稀疏脉冲编码：神经科学在自然图像处理中的应用
摘要：生物视觉对于识别和追踪复杂混乱背景中的物体等简单任务具有高效性，而现代计算机在某些专门任务中有时优于人类，例如下棋或浏览大型数据库。本文旨在概述中枢神经系统结构中关于视觉的动态、并行和事件驱动表示的尝试。我们将通过展示在信号匹配框架中，L/LN（线性/非线性）级联可以有效地将感知信号转化为神经尖冲信号，并将此框架应用于模型视网膜，以说明这一点。然而，当使用超完备基作为建模主视觉皮层的必要条件时，这种编码变得多余：因此，我们通过增加编码的稀疏性来优化效率成本。这通过使用侧向相互作用传播和消除冗余信息来实现。我们将比较这种表示的效率，以编码长度作为重建质量的函数。这将对匹配追踪算法进行修改，其中ArgMax函数被优化为竞争或Competition Optimized Matching Pursuit（COMP）。我们将特别关注神经科学与图像处理的桥梁以及这种跨学科方法的优势。
作者：Laurent Perrinet (INCM)
论文ID：0804.4830
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2009-11-13