神经编码
神经编码
-
将测量和描述的外部(物理,例如,光或声音强度)或内部(例如神经元接收到的计划的运动方向)输入转换为一系列动作电位
-
描述神经元对不同刺激的反应,并试图预测它们对新刺激的反应
神经解码
- 识别引起尖峰队列反应的刺激因素(或其特性)
速率编码假说
- 速率编码假说表明,峰值频率是编码信息的基本机制
峰值数频率
- 其实就是时间T内出现峰值次数之比,也即频率 r 。
刺激反应的关键环节
- 神经反应可以随着重复(试验)而不同,即使相同的刺激被反复出现。那么我们可以用 r 出现的平均值来代替 r
泊松脉冲发生器
-
我们需要一个统计模型,它允许我们根据对实际记录的响应的已知条件来估计任意峰值序列发生的概率
-
如果产生一个动作电势的概率与其他峰值的存在或时间无关,那么频率 r 是我们计算所有可能的动作电势序列所需的全部概率。
-
泊松过程提供了一个非常有用的随机神经元激励的近似方法
-
泊松随机过程产生一个整数、非负数的统计上独立的离散事件
综上,我们可以建立一个对于刺激 s 的响应的神经随机模型:
-
第一步,实验估计以得到频率 r e s t r_{est} rest
-
第二步,建立一个基于泊松分布的尖峰生成器
缺点:
-
没有考虑不应期
-
在实际神经元中,最小峰间距离受到限制