[论文解读] Neural and perceptual signatures of efficient sensory coding

Deep Ganguli, Eero P. Simoncelli|arXiv (Cornell University)|Feb 29, 2016

Neural dynamics and brain function参考文献 41被引用 21

一句话总结

本文提出，感觉系统中的神经种群编码在代谢约束下通过优化实现高效信息传输，采用具有可变调谐宽度和增益的异质神经元种群。该理论预测神经调谐与感知辨别力会随环境刺激统计特性而变化，且跨视觉与听觉系统的实证数据高度准确地验证了这一预测。

ABSTRACT

The mammalian brain is a metabolically expensive device, and evolutionary pressures have presumably driven it to make productive use of its resources. For sensory areas, this concept has been expressed more formally as an optimality principle: the brain maximizes the information that is encoded about relevant sensory variables, given available resources. Here, we develop this efficiency principle for encoding a sensory variable with a heterogeneous population of noisy neurons, each responding to a particular range of values. The accuracy with which the population represents any particular value depends on the number of cells that respond to that value, their selectivity, and their response levels. We derive the optimal solution for these parameters in closed form, as a function of the probability of stimulus values encountered in the environment. This optimal neural population also imposes limitations on the ability of the organism to discriminate different values of the encoded variable. As a result, we predict an explicit relationship between the statistical properties of the environment, the allocation and selectivity of neurons within populations, and perceptual discriminability. We test this relationship for three visual and two auditory attributes, and find that it is remarkably consistent with existing data.

研究动机与目标

• 解释为何感觉系统中的神经种群表现出异质性调谐曲线与响应增益，而非同质性。
• 解决缺乏统一理论将神经异质性与环境统计特性及感知表现相联系的问题。
• 检验视觉与听觉中观察到的神经与感知异质性是否符合基于信息最大化与代谢约束的最优性原则。
• 量化神经种群编码如何在细胞密度、调谐宽度与增益存在变异性的情况下实现近似最优的信息传输。

提出的方法

• 将感觉编码形式化为在神经元数量（N）与总动作电位发放率（R）约束下的信息最大化问题。
• 利用经过变形与缩放的调谐曲线种群，推导出最优神经种群配置，其函数形式依赖于环境刺激分布 p(s)。
• 以泊松分布的发放率建模神经元响应，并通过调制调谐曲线，利用费希尔信息量来界定感知辨别力。
• 使用10,000次采样的蒙特卡洛积分方法，估算神经响应与刺激之间的归一化互信息。
• 将归一化信息 I_norm 定义为衡量指标，用于比较实际神经种群与同质种群及最优异质种群的表现。
• 将高斯、伽马与对数高斯分布的调谐曲线拟合至生理数据，并调节增益以匹配总资源约束（R）

实验结果

研究问题

• RQ1 环境中刺激出现的分布如何塑造神经调谐曲线的组织方式？
• RQ2 视觉与听觉系统中观察到的神经种群在多大程度上接近理论上的信息论最优感官编码？
• RQ3 神经异质性（包括调谐宽度、增益与密度）与感知辨别力之间存在何种关系？
• RQ4 是否存在一个统一理论，能够解释不同感觉模态中神经与感知异质性的共性？
• RQ5 代谢约束（N 与 R）如何影响编码精度与种群效率之间的权衡？

主要发现

• 通过信息最大化推导出的最优神经种群配置预测：调谐宽度与局部刺激密度成反比，增益受刺激概率调制。
• 在空间频率、听觉频率、调制频率与速度等维度上，观察到的神经种群传输的归一化信息值极接近1（例如，0.98–0.99），表明其表现接近最优。
• 感知辨别力阈值（如韦伯定律）被理论良好预测，其中速度的预测环境分布与自然场景中观察到的“慢速速度先验”一致。
• 该理论能准确预测跨模态的调谐曲线宽度与增益，即使生理数据在这些参数上表现出显著变异性。
• 归一化互信息度量证实，实际观察到的神经种群优于同质种群，并在所有测试资源约束下接近理论最优。
• 稳健性检验表明，结果对所建模调谐曲线形状（高斯 vs. 抬升余弦）不敏感，证实了研究发现的普适性。