NEF
Representation
Transformation
LIF Neuron Model
Encoding
这是NEF的第一个principle,说的是大脑会把某些讯号encode成一些pattern,直觉的就是当有刺激通过你比如视觉进入你的大脑,你的大脑其实会吧这个刺激变成一些电信号,之所要变成电信号是为了。
这边有一个公式,描述的就是这样的事情:当有神经电流刺激时,cell会发出什么样的spike,公式写成
ak(x)=Gk[Ik(x)] a k ( x ) = G k [ I k ( x ) ]
其中 Gk G k 指的是activation function(定义 Ik(x) I k ( x ) 超过多少阈值便发出spike,然后spike的频率以及大小map到不同的刺激 x x ,比如持续看到红色我的某一部分大脑会:每5秒产生等间隔的产生10个大小为3A的spike然后休息2秒,这样大脑把
看到红色
encode成了上面的这一段描述)。
但是有一个问题,如果如上面所说,如果要考虑到持续收到 ,这样必然要考虑到时间:时间域上的spike算是encoding。然而这样会有一些问题,特别是在decode的时候。比如要如何decode?考虑到encode是整个时间域上的spike的序列,要怎么样把一个在整个时间域上的东西decode应该是蛮棘手的问题。所以我们可以做个变通:简单的把spike的频率(spike rate)当作是对 x x 的encode。换句话说,这个公式就很简单了:给我一个