The implications of categorical and category-free mixed selectivity on representational geometries
The implications of categorical and category-free mixed selectivity on representational geometries
复制标题
分类和无类别混合选择性对表征几何的影响
DOI：
10.1016/j.conb.2022.102644
复制
发表时间：
2022
影响因子：
5.7
通讯作者：
Churchland, Anne K.
中科院分区：
文献类型：
--
作者：
Kaufman, Matthew T.;Benna, Marcus K.;Rigotti, Mattia;Stefanini, Fabio;Fusi, Stefano;Churchland, Anne K.
表现出混合选择性的单个神经元的放电频率受多个任务变量的调节。当混合选择性是非线性的时，它通过生成可以被线性分类器灵活解码的高维神经表示来赋予优势。虽然这种编码方案的优点被广泛接受，但设计实验和分析数据以测试和表征混合选择性的方法仍然不清楚。随着在复杂任务中收集的大数据集的数量不断增加，混合选择性越来越多地被观察到，并面临着正确解释的挑战。我们回顾了最近分析和解释神经数据集的方法，并澄清了文献中报道的各种形式的混合选择性的理论含义。我们还旨在为确定神经群体是否具有线性或非线性混合选择性以及这种混合是否导致范畴或无范畴的表示提供实用指南。
The firing rates of individual neurons displaying mixed selectivity are modulated by multiple task variables. When mixed selectivity is nonlinear, it confers an advantage by generating a high-dimensional neural representation that can be flexibly decoded by linear classifiers. Although the advantages of this coding scheme are well accepted, the means of designing an experiment and analyzing the data to test for and characterize mixed selectivity remain unclear. With the growing number of large datasets collected during complex tasks, the mixed selectivity is increasingly observed and is challenging to interpret correctly. We review recent approaches for analyzing and interpreting neural datasets and clarify the theoretical implications of mixed selectivity in the variety of forms that have been reported in the literature. We also aim to provide a practical guide for determining whether a neural population has linear or nonlinear mixed selectivity and whether this mixing leads to a categorical or category-free representation.
登录
查看更多内容
DOI：
10.5555/2567709.2567722
发表时间：
2013-06
期刊：
Journal of machine learning research : JMLR
影响因子：
--
作者：
Tony Cai;Jianqing Fan;Tiefeng Jiang
通讯作者：
Tony Cai;Jianqing Fan;Tiefeng Jiang
编辑评价：lOFC 中的神经元亚群在选择时编码先前和当前的奖励
DOI：
--
发表时间：
2021
期刊：
影响因子：
--
作者：
Lara M. Boyle;L. Posani;Sarah Irfan;S. Siegelbaum;Stefano Fusi
通讯作者：
Stefano Fusi
影响因子：
25
作者：
Marshall, Najja J.;Glaser, Joshua, I;Trautmann, Eric M.;Amematsro, Elom A.;Perkins, Sean M.;Shadlen, Michael N.;Abbott, L. F.;Cunningham, John P.;Churchland, Mark M.
通讯作者：
Churchland, Mark M.
运动控制：运动参数是否可识别地编码在单个神经元的活动中？
影响因子：
29.3
作者：
E. Fetz
通讯作者：
E. Fetz
面部记忆的神经编码
DOI：
10.1101/2021.03.12.435023
发表时间：
2021
期刊：
bioRxiv
影响因子：
--
作者：
Liang She;M. Benna;Yuelin Shi;Stefano Fusi;Doris Y. Tsao
通讯作者：
Doris Y. Tsao