基于生物脉冲信号的视觉神经编码验证方法研究

研究界对如何对神经编码模型的性能度量还没有达成一个统一的评价标准。现有的主要编码度量方法是对神经编码模型的编码响应与真实生理响应之间的相似度进行度量。该文提出一种通过神经解码验证神经编码模型性能的方法。基于此方法构建了包括传统编码度量方法和神经解码度量方法的视觉脉冲信号编码验证框架,并基于动态视觉刺激下采集的蝾螈视网膜神经节细胞(RGC)脉冲信号数据集对此框架进行了实验验证。选择了具有动态视觉刺激脉冲响应编码能力的编码模型与性能先进的神经解码模型作为标准度量模型。实验从不同神经编码方式和不同维度全面地对3种神经编码模型的编码性能进行了度量。此外,实验结果表明,脉冲频率编码和脉冲计数编码两种编码方式对脉冲编码性能存在不可忽略的影响。

面向生物视觉的神经编码模型研究:进展与挑战

视觉系统通过神经元将丰富且密集的动态视觉刺激编码成时变的神经响应。探寻视觉刺激与神经响应之间函数关系是理解神经编码机理的一种常见手段。该文首先介绍了视觉系统的神经编码模型,归纳为两类:生物物理编码模型和人工神经网络编码模型。然后介绍了各种模型的参数估计方法。通过对比各种模型的特性,总结了各自的优势、应用场景及所存在问题。最后,对视觉编码研究的现状以及未来面对的挑战进行了展望。