递归网络改进神经反应预测并揭示基础皮层回路
摘要：使用前馈CNN模型预测视觉皮层的自然图像单神经元响应已经被证明是近年来的先进模型。本文中，我们通过引入递归卷积层来扩展这些模型，反映了皮层中已知的大规模递归，并展示出在三个猕猴V1和V2单神经元响应数据集上，在成千上万个超参数组合中，相对于前向模型，预测性能稳健的提升。我们提出递归电路可以被概念化为一种集合计算形式，每次迭代产生更有效的各种路径长度的前向路径组合，从而在最终近似中实现解决方案的组合。集合中路径的统计提供了我们递归模型之间差异性性能增加的见解。我们还评估了用于神经元响应预测的递归电路是否与皮层电路相关。我们发现，在长时间宽视场图像呈现训练的适当模型的递归电路中，隐藏单元呈现类似于V1神经元的时间响应动力学和经典的上下文改变。这项工作提供了递归电路计算基础的见解，并暗示神经元响应预测可能对于表征视觉皮层中的递归神经电路是有用的。
作者：Yimeng Zhang, Harold Rockwell, Sicheng Dai, Ge Huang, Stephen Tsou, Yuanyuan Wei, Tai Sing Lee
论文ID：2110.00825
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-11-15