使用脉冲事件时间编码静态自然图像：神经元是否协作？
摘要：在这项研究中，我们研究了视觉处理的功能性神经仿真模型，以了解中枢神经系统中的时间性尖峰编码可能的策略。首先，我们介绍了Van Rullen和Thorpe引入的视网膜模型，该模型使用正交小波变换来表示图像的多尺度对比度值。这些模拟值激活一组尖峰神经元，每个神经元发射一次脉冲来产生异步脉冲波。根据这个模型，通过使用与自然图像确定的系数的统计规律，图像可以逐步从这个脉冲波中重建。在这里，我们通过数学方法研究了这种时态表示所携带的信息传递质量如何随时间变化。特别是，我们研究了如何利用这些规律，通过使用神经元的时间合作形式来编码模拟值，来优化信息传递。原始模型使用的小波变换接近正交。然而，现实中的神经元的选择性重叠，我们提出了一个通过添加滤波器之间的空间合作来扩展先前模型的方法。该模型扩展了先前方案，适用于图像中任意的--可能不正交--特征表示。特别是，我们比较了越来越超完备的表征在视网膜中的性能。结果表明，这种算法为低层次的视觉处理提供了一种有效的尖峰编码策略，可以适应视觉输入的复杂性。
作者：Laurent Perrinet (INCMI), Manuel Samuelides (ONERA/DTIM), Simon Thorpe (CERCO)
论文ID：q-bio/0611002
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2007-05-23