基于脉冲的特征检测：贪婪方法
摘要：一种基本的神经过程的目标是构建一个有效的编码，从感觉输入中提取相关信息。人们相信这是通过在皮层区域中实现的，它通过动态提取与感觉信号对应的最可能的参数的基本推理计算来实现。在这里，我们探讨了一个神经仿真的前馈模型的原理，这个模型解决了在信号可以用鲁棒的线性生成模型描述的情况下的问题。这个模型使用了一个过完备的原语字典，它提供了输入特征的分布概率表示。基于效率准则，我们导出了一个近似解的算法，它使用增量贪婪推理过程。这个算法类似于“匹配追踪(Matching Pursuit)”并模仿了神经计算的并行结构。我们在这里提出了一个简单的实现，使用一个由尖峰积分和火神经元组成的网络，通过侧面交互进行通信。数值模拟表明，这种稀疏尖峰编码策略提供了一个有效的模型来表示一组自然图像的视觉数据。尽管它很简化，但将空间数据转化为二进制事件的时空模式提供了对生物神经网络的尖峰活动中观察到的一些复杂神经模式的准确描述。
作者：Laurent Perrinet (INCM)
论文ID：q-bio/0611003
分类：Neurons and Cognition
分类简称：q-bio.NC
提交时间：2007-05-23