arXiv q-bio.NC（Neurons and Cognition）·· 9 天前AI 评分48
高维神经编码中的互信息估计：蒙特卡洛框架可扩展至 1 万神经元
Mutual Information in High-Dimensional Neural Coding
AI 导读
研究者提出一种蒙特卡洛框架，通过从单神经元响应拟合的条件独立群体模型采样，估计大规模神经群体的互信息，可校正有限数据偏差并准确还原解析基准。该方法可扩展至视觉皮层、海马和视网膜的 100 至 10,000 个神经元的实测记录。跨系统结果显示，刺激不确定性随群体规模呈指数衰减，揭示出高维神经编码的简单标度律。
AI 要点
团队
第一作者 Zimo Li，末位作者 Christopher W. Lynn，共 4 位作者。
主要结果
估计器能准确还原解析基准、校正有限数据偏差；跨系统刺激不确定性随群体规模指数衰减，呈现高维神经编码的简单标度律。
解决什么问题
大规模神经群体中互信息估计受可能神经响应模式指数增长的制约。
方法
用蒙特卡洛框架，从单神经元响应拟合的条件独立群体模型采样；可扩展至视觉皮层、海马和视网膜的 100 至 10,000 个神经元记录。
局限
从研究设计看，估计依赖由单神经元响应拟合的条件独立群体模型。
AI 依据原文整理，未经人工核对。
来源：arXiv q-bio.NC（Neurons and Cognition） · arxiv.org