[论文解读] Role of correlations in population coding

Peter E. Latham, Yasser Roudi|arXiv (Cornell University)|Sep 29, 2011

Neural dynamics and brain function参考文献 78被引用 11

一句话总结

本文研究了神经元动作电位相关性在群体编码中的功能作用，认为相关性可携带超出发放率的信息。通过信息论方法，研究发现尽管相关性在最优解码中常为冗余，但在大规模神经元群体中可显著加速解码过程——在包含约100个视网膜神经节细胞的群体中，引入相关性使解码速度提高了三倍。

ABSTRACT

Correlations among spikes, both on the same neuron and across neurons, are ubiquitous in the brain. For example cross-correlograms can have large peaks, at least in the periphery, and smaller -- but still non-negligible -- ones in cortex, and auto-correlograms almost always exhibit non-trivial temporal structure at a range of timescales. Although this has been known for over forty years, it's still not clear what role these correlations play in the brain -- and, indeed, whether they play any role at all. The goal of this chapter is to shed light on this issue by reviewing some of the work on this subject.

研究动机与目标

• 确定神经元动作电位之间的相关性是否携带仅由发放率所无法表达的信息。
• 评估相关性在神经群体编码中的功能意义，尤其是在真实神经计算背景下的作用。
• 评估相关性是否对大脑准确或高效解码感觉刺激是必要的。
• 探讨在大脑无法获取独立响应分布的前提下，相关性如何影响神经系统的学习与近似计算。
• 通过分析相关性虽冗余却仍具优势的案例，挑战‘噪声相关性始终对解码至关重要’的假设。

提出的方法

• 基于条件响应分布 p(r|s)，使用贝叶斯推断推导在给定刺激 s 的情况下，基于动作电位响应 r 的后验分布 p(s|r)。
• 引入度量 ΔI，用于量化假设神经元独立与包含相关性的模型之间在解码性能上的差异。
• 采用信息论分析，比较在假设响应独立与相关时的解码准确率与速度。
• 利用模拟数据和实证数据（如视网膜神经节细胞数据）检验引入相关性后解码性能的提升程度。
• 分析 ΔI > 0（即相关性具有影响）但线性分类器在独立假设下表现与相关假设下同样优异的案例，揭示 ΔI 作为度量的局限性。
• 在评估相关性作用时，考虑大脑的限制条件，如依赖相关响应以及使用近似解码器。

实验结果

研究问题

• RQ1 动作电位相关性是否携带未被发放率编码的信息？若存在，其条件是什么？
• RQ2 相关性的存在如何影响从神经群体活动解码感觉刺激的准确率与速度？
• RQ3 当 ΔI > 0 时，线性分类器是否仍能在独立与相关响应假设下表现相当？
• RQ4 为何尽管在最优解码中相关性是冗余的，它们在进化上仍具有优势？
• RQ5 在大脑无法获取独立响应分布的前提下，相关性如何影响神经网络中的学习与近似计算？

主要发现

• 在许多情况下，大脑仅使用单个神经元的响应分布即可实现接近最优的解码，表明相关性在最优推断中常为冗余。
• 尽管存在冗余，相关性可显著提升解码速度——在约100个视网膜神经节细胞的群体中，引入相关性使解码速度提高了三倍。
• ΔI 度量虽可量化独立与相关模型之间的解码性能差异，但即使在次优解码器在两种假设下表现相同时，ΔI 仍可能非零。
• 存在相关性并非准确解码所必需的情况，即使 ΔI > 0，表明 ΔI 并不可靠地反映相关性的功能重要性。
• 大脑无法获取独立响应分布，因此真正的问题并非相关性是否影响最优解码，而是它们如何影响学习与近似计算。
• 本研究强调，大规模神经元群体对揭示相关性的真实功能作用至关重要，因为在小群体中相关性的影响常被掩盖。