent neural networks
The Hebrew University(希伯来大学);Jülich Research Centre(于利希研究中心);University College London(伦敦大学学院);EPFL(洛桑联邦理工学院);INFN Gruppo Collegato di Parma(帕尔马INFN协作组);RWTH Aachen University(亚琛工业大学)
通过结合核方法和动态平均场理论,揭示了混沌动力学如何在递归神经网络中引入局部粗糙度并保持全局平滑性,从而作为内在正则化器增强泛化能力,并解释了混沌网络如何维持平滑的群体编码。
2026-06-03 cond-mat.dis-nn q-bio.NC
Formation of Artificial Neural Assemblies by Biologically Plausible Inhibition Mechanisms
Federal University of Rio Grande do Sul(南里奥格兰德联邦大学);University of Exeter(埃克塞特大学);University of Sheffield(谢菲尔德大学)
本文提出E%-winners-take-all机制,结合皮层区域中兴奋性与抑制性神经元比例,改进了Assembly Calculus模型,使网络自身动态决定神经元集合大小并提升刺激恢复率。
2026-04-14 q-bio.NC
Quantifying Entrainment Evidence: A Comparison of Frequentist and Bayesian Approaches for Information Processing Pathway Maps
Tsinghua University(清华大学);University College London(伦敦大学学院)
比较频率主义与贝叶斯方法映射皮层夹带,贝叶斯方法保留核心优势并改变选择标准,通过听觉神经成像数据集评估性能和可解释性,探讨对系统神经科学的影响。
2026-07-08 q-bio.NC stat.AP
Interdigitated Columnar Representation of Personal Space and Visual Space in Human Parietal Cortex
个人空间(Personal Space,简称PS)是指人们喜欢在自己和不熟悉的人之间保持的距离。人际关系对特定人的侵入会引起不适,并促使进一步远离。我们假设顶叶皮层:1。PS处理涉及之前描述的威胁敏感大脑回路,以及2.距离的空间编码相应地从纯粹的感觉转换为PS相关。这些假设进行了测试,使用7T功能磁共振成像在高空间分辨率。在响应不同的视觉刺激的图像在一系列的虚拟距离,我们发现两类距离编码在顶叶皮层内的功能相应的列。首先,PD(个人距离)列选择性地响应移动和静止的人脸图像呈现在虚拟距离更近(但不是更远)比每个主题的行为定义的PS边界。在大多数PD列中,BOLD响应幅度随着虚拟面部接近度的增加而单调和非线性地增加。在剩余的PD列中,BOLD响应随着接近度的增加而降低。这些功能磁共振成像反应功能似乎与先前报道的主观不适水平和生理唤醒的变化有关,在侵入但不超出个人空间的过程中。第二,在顶叶皮层的DD(视差距离)列选择性地响应基于随机点刺激的近距离或远距离,像先前描述的枕叶皮层的视差选择性列。在顶叶皮层,地图的DD列系统不重叠(交错)与PD列。这些结果表明,空间信息的转换,从视觉到高阶,可以计算在多个小的网站,而不是在一个更大的皮质梯度,顶叶皮层。
2022-03-15 q-bio.NC
Predicting Artificial Neural Network Representations to Learn Recognition Model for Music Identification from Brain Recordings
Sony Computer Science Laboratories, Inc(索尼计算机科学实验室公司)
本研究反转了从人工神经网络(ANN)表示预测皮层表示的方向,利用ANN表示作为监督信号训练基于脑电图(EEG)的音乐识别模型,显著提升了分类准确率,为脑机接口与神经解码提供了新方法。
2024-12-20 cs.LG cs.SD eess.AS
Talking to the brain: Using Large Language Models as Proxies to Model Brain Semantic Representation
South China Normal University(华南师范大学);Center for Studies of Psychological Application, South China Normal University(华南师范大学心理应用研究中心);School of Psychology, South China Normal University(华南师范大学心理学院);Guangdong Key Laboratory of Mental Health and Cognitive Science, South China Normal University(华南师范大学广东省心理健康与认知科学重点实验室)
本文提出利用多模态大语言模型通过视觉问答策略提取自然图像语义,构建大脑语义网络,以预测fMRI神经活动并揭示皮层层级组织,克服传统标注局限。
2025-02-26 cs.AI cs.CL q-bio.NC