[论文解读] 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 4

一句话总结

该论文提出，当信号通过幂律核的和来近似时，单个神经脉冲不仅编码放电率，还能编码信号的分数阶导数。通过使用具有幂律不应期的简单阈值脉冲神经元，该方法实现了对长记忆、自相似信号的更高效编码——在保持相同信噪比（SNR）的情况下，所需脉冲数少于使用指数核的一半，从而通过加权解码实现自然的时间滤波。

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.

研究动机与目标

• 建立单个脉冲序列与神经信号分数阶导数之间的机制联系。
• 研究当信号通过幂律核近似时，脉冲序列是否能表示信号的分数阶导数。
• 证明使用阈值法结合幂律不应期的在线、贪心脉冲生成机制，可高效编码缓慢变化、长记忆的信号。
• 展示通过加权和幂律核对脉冲序列进行解码，可实现自然且透明的时间滤波。
• 比较基于幂律核与指数衰减核在脉冲数和信号保真度方面的编码效率。

提出的方法

• 将信号近似为衰减形式为 $1/(t - t_i)^\beta$ 的平移幂律核之和。
• 使用具有幂律衰减不应期的标准阈值脉冲神经元生成脉冲。
• 实现一种在线、贪心的脉冲生成过程，当累积近似误差超过阈值时触发脉冲。
• 通过对接收脉冲序列应用幂律核的加权和来实现信号重建。
• 调节解码核的权重以实现期望的时间滤波行为。
• 使用信噪比（SNR）和脉冲数等指标，比较幂律核与指数衰减核在编码效率上的差异。

实验结果

研究问题

• RQ1 当信号通过幂律核近似时，脉冲序列能否被解释为信号的分数阶导数？
• RQ2 对于长记忆信号，幂律核近似与指数衰减核近似在脉冲序列编码效率上如何比较？
• RQ3 接收神经元在调整解码核权重时，能在多大程度上实现透明的时间滤波？
• RQ4 脉冲序列对信号的表征与神经计算中的预测编码原理有何关联？
• RQ5 幂律不应期在实现对缓慢变化、自相似信号的高效编码中起什么作用？

主要发现

• 当信号通过幂律核之和近似且指数为 $\beta$ 时，脉冲序列本身对应于信号的分数阶导数，其中分数阶导数阶数 $\alpha = 1 - \beta$。
• 对于长记忆、自相似信号（如分数布朗运动），使用幂律核近似实现相同信噪比（SNR）所需的脉冲数少于使用指数核的一半。
• 该方法成功编码了正弦调制的白噪声信号，脉冲序列的‘瞬时发放率’保留了相位信息，并在包络后沿表现出抑制，尤其在幂律指数较低时更为明显。
• 通过加权和幂律核进行解码，可实现自然且透明的时间滤波，支持基于核权重调节的信号选择性处理。
• 非耦合编码（即正负脉冲分别由独立神经元生成）在快速变化信号中表现优于耦合编码，但快速极性变化会降低性能。
• 该模型与神经适应的实验观测一致，支持分数阶导数可自然从脉冲神经元的幂律动力学中涌现的假设。