[論文レビュー] Deciphering subsampled data: adaptive compressive sampling as a principle of brain communication

Guy Isely, Christopher J. Hillar+1 more|arXiv (Cornell University)|Nov 1, 2010

Neural dynamics and brain function参考文献 15被引用数 18

ひとこと要約

本稿では、神経集団が軸索線維のボトルneckを越えて伝達される部分的にサンプリングされた感覚入力から一貫性があり疎な表現を形成できる、新しい非教師あり学習アルゴリズムである適応的圧縮サンプリング（ACS）を提案する。ACSは、元の信号やスパース基底に関する事前知識がなくても、信号の意味的な表現を学習でき、従来の圧縮サンプリングと同等の再構成品質を達成するとともに、スタック可能な層間でも安定性を示す。

ABSTRACT

A new algorithm is proposed for a) unsupervised learning of sparse representations from subsampled measurements and b) estimating the parameters required for linearly reconstructing signals from the sparse codes. We verify that the new algorithm performs efficient data compression on par with the recent method of compressive sampling. Further, we demonstrate that the algorithm performs robustly when stacked in several stages or when applied in undercomplete or overcomplete situations. The new algorithm can explain how neural populations in the brain that receive subsampled input through fiber bottlenecks are able to form coherent response properties.

研究の動機と目的

• 軸索線維のランダムな接続と入力の部分的サンプリングによって伝達される信号を、神経集団がいかに解釈できるかを解決すること。
• 圧縮され不完全なデータから一貫性があり疎な表現を形成する非教師あり学習アルゴリズムを開発すること。
• 部分的にサンプリングされた入力にもかかわらず、視覚皮質の単純細胞に類似した受容野が、標的脳領域にどのように出現するかを説明すること。
• 脳領域間の機能的通信のために、信号の再構成が必ずしも必要でないことを示すこと。
• ACSが神経符号化に与える影響、特に局所的および長距離投射におけるスパarsityの違いについての予測を検討すること。

提案手法

• ACSは、元の信号やサンプリング行列の知識がなくても、部分的にサンプリングされた測定値を用いて非教師あり学習により疎な表現を発見する。
• アルゴリズムは、Lasso型の目的関数を最小化する反復最適化プロセスを用いて、圧縮データから辞書と疎なコードを直接学習する。
• 再構成行列（RM）は、訓練済みのACS回路に完全な信号を入力することで推定され、学習済み表現から信号の回復が可能になる。
• 本手法はスタック可能であり、信号を複数段階にわたり圧縮・再符号化しても、ガボール型の受容野構造を保持する。
• ACSは過完備および不完全な設定の両方で動作し、信号およびコードの次元数の変化に対して頑健であることが示された。
• 理論的分析により、収束後、ACSが再構成行列を介して正確な信号再構成を可能にする表現を生成することが証明された。

実験結果

リサーチクエスチョン

• RQ1 元の信号やサンプリング方式が不明な状態で、部分的にサンプリングされたデータから意味的な疎な表現を学習できるか？
• RQ2 遺伝的にガイドされたランダムな軸索線維経路を通じて、部分的にサンプリングされた入力しか受け取らない神経集団が、どのように一貫性のある受容野を形成できるか？
• RQ3 この学習メカニズムが、サイズや接続パターンが異なる脳領域間の通信に与える影響は何か？
• RQ4 提案されたアルゴリズムは、完全な信号にアクセスしない状態でも、従来の圧縮サンプリングと同等の圧縮および再構成性能を達成できるか？
• RQ5 局所的および長距離投射ニューロンにおける神経活動のスパarsityはどのように異なるか？また、このモデルはその差を予測できるか？

主な発見

• 図3の定量的比較により、ACSは従来の圧縮サンプリングと同等の再構成品質を達成していることが示された。
• ACSが学習した再構成行列（RM）は、部分的にサンプリングされたデータで訓練されたにもかかわらず、視覚皮質の単純細胞に類似した滑らかでガボール型の受容野を生成した。
• 図5に示すように、複数段階の処理ステージにわたってACSをスタックしても、信号の意味的な構造が保持され、頑健であることが確認された。
• ACSは過完備および不完全な設定の両方で効果的に機能し、コード次元数の柔軟性を示した。
• アルゴリズムは、元の信号やスパース基底にアクセスせずに疎な表現を学習できるため、生物学的に妥当な神経計算に適している。
• モデルは、長距離投射ニューロンの方が局所的投射ニューロンよりも発火が疎でないことを予測しており、検証可能な神経生物学的仮説を提示している。