arXiv q-bio.NC（Neurons and Cognition）·· 3 小时前AI 评分38
从大规模神经活动中推断皮层规范分布式计算：arXiv 论文提出数学框架
Inferring Inference
AI 导读
arXiv 论文提出一个整合规范性与算法性神经计算理论的数学框架，用于从大规模神经活动模式中推断皮层的规范分布式计算。该框架假设大脑学习环境及其潜在原因的结构化内部模型，并将推断过程建模为图结构模型上的非线性消息传递算法，可识别潜在变量的神经表征、变量间交互及消息函数。研究在模拟大脑产生的人工神经记录上完成验证，成功恢复了潜在变量、其神经表征与动力学以及规范消息函数。
AI 要点
团队
第一作者 Rajkumar Vasudeva Raju，末位作者 Xaq Pitkow，共 4 位作者。
主要结果
在模拟脑数据上成功恢复潜在变量、其神经表征与动力学，以及支配动力学的规范消息函数。
解决什么问题
提出数学框架，从大规模神经活动中推断规范的分布式计算，以应对分布式表征难以对应单神经元变换的挑战。
方法
规范层面假设大脑学习环境及潜在原因的结构化内部模型；算法层面假设推理为图结构模型上的非线性消息传递；分析模拟脑生成的神经记录。
局限
从研究设计看，演示仅基于人工神经记录与模拟脑，未使用真实神经数据。
AI 依据原文整理，未经人工核对。
来源：arXiv q-bio.NC（Neurons and Cognition） · arxiv.org