Modeling response properties of V2 neurons using a hierarchical K-means model
Modeling response properties of V2 neurons using a hierarchical K-means model
复制标题
使用分层 K 均值模型对 V2 神经元的响应特性进行建模
DOI：
10.1016/j.neucom.2013.07.052
复制
发表时间：
2014-06
期刊：
影响因子：
6
通讯作者：
Zhang, Bo
中科院分区：
文献类型：
--
作者：
Hu, Xiaolin;Zhang, Jianwei;Qi, Peng;Zhang, Bo
人们提出了许多计算模型来解释初级视觉皮层（V1）神经元的特性。但用于解释 V1 以外神经元特性的模型相对较少。最近，人们发现稀疏深度信念网络（DBN）在自然图像上训练时可以重现次级视觉皮层（V2）神经元的一些属性。在本文中，通过研究稀疏 DBN 成功的关键因素，我们提出了一种基于简单算法 K-means 的层次模型，该模型可以通过竞争性 Hebbian 学习来实现。所得模型表现出 V2 神经元的一些响应特性，并且比稀疏 DBN 更具生物学可行性和计算效率。
Many computational models have been proposed for interpreting the properties of neurons in the primary visual cortex (V1). But relatively fewer models have been proposed for interpreting the properties of neurons beyond V1. Recently, it was found that the sparse deep belief network (DBN) could reproduce some properties of the secondary visual cortex (V2) neurons when trained on natural images. In this paper, by investigating the key factors that contribute to the success of the sparse DBN, we propose a hierarchical model based on a simple algorithm, K-means, which can be realized by competitive Hebbian learning. The resulting model exhibits some response properties of V2 neurons, and it is more biologically feasible and computationally efficient than the sparse DBN.
登录
查看更多内容
DOI：
10.1080/1361126032000138373
发表时间：
2003-12
期刊：
Mentoring & Tutoring: Partnership in Learning
影响因子：
--
作者：
Lyn D. English;Joanne Mulligan;Lynn M. McGarvey;N. Jamison
通讯作者：
Lyn D. English;Joanne Mulligan;Lynn M. McGarvey;N. Jamison
影响因子：
3.5
作者：
E. Muñoz‐Martinez
通讯作者：
E. Muñoz‐Martinez
DOI：
10.1016/j.wsif.2018.05.011
发表时间：
2018-09
期刊：
Women's Studies International Forum
影响因子：
--
作者：
J. Khang
通讯作者：
J. Khang
影响因子：
2.6
作者：
V. Straškrabová
通讯作者：
V. Straškrabová
影响因子：
3.7
作者：
T. Burr
通讯作者：
T. Burr