人为什么能分辨图片---谈机器学习原理在神经解码中的应用

          信息传导是神经系统的关键问题，特定的神经元把外部刺激转换为神经编码，这些信息通过特定通道进入由几十亿神经元组成的大脑或神经中枢，并与其它信息合并。神经系统根据收到的信息做出决定，并通过运动指令使肌肉运动从而产生行为，这一系列活动是动物生存的必要条件。

       从神经系统生理学的角度来看，神经元是基本的编码单元，神经系统的信息传导通过神经放电的传导实现。神经科学的一个经典假说是神经元的尖峰放电是一个有或无事件，因此模拟的输入信号可以编码成由0和1组成的数字形式。神经编码总体可以分为两类，一是频率编码，即利用放电率的大小表征输入刺激的特征，而与具体放电时刻无关；二是放电时刻编码，即使两个刺激产生的放电率相同，也可以通过精确的放电时刻区分它们的不同。进一步由大量神经元产生的复杂时空编码形式，使输入信息得到更精细的描述，从而使神经系统表现出复杂的认知功能。解码是编码过程的逆过程，通过多个神经元的输出估计出刺激的形式，最典型的例子是人对大量不同图片的识别能力，下面以图片识别为例，说明神经系统对图片的编码解码。

      图1是苹果的信息通过眼睛传到大脑颞叶的相应神经元，通过插入微电极进行检测，发现神经元集群以一定形式的放电对苹果进行编码，我们可以通过一系列算法通过检测的信号反推出是什么刺激在发生作用。对于不同的刺激，神经编码的形式可能如下图所示，图2a表示刺激作用后两类神经元的放电形式，映射到二维平面后，很容易通过机器学习算法加以区分。

       这项研究的最大意义是为脑机接口的研究提供了基础。而设计算法最大的难点是如何对检测到的波形进行聚类分析，从而得到每类神经元的精确放电。

 

参考文献：R. Quian Quiroga,S. Panzeri, Extracting information from neuronal populations: information theory and decoding approaches, Nat Rev Neurosci, 2009, 10(3): 173-185.