【计算神经科学冒险者们】2.4 神经编码:多样性(Neural Encoding: Variability)
为了完善这个模型,还有很多问题尚未解决。
1 神奇的高斯分布The magical Gaussian
当我们使用PCA这样的技术的时候,进行轴变换的时候保证了刺激的对称性。
2 什么时候能找到好的特征 When have you found a good feature or features?
- 什么时候对于我们的变量的输入输出曲线算是有趣的?
- 如何来量化这些有趣的现象?
2.1 我们什么时候算做好了? When have you done a good job?
第一个例子中:尖峰与刺激无关,由于输入输出曲线相似,那么得到的就是一条平平的无聊的曲线
除了PCA,我们是不是可以通过观察输入输出曲线的方法,来选取特征呢?
找到一个f使上面那个值达到最大
2.1.1最大信息熵维度 Maximally informative dimension
Poisson or not
Interspike interval distribution
除了刺激,神经元还受到1000个其他神经元的影响。
如何增加尖峰产生模型的准确率?
1.考虑细胞的激发历史;2.考虑细胞与其它细胞的作用。
The generalized linear model
Time-rescaling theorem
这周讲了很多技术,你应该得到一只泛化的线性狗狗【滑稽