大脑层级动力学的神经编解码计算模型丨计算神经科学读书会·周四直播
导语
分享简介
分享简介
分享大纲
分享大纲
一、基于神经元与突触电生理的生物模型
二、基于神经元环路或群体的层次模型
核心概念
核心概念
-
编码
-
解码
-
视觉系统
-
层级网络
-
脑结构解析
主讲人介绍
主讲人介绍
伯明翰大学神经计算实验室副教授。课题组在Nat.Commun., Nat.Biomed.Eng., eLife, J.Neurosci., PLoS Comput.Biol., IEEE, NeurIPS/AAAI/CVPR/BMVC等发表论文60多篇。
直播信息
直播信息
报名成为主讲人:
资料推荐
资料推荐
基于脑启发的视觉计算正在发挥重要功能,本文重点介绍了机器学习技术如何帮助开发对抗各种类型神经信号的模型,从精细尺度的神经尖峰和单细胞钙成像到粗尺度的脑电图(脑电图)和功能性磁共振成像记录大脑信号。
Zhang, Y., Yu, Z., Liu, J. K., Huang T., Neural Decoding of Visual Information Across Different Neural Recording Modalities and Approaches. Machine Intelligence Research. 19: 350-365 (2022) DOI: 10.1007/s11633-022-1335-2
贾杉杉, 余肇飞, 刘健, 黄铁军. 面向生物视觉的神经编码模型研究:进展与挑战[J]. 电子与信息学报, 2023, 45(8): 2689-2698. doi: 10.11999/JEIT221368
提出STNMF模型,能够动态表征神经元回路的动态物理结构。
Jia S., Xing D., Yu Z., Liu, J. K., Dissecting cascade computational components in spiking neural networks, PLoS Comput Biol 17(11): e1009640 (2021) DOI: 10.1371/journal.pcbi.1009640
扩展了 STNMF 方法的范围。通过使用视网膜 GC 作为模型系统,STNMF 可以检测上游双极细胞(BC)的各种计算特性,包括空间感受野、时间滤波器和传递非线性。
Jia S, Yu Z, Onken A, Tian Y, Huang T, Liu J. K. Neural System Identification with Spike-triggered Non-negative Matrix Factorization. IEEE Transactions on Cybernetics 52(6): 4772-4783 (2022) DOI: 10.1109/TCYB.2020.3042513
采用了受图像分割技术启发的深度神经网络解码器从神经元反应中提取特征。
Zhang, Y., Bu, T., Zhang, Y., Tang, S., Yu, Z., Liu, J. K. Huang, T., Decoding Pixel-Level Image Features from Two-Photon Calcium Signals of Macaque Visual Cortex. Neural Computation 34 (6): 1369–1397 (2022) DOI: 10.1162/neco_a_01498
基于神经节细胞以非线性方式组合空间上的视觉信号的机理,提出一个考虑细胞感受野内的平均光强度及其随时间变化的模型,为模拟神经节细胞对自然图像的反应提供了一个易于获得的基准。
Liu, J. K., Karamanlis, D., Gollisch, T., Simple model for encoding natural images by retinal ganglion cells with nonlinear spatial integration. PLoS Comput Biol 18(3): e1009925 (2022) DOI: 10.1101/2021.08.29.458067
提出一种基于深度神经网络的新型解码框架尖峰图像解码器(SID)为人工视觉系统的神经形态计算提供了新的视角。
Zhang Y, Jia S, Zheng Y, Yu Z, Tian Y., Ma S., Huang T, Liu J.K. Reconstruction of Natural Visual Scenes from Neural Spikes with Deep Neural Networks. Neural Networks. 125:19-30 (2020) DOI: 10.1016/j.neunet.2020.01.033
介绍了尖峰触发的非负矩阵分解方法,用于检测神经元感受野内子单元的布局。该方法仅需要神经元在精细结构的感觉刺激下的尖峰反应,因此适用于同时记录的大量神经元。
计算神经科学读书会
详情请见:计算神经科学读书会启动:从复杂神经动力学到类脑人工智能
点击“阅读原文”,报名读书会