[论文解读] Learning quadratic receptive fields from neural responses to natural stimuli

Kanaka Rajan, Olivier Marre+1 more|arXiv (Cornell University)|Sep 1, 2012

Neural dynamics and brain function参考文献 104被引用 36

一句话总结

本文提出了一种统一框架，通过结合信息论方法与似然估计方法，推断神经元中的二次接收场。结果表明，通过噪声熵或刺激能量最大化尖峰信息，在形式上等价于对尖峰触发分布进行贝叶斯模型平均，从而在对神经响应统计特性假设极少的前提下，实现从自然刺激中稳健推断二次依赖关系。

ABSTRACT

Models of neural responses to stimuli with complex spatiotemporal correlation structure often assume that neurons are only selective for a small number of linear projections of a potentially high-dimensional input. Here we explore recent modeling approaches where the neural response depends on the quadratic form of the input rather than on its linear projection, that is, the neuron is sensitive to the local covariance structure of the signal preceding the spike. To infer this quadratic dependence in the presence of arbitrary (e.g. naturalistic) stimulus distribution, we review several inference methods, focussing in particular on two information-theory-based approaches (maximization of stimulus energy or of noise entropy) and a likelihood-based approach (Bayesian spike-triggered covariance, extensions of generalized linear models). We analyze the formal connection between the likelihood-based and information-based approaches to show how they lead to consistent inference. We demonstrate the practical feasibility of these procedures by using model neurons responding to a flickering variance stimulus.

研究动机与目标

• 开发一种系统化的方法，用于在传统线性模型失效时推断感觉神经元中的二次接收场。
• 弥合信息论推断（例如，最大化刺激能量或噪声熵）与似然估计方法（例如，贝叶斯尖峰触发协方差）之间的鸿沟。
• 证明在任意自然刺激分布下，推断神经响应中二次依赖关系的可行性。
• 表明在时间窗极小时，模型平均似然与信息最大化收敛，从而在形式上建立两种推断范式之间的等价性。

提出的方法

• 采用马尔可夫链模型，其中刺激通过线性或二次滤波器（θ1）投影，尖峰计数通过无约束的条件分布 π(y|x)（θ2）生成。
• 通过在所有可能的尖峰-响应映射 π(y|x) 上积分，使用对有效条件分布的非信息性（均匀）先验进行模型平均。
• 推导出每时间窗的对数似然 L = ˜I(y;x) − ˜S(y) − Λ，其中 Λ 是依赖于经验分布与模型分布之间 Kullback-Leibler 散度的校正项。
• 证明在小时间窗极限（每窗0或1个尖峰）下，最大化尖峰特异性信息 Ispike 等价于最大化模型平均似然 L。
• 证明在模型平均下，信息最大化（例如，最大化噪声熵或刺激能量）与似然估计推断在形式上等价。
• 通过模拟响应闪烁方差刺激的模型神经元验证该方法，显示不同方法间推断结果的一致性。

实验结果

研究问题

• RQ1 能否在形式上将信息论推断方法（如最大化噪声熵或刺激能量）与二次接收场的似然估计方法相联系？
• RQ2 对尖峰-响应映射进行模型平均是否能产生一致且稳健的似然估计，用于二次滤波器推断？
• RQ3 在时间窗极小的极限下，信息最大化与似然估计推断如何收敛？
• RQ4 在不假设尖峰-响应函数具有特定参数形式的前提下，能否从神经元对自然刺激的响应中可靠推断出二次接收场？
• RQ5 对尖峰-响应映射的先验假设在确保推断过程收敛方面起什么作用？

主要发现

• 在小时间窗极限下，模型平均似然 L 在形式上等价于最大化尖峰特异性信息 Ispike，从而在信息最大化与似然估计推断之间建立了直接联系。
• 当数据量 T 增大时，若先验为真实分布分配非零概率，则校正项 Λ 消失，确保推断过程的一致性。
• 对于条件分布 π(y|x) 的均匀先验，校正项 Λ 可解析计算，且随数据增加而衰减，验证了该方法的有效性。
• 该方法成功从对闪烁方差刺激的模拟神经响应中推断出二次接收场，证明了其实际可行性。
• 由于对 π(y|x) 进行非参数积分，即使真实尖峰-响应函数未被参数化假设，该方法仍保持稳健。
• 在最小假设下，信息推断与似然推断之间存在形式等价性，使得从真实神经记录中实现可靠推断成为可能。