Europe PMC（eLife · Journal of Neuroscience）· Ogino M, Sekizawa D, Kitazono J, Oizumi M.·2026-10-13 08:00· 12 天前AI 评分33

如何为神经科学中的系统辨识设计最优扰动输入

Designing optimal perturbation inputs for system identification in neuroscience.

AI 导读

一项理论研究提出数据驱动且具理论基础的框架，将神经模型表述为控制系统，用于优化设计扰动输入以降低神经连接估计误差。分析表明，按该框架设计的扰动在神经状态分类与神经状态最优控制等仿真中，系统辨识精度显著优于基于直觉的常规输入。该框架还厘清了频率、脉冲与阶跃等常用刺激模式与该理论的关系。

AI 要点

团队

Ogino M、Sekizawa D、Kitazono J、Oizumi M

主要结果

按该框架设计的扰动输入，在多项仿真中比基于直觉的常规输入实现更准确系统辨识

解决什么问题

被动（自发）活动信息有限，扰动输入此前多凭经验或生物学直觉设计

方法

将神经模型表述为控制系统，推导使辨识误差最小的扰动输入理论，并与频率、脉冲、阶跃等刺激模式对照；用仿真验证

局限

从研究设计看，结论来自理论分析与仿真，未在真实神经数据或实验中验证

AI 依据原文整理，未经人工核对。