网络算法与皮层模型中信息整合的出现
摘要：一种称为综合信息理论（IIT）的信息理论框架最近被引入用于研究大脑中意识的出现。 IIT声称这种现象应与大脑产生的信息超过大脑构成部分独立产生的信息等同。 IIT的建模假设并不完全可信，而且由于其主要定义中嵌入了严重的组合增长，所以无法进行测试。在这里，我们介绍了一种替代IIT的方法，虽然受到类似信息理论原理的启发，但在一定程度上解决了IIT的一些缺点。我们的替代框架使用了我们之前介绍的相同的网络算法皮质模型，并为了相对于IIT具有一定的改进可测试性，采用了信息增益和总关联的众所周知的概念，应用于代表模型动态中消息到达神经元的可达性的一组变量。我们认为这两个量之间存在某种关系，可以用来量化系统在产生不依赖于整合的信息之外的信息方面的效率，并对我们的皮质模型及其变体进行了计算结果，这些变体在结构上要么是类似于Erdos-Renyi随机有向图的随机结构，要么是结构确定的。我们发现，我们的皮质模型在一定程度上优于其他模型，因为它的许多实例能够比大多数其他实例更有效地整合信息。
作者：Andre Nathan, Valmir C. Barbosa
论文ID：1012.5649
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2011-07-11