[論文レビュー] Fractionally Predictive Spiking Neurons

Sander M. Bohté, Jaldert O. Rombouts|arXiv (Cornell University)|Oct 29, 2010

Neural dynamics and brain function参考文献 21被引用数 4

ひとこと要約

本論文では、信号が累乗法則カーネルの和によって近似される場合、個々の神経パルスが発火頻度だけでなく、信号の分数階微分を符号化できることを提案している。累乗法則の不活性期を示す単純なしきい値によるスパイクニューロンを用いることで、長記憶性で自己同形な信号の符号化がより効率的に行える。指数的カーネルと比較して、同等の信号対雑音比（SNR）を達成するのにスパイク数が半分未満で済む。重み付き復号により自然な時間フィルタリングが可能となる。

ABSTRACT

Recent experimental work has suggested that the neural firing rate can be interpreted as a fractional derivative, at least when signal variation induces neural adaptation. Here, we show that the actual neural spike-train itself can be considered as the fractional derivative, provided that the neural signal is approximated by a sum of power-law kernels. A simple standard thresholding spiking neuron suffices to carry out such an approximation, given a suitable refractory response. Empirically, we find that the online approximation of signals with a sum of power-law kernels is beneficial for encoding signals with slowly varying components, like long-memory self-similar signals. For such signals, the online power-law kernel approximation typically required less than half the number of spikes for similar SNR as compared to sums of similar but exponentially decaying kernels. As power-law kernels can be accurately approximated using sums or cascades of weighted exponentials, we demonstrate that the corresponding decoding of spike-trains by a receiving neuron allows for natural and transparent temporal signal filtering by tuning the weights of the decoding kernel.

研究の動機と目的

• 個々のスパイクトレインと神経信号の分数階微分の間の機構的関係を確立すること。
• 信号が累乗法則カーネルの和で近似される場合、スパイクトレインが信号の分数階微分を表現できるかどうかを調査すること。
• しきい値による累乗法則不活性期を用いたオンラインでグリーディにスパイクを生成することで、ゆっくり変化する長記憶性信号の効率的符号化が可能であることを示すこと。
• スパイクトレインを累乗法則カーネルの重み付き和で復号することで、自然かつ透明な時間フィルタリングが可能であることを示すこと。
• スパイク数と信号忠実度の観点から、累乗法則カーネル符号化と指数的減衰カーネルの間の効率性を比較すること。

提案手法

• 信号を $1/(t - t_i)^\beta$ のように減衰するシフトされた累乗法則カーネルの和として近似する。
• 累乗法則減衰を示す不活性応答を有する標準的なしきい値によるスパイクニューロンを用いてスパイクを生成する。
• 累積近似誤差がしきい値を超えるとスパイクを発生させるオンラインでグリーディなスパイク生成プロセスを実装する。
• 元の信号を再構築するために、スパイクトレインに累乗法則カーネルの重み付き和を適用して復号する。
• 復号カーネルの重みを調整して、望ましい時間フィルタリング動作を達成する。
• 信号対雑音比（SNR）とスパイク数を指標として、累乗法則カーネルと指数的減衰カーネルの間で符号化効率を比較する。

実験結果

リサーチクエスチョン

• RQ1 累乗法則カーネル近似によって近似された信号に対して、スパイクトレインを分数階微分として解釈できるか？
• RQ2 長記憶性信号に対して、累乗法則カーネル近似と指数的減衰カーネル近似の間で、スパイクトレイン符号化の効率性はどのように異なるか？
• RQ3 受信ニューロンが復号カーネルの重みを調整することで、どの程度透明な時間フィルタリングを実現できるか？
• RQ4 スパイクトレインによる信号表現は、神経計算における予測符号化原理とどのように関係するか？
• RQ5 累乗法則不活性期は、ゆっくり変化する自己同形信号の効率的符号化をどのように可能にするか？

主な発見

• 信号が指数 $\beta$ の累乗法則カーネルの和で近似される場合、スパイクトレイン自体が信号の分数階微分に対応し、分数階微分の次数 $\alpha = 1 - \beta$ となる。
• 分数ブラウン運動のような長記憶性・自己同形信号に対して、累乗法則カーネル近似は、指数的カーネル近似と同等の信号対雑音比（SNR）を達成するのにスパイク数が半分未満で済む。
• スパイクトレインの「即時の発火率」は、白色ノイズを正弦波で変調した信号を効果的に符号化できており、位相情報を保持している。特に累乗法則指数が小さい場合、信号の「裏面」で抑制が顕著に観察された。
• 累乗法則カーネルの重み付き和を用いた復号プロセスにより、自然かつ透明な時間フィルタリングが可能となり、カーネルの重みを調整することで信号処理を選択的に制御できる。
• 正と負のニューロンを別々に処理する非結合的符号化は、急激に変化する信号に対して結合的符号化を上回ったが、極性の変化が速い場合には性能が低下した。
• モデルは神経適応の実験的観察と整合しており、分数階微分が累乗法則ダイナミクスがスパイクニューロンに自然に現れることを支持する。