Sparse connectivity for MAP inference in linear models using sister mitral cells
Sparse connectivity for MAP inference in linear models using sister mitral cells
复制标题
使用姐妹二尖瓣细胞在线性模型中进行 MAP 推断的稀疏连接
DOI：
10.1101/2021.06.28.450144
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Tootoonian S
中科院分区：
文献类型：
--
作者：
Tootoonian S
感觉处理是困难的，因为感兴趣的变量以相对复杂的方式编码在尖峰序列中。感官处理研究的一个主要目标是了解大脑如何提取这些变量。在这里，我们重新审视一个常见的编码模型，其中变量被线性编码。虽然变量通常比神经元多，但这个问题仍然是可解的，因为在任何一个时间只有少量变量出现（稀疏先验）。然而，以前的解决方案需要所有对所有的连接，与大脑中看到的稀疏连接不一致。在这里，我们提出了一个算法，可证明达到MAP（最大后验概率）推理解决方案，但这样做使用稀疏连接。我们的算法的灵感来自于小鼠嗅球的电路，但我们的方法是通用的，足以适用于其他形式。此外，应该可以将其扩展到非线性编码模型。
Sensory processing is hard because the variables of interest are encoded in spike trains in a relatively complex way. A major goal in studies of sensory processing is to understand how the brain extracts those variables. Here we revisit a common encoding model in which variables are encoded linearly. Although there are typically more variables than neurons, this problem is still solvable because only a small number of variables appear at any one time (sparse prior). However, previous solutions require all-to-all connectivity, inconsistent with the sparse connectivity seen in the brain. Here we propose an algorithm that provably reaches the MAP (maximuma posteriori) inference solution, but does so using sparse connectivity. Our algorithm is inspired by the circuit of the mouse olfactory bulb, but our approach is general enough to apply to other modalities. In addition, it should be possible to extend it to nonlinear encoding models.
登录
查看更多内容
DOI：
10.1073/pnas.0307882100
发表时间：
2004-02-24
影响因子：
11.1
作者：
Malnic, B;Godfrey, PA;Buck, LB
通讯作者：
Buck, LB
影响因子：
16.6
作者：
Hiratani, Naoki;Latham, Peter E.
通讯作者：
Latham, Peter E.
影响因子：
25
作者：
Fukunaga, Izumi;Herb, Jan T.;Kollo, Mihaly;Boyden, Edward S.;Schaefer, Andreas T.
通讯作者：
Schaefer, Andreas T.
DOI：
10.1126/science.1249168
发表时间：
2014-03-21
期刊：
Science (New York, N.Y.)
影响因子：
--
作者：
Bushdid C;Magnasco MO;Vosshall LB;Keller A
通讯作者：
Keller A
DOI：
10.1523/jneurosci.0303-18.2018
发表时间：
2018-08-15
期刊：
The Journal of neuroscience : the official journal of the Society for Neuroscience
影响因子：
--
作者：
Tavakoli A;Schmaltz A;Schwarz D;Margrie TW;Schaefer AT;Kollo M
通讯作者：
Kollo M