量化神经流形中的外曲率
摘要：神经流形假设假设神经群体的活动形成一个低维流形，其结构反映了编码的任务变量的结构。在这项工作中，我们结合了拓扑深度生成模型和外蕴黎曼几何，引入了一种研究神经流形结构的新方法。该方法(i)计算流形的显式参数化，(ii)估计其局部外蕴曲率，从而量化其在神经状态空间中的形状。重要的是，我们证明了我们的方法对于不具有有意义的神经科学信息的变换是不变的，如神经元记录顺序的置换。我们通过实验证明，我们能够在真实的噪声水平下准确估计由圆、球体和环面的平滑变形生成的综合流形的几何形状。我们还通过模拟和真实的神经数据验证了我们的方法，显示出我们能够恢复出已知存在于海马场细胞中的几何结构。我们期望这种方法能够开辟出研究感知和行为的几何神经相关性的新途径。
作者：Francisco Acosta, Sophia Sanborn, Khanh Dao Duc, Manu Madhav, Nina Miolane
论文ID：2212.10414
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2023-04-26