Cerebral hierarchies: predictive processing, precision and the pulvinar.
Cerebral hierarchies: predictive processing, precision and the pulvinar.
复制标题
DOI：
10.1098/rstb.2014.0169
复制
发表时间：
2015-05-19
期刊：
影响因子：
--
通讯作者：
Friston K
中科院分区：
文献类型：
--
作者：
Kanai R;Komura Y;Shipp S;Friston K
本文从计算的角度考虑神经元的结构，并询问神经解剖学和神经生理学的哪些方面可以通过神经元计算的性质来揭示？特别是，我们扩展了目前的配方大脑作为一个器官的推理，基于分层预测编码，并考虑这些推理是如何编排。换句话说，大脑需要什么来动态协调和情境化其信息传递，以优化其计算目标？答案取决于神经元群体的微妙（调节性）增益控制，这些神经元群体选择和协调（预测误差）信号，这些信号使皮层层级上升。这是很重要的，因为它谈到了外在（区域之间）连接的层次结构，形成两个不同的类，即一类驱动（一阶）连接，与编码的神经元表示的内容和一类调制（二阶）连接，建立上下文的形式的显着性或精度归因于内容。我们从形式的角度（使用模拟功能地面隔离）探索这种区别的影响，并考虑随后的精密工程动态的神经生物学基板，特别关注枕和注意力。
This paper considers neuronal architectures from a computational perspective and asks what aspects of neuroanatomy and neurophysiology can be disclosed by the nature of neuronal computations? In particular, we extend current formulations of the brain as an organ of inference—based upon hierarchical predictive coding—and consider how these inferences are orchestrated. In other words, what would the brain require to dynamically coordinate and contextualize its message passing to optimize its computational goals? The answer that emerges rests on the delicate (modulatory) gain control of neuronal populations that select and coordinate (prediction error) signals that ascend cortical hierarchies. This is important because it speaks to a hierarchical anatomy of extrinsic (between region) connections that form two distinct classes, namely a class of driving (first-order) connections that are concerned with encoding the content of neuronal representations and a class of modulatory (second-order) connections that establish context—in the form of the salience or precision ascribed to content. We explore the implications of this distinction from a formal perspective (using simulations of feature–ground segregation) and consider the neurobiological substrates of the ensuing precision-engineered dynamics, with a special focus on the pulvinar and attention.
登录
查看更多内容
DOI：
10.1098/rstb.2007.2054
发表时间：
2007-09-29
影响因子：
6.3
作者：
Cisek, Paul
通讯作者：
Cisek, Paul
影响因子：
16.2
作者：
Bosman CA;Schoffelen JM;Brunet N;Oostenveld R;Bastos AM;Womelsdorf T;Rubehn B;Stieglitz T;De Weerd P;Fries P
通讯作者：
Fries P
影响因子：
16.2
作者：
Bastos AM;Usrey WM;Adams RA;Mangun GR;Fries P;Friston KJ
通讯作者：
Friston KJ
DOI：
10.1073/pnas.1011284108
发表时间：
2011-07-05
影响因子：
11.1
作者：
Buffalo, Elizabeth A.;Fries, Pascal;Desimone, Robert
通讯作者：
Desimone, Robert
影响因子：
2.9
作者：
Feldman H;Friston KJ
通讯作者：
Friston KJ