¿Cómo leer un gráfico de curva de sintonización de neuronas?

De los comentarios:

Voy a aventurarme a adivinar que estas son neuronas que están sintonizadas en una dirección particular en el espacio y que el eje x es el ángulo en múltiplos de π radianes, particularmente porque están relacionados con el trabajo de Georgopoulos y colegas .

Como sabemos que estas son neuronas sintonizadas posicionalmente, puede ver algunos otros ejemplos en esta página de Wikipedia para ver algunos otros ejemplos.

Un código de población típico implica neuronas con una curva de sintonía gaussiana cuyas medias varían linealmente con la intensidad del estímulo, lo que significa que la neurona responde con mayor fuerza (en términos de picos por segundo) a un estímulo cercano a la media.

Entonces, como se mencionó anteriormente, la variable independiente aquí es la "intensidad" del estímulo (en este caso abstraída por la cantidad de dirección) y la tasa de disparo es la variable dependiente, de ahí sus posiciones en los ejes de la gráfica.

Para algunos de los estudios más teóricos de este tipo de fenómeno, definitivamente revisaría el trabajo de Emo Todorov , entre muchos otros, también.

Mi respuesta es que tienes los comienzos de una comprensión de la sintonía neuronal.

Pero el punto no es que las neuronas puedan representar funciones. El punto es generalmente que las neuronas contienen información sobre ciertas condiciones experimentales.

Más bien, las neuronas pueden representar funciones, pero en la mayoría de los casos tienden a representar algo más cercano a las proposiciones.

El trabajo seminal de Georgopoulos et al. se trataba de la codificación de la población. Claro que las neuronas estaban sintonizadas con el coseno, pero ciertas neuronas representan claramente ciertas posiciones de movimiento con mayor precisión que otras. Prefiero pensar en la neurona como una representación de la creencia de que el animal está alcanzando una dirección particular. Aquí su "x" sería el ángulo de alcance.

Esta misma intuición se puede aplicar al ajuste de orientación V1 como lo descubrieron Hubel y Wiesel. Aquí su "x" sería la orientación de la luz.

No quiere decir que la tasa de disparo no se pueda usar para representar una función. Según mi experiencia, es más exacto decir que la neurona suele representar algo más parecido a su creencia en la proposición de que "estoy alcanzando a la izquierda" o "veo una barra de luz horizontal en el centro de mi campo". de la visión".

Dentro del contexto del tutorial al que se hace referencia, este gráfico muestra el primer principio de la NEF, que es que las neuronas aproximan funciones codificándolas con sus índices de activación. Aquí la entrada se representa en el rango de 1 a -1. Lo que muestra el gráfico son las tasas de disparo de todas las neuronas dado el valor que se representa. Entonces digamos que tienes el valor 0.5. Las tasas de disparo de todas las neuronas se pueden encontrar observando sus valores de Y en x=0,5.

Para obtener más información sobre la codificación y decodificación (cómo recuperar la información de una población de neuronas), consulte este tutorial de NEF .

Al modelo no le importa qué es x .

Primero crea una población de 100 neuronas para representar una entrada que variará de -1 a 1.

Esa entrada, que varía de -1 a 1, es x . Para las neuronas sensoriales, la variable x probablemente representaría una transformación de algún aspecto del estímulo sensorial (p. ej., el ángulo visual, el nivel de sonido o la temperatura), pero puede ser lo que quieras que sea.