✖


Jump to content

Гипотеза эффективного кодирования

Edit links

Гипотеза эффективного кодирования была предложена Хорасом Барлоу в 1961 году как теоретическая модель сенсорного кодирования в мозге . [1] Внутри мозга нейроны общаются друг с другом, посылая электрические импульсы, называемые потенциалами действия или спайками. Одна из целей сенсорной нейробиологии — расшифровать значение этих спайков, чтобы понять, как мозг представляет и обрабатывает информацию о внешнем мире. Барлоу предположил, что спайки сенсорной системы формируют нейронный код для эффективного представления сенсорной информации. Под эффективностью понимается, что код минимизирует количество всплесков, необходимых для передачи данного сигнала. Это в некоторой степени аналогично передаче информации через Интернет, где для передачи данного изображения могут использоваться разные форматы файлов. Разные форматы файлов требуют разного количества бит для представления одного и того же изображения с заданным уровнем искажения, и некоторые из них лучше подходят для представления определенных классов изображений, чем другие. Согласно этой модели, считается, что мозг использует код, который подходит для представления визуальной и звуковой информации, представляющей естественную среду организма.

Меченый нейрон

Эффективное кодирование и теория информации

[ редактировать ]

На развитие гипотезы Барлоу повлияла теория информации , предложенная Клодом Шенноном всего десять лет назад. Теория информации обеспечивает математическую основу для анализа систем связи. Он формально определяет такие понятия, как информация , пропускная способность канала и избыточность . Модель Барлоу рассматривает сенсорный путь как канал связи, где нейрональные спайки являются эффективным кодом для представления сенсорных сигналов. Код всплеска направлен на максимизацию доступной пропускной способности канала за счет минимизации избыточности между репрезентативными единицами. Х. Барлоу был не первым, кто выдвинул эту идею: она уже появляется в статье 1954 года, написанной Ф. Аттнивом. [2]

Ключевое предсказание гипотезы эффективного кодирования заключается в том, что сенсорная обработка в мозге должна быть адаптирована к естественным стимулам. Нейроны зрительной (или слуховой) системы должны быть оптимизированы для кодирования изображений (или звуков), репрезентативных для тех, что встречаются в природе. Исследователи показали, что фильтры, оптимизированные для кодирования естественных изображений, приводят к созданию фильтров, напоминающих рецептивные поля простых клеток в V1 . [3] В слуховой сфере оптимизация сети кодирования естественных звуков приводит к созданию фильтров, напоминающих импульсную характеристику кохлеарных фильтров, обнаруженных во внутреннем ухе . [4]

Ограничения зрительной системы

[ редактировать ]

Из-за ограничений зрительной системы, таких как количество нейронов и метаболическая энергия, необходимая для «нейронной активности», система визуальной обработки должна иметь эффективную стратегию передачи как можно большего количества информации. [5] Информация должна сжиматься при прохождении от сетчатки обратно к зрительной коре . В то время как рецепторы сетчатки могут получать информацию со скоростью 10^9 бит/с, зрительный нерв , состоящий из 1 миллиона ганглиозных клеток, передающих информацию со скоростью 1 бит/с, имеет пропускную способность только 10^6 бит/с. [5] Происходит дальнейшее снижение, которое ограничивает общую скорость передачи до 40 бит/с, что приводит к невнимательной слепоте . [5] Таким образом, гипотеза утверждает, что нейроны должны кодировать информацию как можно эффективнее, чтобы максимизировать нейронные ресурсы. [6] Например, было показано, что визуальные данные можно сжимать до 20 раз без заметной потери информации. [5]

Имеющиеся данные свидетельствуют о том, что наша система визуальной обработки осуществляет отбор снизу вверх. Например, слепота по невнимательности предполагает, что на ранних этапах зрительного пути должно произойти удаление данных. [5] Этот восходящий подход позволяет нам быстрее реагировать на неожиданные и важные события и часто направляется отбором внимания. Это также дает нашей зрительной системе свойство целенаправленности. [5] Многие предполагают, что зрительная система способна работать эффективно, разбивая изображения на отдельные компоненты. [6] Кроме того, утверждалось, что зрительная система использует избыточность входных данных, чтобы передать как можно больше информации, используя при этом наименьшее количество ресурсов. [5]

Нейронная система, основанная на эволюции

[ редактировать ]

Симончелли и Ольсхаузен выделяют три основные концепции, которые, как предполагается, участвуют в развитии системной нейробиологии:

  1. организм имеет определенные задачи для выполнения
  2. нейроны имеют возможности и ограничения
  3. организм находится в определенной среде. [7]

Одно из предположений, использованное при проверке гипотезы эффективного кодирования, заключается в том, что нейроны должны быть эволюционно и эволюционно адаптированы к естественным сигналам в их среде. [7] Идея состоит в том, что системы восприятия будут быстрее всех реагировать на «стимулы окружающей среды». Зрительная система должна исключить любую избыточность сенсорной информации. [8]

Естественные изображения и статистика

[ редактировать ]

Центральное место в гипотезе Барлоу занимает теория информации , которая применительно к нейробиологии утверждает, что эффективно кодирующая нейронная система «должна соответствовать статистике сигналов, которые она представляет». [9] Поэтому важно иметь возможность определять статистику естественных изображений , генерирующих эти сигналы. Исследователи изучили различные компоненты естественных изображений, включая яркостной контраст, цвет и то, как изображения регистрируются с течением времени. [8] Они могут анализировать свойства природных сцен с помощью цифровых камер, спектрофотометров и дальномеров. [10]

Исследователи смотрят на то, как яркостные контрасты пространственно распределены на изображении: яркостные контрасты сильно коррелируют, чем ближе они находятся на измеримом расстоянии, и менее коррелированы, чем дальше друг от друга пиксели. [8] Анализ независимых компонентов (ICA) — это система алгоритмов , которая пытается «линейно преобразовать данные (сенсорные) входные данные в независимые выходные данные (синаптические токи)». [11] ICA устраняет избыточность, декоррелируя пиксели естественного изображения. [8] Таким образом, отдельные компоненты, составляющие естественное изображение, оказываются статистически независимыми . [8] Однако исследователи полагают, что ICA ограничен, поскольку предполагает, что нейронный ответ является линейным и, следовательно, недостаточно описывает сложность естественных изображений. Они утверждают, что, несмотря на то, что предполагается в рамках ICA, компоненты естественного изображения имеют «структуру более высокого порядка», которая включает корреляции между компонентами. [8] Вместо этого исследователи разработали временной независимый компонентный анализ (TICA), который лучше представляет сложные корреляции, возникающие между компонентами естественного изображения. [8] Кроме того, «иерархическая ковариационная модель», разработанная Карклином и Левицки, расширяет методы разреженного кодирования и может представлять дополнительные компоненты естественных изображений, такие как «расположение объекта, масштаб и текстура». [8]

Хроматические спектры, исходящие от естественного света, а также отраженные от «природных материалов», можно легко охарактеризовать с помощью анализа главных компонентов (PCA). [10] Поскольку колбочки поглощают определенное количество фотонов естественного изображения, исследователи могут использовать реакцию колбочек как способ описания естественного изображения. Исследователи обнаружили, что три класса рецепторов колбочек в сетчатке могут точно кодировать естественные изображения и что цвет декоррелирован уже в LGN . [8] [10] Время также было смоделировано: естественные изображения со временем трансформируются, и мы можем использовать эти преобразования, чтобы увидеть, как со временем меняется визуальный ввод. [8]

Педагогический обзор эффективного кодирования при визуальной обработке — эффективного пространственного кодирования, цветового кодирования, временного кодирования/кодирования движения, стереокодирования и их комбинации — находится в главе 3 книги «Понимание зрения: теория, модели, и данные». [12] Он объясняет, как реализуется эффективное кодирование, когда входной шум делает снижение избыточности уже неадекватным, и насколько эффективное кодирование в различных ситуациях связано друг с другом или отличается друг от друга.

Гипотезы для проверки гипотезы эффективного кодирования

[ редактировать ]

Если нейроны кодируют в соответствии с гипотезой эффективного кодирования, то отдельные нейроны должны выражать свою полную выходную мощность. [6] Прежде чем проверять эту гипотезу, необходимо определить, что считать нейронным ответом. [6] Симончелли и Олсхаузен предполагают, что эффективному нейрону необходимо дать максимальное значение ответа, чтобы мы могли измерить, эффективно ли нейрон достигает максимального уровня. [7] Во-вторых, популяция нейронов не должна быть избыточной при передаче сигналов и должна быть статистически независимой. [6] Если гипотеза эффективного кодирования верна, исследователи должны заметить, что реакции нейронов разрежены: то есть только несколько нейронов одновременно должны активировать входной сигнал. [8]

Методологические подходы к проверке гипотез

[ редактировать ]

Один из подходов — разработать модель ранней сенсорной обработки на основе статистики естественного изображения, а затем сравнить эту предсказанную модель с тем, как реальные нейроны на самом деле реагируют на естественное изображение. [6] Второй подход заключается в измерении реакции нейронной системы на естественную среду и анализе результатов, чтобы увидеть, есть ли какие-либо статистические свойства у этой реакции. [6] Третий подход состоит в том, чтобы определить необходимые и достаточные условия, при которых наблюдаемые нейронные вычисления эффективны, и проверить, удовлетворяет ли им эмпирическая статистика стимулов. [13]

Примеры таких подходов

[ редактировать ]

1. Прогнозируемый модельный подход

В одном исследовании Doi et al. В 2012 году исследователи создали модель прогнозируемой реакции ганглиозных клеток сетчатки , которая будет основана на статистике используемых естественных изображений с учетом шума и биологических ограничений. [14] Затем они сравнили фактическую передачу информации, наблюдаемую в реальных ганглиозных клетках сетчатки, с этой оптимальной моделью, чтобы определить эффективность. Они обнаружили, что передача информации в ганглиозных клетках сетчатки имеет общую эффективность около 80%, и пришли к выводу, что «функциональная связь между колбочками и ганглиозными клетками сетчатки демонстрирует уникальную пространственную структуру... согласующуюся с эффективностью кодирования». [14]

В исследовании ван Хатерена и Рудермана в 1998 году ICA использовалось для анализа видеопоследовательностей и сравнивалось, как компьютер анализирует независимые компоненты изображения, с данными для визуальной обработки, полученными от кошки в DeAngelis et al. 1993. Исследователи описали независимые компоненты, полученные из видеопоследовательности, как «основные строительные блоки сигнала», при этом фильтр независимых компонентов (ICF) измеряет, «насколько сильно присутствует каждый строительный блок». [15] Они предположили, что если простые ячейки организованы так, чтобы с течением времени определять «основную структуру» изображений, то клетки должны действовать как фильтры независимых компонентов. [15] Они обнаружили, что ICF, определяемые компьютером, аналогичны « рецептивным полям », наблюдаемым в реальных нейронах. [15]

Расположение первичной зрительной коры справа.

2. Анализ реальной нейронной системы в ответ на естественные изображения.

В отчете в журнале Science за 2000 год Уильям Э. Винье и Джек Галлант описали серию экспериментов, использованных для проверки элементов гипотезы эффективного кодирования, включая теорию о том, что неклассическое рецептивное поле (nCRF) декоррелирует проекции первичной зрительной коры. . Чтобы проверить это, они взяли записи нейронов V1 у бодрствующих макак во время «свободного просмотра естественных изображений и условий», имитирующих естественные условия зрения. [16] Исследователи предположили, что V1 использует разреженный код , который минимально избыточен и «метаболически более эффективен». [16] Они также предположили, что взаимодействие между классическим рецептивным полем (CRF) и nCRF создает этот образец разреженного кодирования во время просмотра этих природных сцен. Чтобы проверить это, они создали пути сканирования глаз, а также извлекли участки, размер которых варьировался в 1-4 раза больше диаметра CRF. Они обнаружили, что разреженность кодирования увеличивается с размером патча. Более крупные патчи охватывали большую часть nCRF, что указывает на то, что взаимодействие между этими двумя областями создавало разреженный код. Кроме того, по мере увеличения размера стимула увеличивалась и его разреженность. Это говорит о том, что V1 использует разреженный код, когда естественные изображения охватывают все поле зрения . CRF определялся как круглая область, окружающая места, где стимулы вызывали потенциалы действия . Они также проверили, увеличивает ли стимуляция nCRF независимость ответов нейронов V1 путем случайного выбора пар нейронов. Они обнаружили, что нейроны действительно были более разделены при стимуляции nCRF. В заключение, эксперименты Винье и Галланта показали, что V1 использует разреженный код, используя как CRF, так и nCRF при просмотре естественных изображений, при этом nCRF оказывает явное декорреляционное воздействие на нейроны, что может повысить их эффективность за счет увеличения количества независимой информации. они несут. Они предполагают, что клетки могут представлять отдельные компоненты данной природной сцены, что может способствовать распознавание образов [16]

Другое исследование, проведенное Baddeley et al. показали, что распределение скорости срабатывания нейронов зрительной области V1 кошки и нейронов нижневисочной (IT) обезьяны было экспоненциальным в натуралистических условиях, что предполагает оптимальную передачу информации для фиксированной средней скорости срабатывания. Последующее исследование IT-нейронов обезьян показало, что лишь меньшинство из них хорошо описывалось экспоненциальным распределением импульсов. Позже Де Полавиеха утверждал, что это несоответствие произошло из-за того, что экспоненциальное решение правильно только для случая без шума, и показал, что, принимая во внимание шум, можно объяснить наблюдаемые результаты. [6]

В исследовании Дэна, Аттика и Рида, проведенном в 1996 году, естественные изображения использовались для проверки гипотезы о том, что на ранних этапах зрительного пути входящие зрительные сигналы будут декоррелированы для оптимизации эффективности. Эту декорреляцию можно наблюдать как «выбеливание» временных и пространственных спектров мощности нейронных сигналов». [17] Исследователи проигрывали кошкам фильмы с естественными изображениями и использовали многоэлектродную решетку для записи нервных сигналов. Это было достигнуто путем преломления глаз кошек и установки в них контактных линз. Они обнаружили, что в LGN естественные изображения были декоррелированы, и пришли к выводу, что «ранний зрительный путь специально адаптировался для эффективного кодирования естественной зрительной информации в ходе эволюции и/или развития». [17]

Расширения

[ редактировать ]

Одним из следствий гипотезы эффективного кодирования является то, что нейронное кодирование зависит от статистики сенсорных сигналов. Эти статистические данные являются функцией не только окружающей среды (например, статистики естественной среды), но и поведения организма (например, того, как он движется в этой среде). Однако восприятие и поведение тесно переплетаются в цикле восприятие-действие. Например, процесс зрения предполагает различного рода движения глаз . Расширение гипотезы эффективного кодирования, называемое активным эффективным кодированием (AEC), расширяет эффективное кодирование до активного восприятия . Предполагается, что биологические агенты оптимизируют не только свое нейронное кодирование, но и свое поведение, чтобы способствовать эффективному сенсорному представлению окружающей среды. В этом направлении были предложены модели развития активного бинокулярного зрения, активного зрительного слежения и контроля аккомодации. [18] [19] [20] [21] [22]

Мозг имеет ограниченные ресурсы для обработки информации, в зрении это проявляется как узкое место зрительного внимания. [23] Узкое место заставляет мозг выбирать лишь небольшую часть входной визуальной информации.для дальнейшей обработки, поскольку простого эффективного кодирования информации уже недостаточно. Последующая теория, гипотеза значимости V1 , была разработана на основе экзогенного отбора внимания визуальной входной информации для дальнейшей обработки, руководствуясь восходящей картой значимости в первичной зрительной коре. [24]

Критика

[ редактировать ]

Исследователям следует подумать о том, как используется визуальная информация : Гипотеза не объясняет, как используется информация из визуальной сцены, что является основной целью зрительной системы. Кажется необходимым понять, почему мы обрабатываем статистику изображений из окружающей среды, поскольку это может иметь отношение к тому, как в конечном итоге обрабатывается эта информация. Однако некоторые исследователи могут рассматривать несущественность цели зрения в теории Барлоу как преимущество для планирования экспериментов. [6]

Некоторые эксперименты показывают корреляции между нейронами :При одновременном рассмотрении нескольких нейронов записи «показывают корреляцию, синхронизацию или другие формы статистической зависимости между нейронами». [6] Однако уместно отметить, что в большинстве этих экспериментов не использовались естественные стимулы, чтобы спровоцировать эти реакции: это может не соответствовать напрямую гипотезе эффективного кодирования, поскольку эта гипотеза касается статистики естественных изображений. [6] В своей обзорной статье Симончелли отмечает, что, возможно, мы можем интерпретировать избыточность в гипотезе эффективного кодирования немного по-другому: он утверждает, что статистическая зависимость может быть уменьшена на «последовательных этапах обработки», а не только в одной области сенсорного пути. [6] Тем не менее, записи Hung et al. в конце зрительного пути также демонстрируют сильные корреляции, зависящие от слоев, с натуралистическими объектами и текущей деятельностью. [25] Они показали, что избыточность соседних нейронов (т.е. «многообразное» представление) способствует изучению особенностей сложной формы и что анизотропия/неоднородность сети является более сильным предиктором эффективности кодирования/декодирования, чем шумовая избыточность. [26]

Наблюдаемая избыточность :Сравнение количества ганглиозных клеток сетчатки с числом нейронов первичной зрительной коры показывает увеличение количества сенсорных нейронов в коре по сравнению с сетчаткой. Симончелли отмечает, что одним из основных аргументов критиков является то, что на более высоких уровнях сенсорного пути находится большее количество нейронов, которые отвечают за обработку сенсорной информации, поэтому это должно создавать избыточность. [6] Однако это наблюдение может быть не совсем актуальным, поскольку нейроны имеют различное нервное кодирование . В своем обзоре Симончелли отмечает, что «кортикальные нейроны, как правило, имеют более низкую скорость срабатывания и могут использовать другую форму кода по сравнению с нейронами сетчатки». [6] Кортикальные нейроны также могут обладать способностью кодировать информацию в течение более длительных периодов времени, чем их аналоги на сетчатке. Эксперименты, проведенные на слуховой системе, подтвердили, что избыточность снижается. [6]

Трудно проверить :Оценка теоретико-информационных величин требует огромных объемов данных и, следовательно, непрактична для экспериментальной проверки. Кроме того, известно, что информационные оценки являются предвзятыми. Однако некоторый экспериментальный успех имел место. [6]

Нужны четко определенные критерии того, что измерять :Эта критика иллюстрирует один из наиболее фундаментальных вопросов гипотезы. Здесь сделаны предположения об определениях как входов, так и выходов системы. [6] Входные данные в зрительную систему не полностью определены, но предполагается, что они включены в набор естественных изображений. Выходные данные должны быть определены для проверки гипотезы, но и здесь может иметь место изменчивость в зависимости от выбора типа нейронов для измерения, где они расположены и какой тип ответов, таких как скорость срабатывания или время пиков, выбран для измерения. . [6]

Как учитывать шум :Некоторые утверждают, что эксперименты, игнорирующие шум или другие физические ограничения системы, слишком упрощены. [6] Однако некоторым исследователям удалось включить эти элементы в свой анализ, создав тем самым более сложные системы. [6]

Однако при соответствующих формулировках [27] эффективное кодирование также может решить некоторые из этих проблем, поднятых выше. Например, прогнозируется, что некоторая поддающаяся количественному определению степень избыточности в нейронных представлениях сенсорных входных данных (проявляющаяся как корреляции в нейронных реакциях) будет возникать, когда к зашумленным сенсорным входным сигналам применяется эффективное кодирование. [27] Также могут быть сделаны фальсифицируемые теоретические предсказания. [27] и некоторые из них впоследствии прошли испытания. [28] [29] [30]

Биомедицинские приложения

[ редактировать ]
Кохлеарный имплантат

Возможные применения гипотезы эффективного кодирования включают разработку кохлеарного имплантата . Эти нейропротезы стимулируют слуховой нерв электрическими импульсами, что позволяет вернуть часть слуха людям с нарушениями слуха или даже глухим . Имплантаты считаются успешными и эффективными и единственными, которые используются в настоящее время. Использование частотно-местных отображений в эффективном алгоритме кодирования может принести пользу при использовании кохлеарных имплантатов в будущем. [9] Изменения в конструкции, основанные на этой гипотезе, могут повысить разборчивость речи у пациентов с нарушениями слуха. Исследования с использованием вокодированной речи, обработанной различными фильтрами, показали, что люди имели большую точность в расшифровке речи, когда она обрабатывалась с использованием фильтра эффективного кода, а не кохлеотропного фильтра или линейного фильтра. [9] Это показывает, что эффективное кодирование шумовых данных обеспечивает преимущества для восприятия и предоставляет слушателям больше информации. [9] Необходимы дополнительные исследования, чтобы применить текущие результаты к значимым с медицинской точки зрения изменениям в конструкции кохлеарных имплантатов. [9]

Ссылки

[ редактировать ]
  1. ^ Барлоу, Х. (1961) «Возможные принципы, лежащие в основе трансформации сенсорных сообщений» в «Сенсорной коммуникации » , MIT Press.
  2. ^ Аттнив, Фред (1954). «Некоторые информационные аспекты зрительного восприятия». Психологический обзор . 61 (3): 183–93. дои : 10.1037/h0054663 . ПМИД   13167245 .
  3. ^ Ольсхаузен, бакалавр; Филд, диджей (1997). «Разреженное кодирование с чрезмерно полным базисным набором: стратегия, используемая V1?» . Исследование зрения . 37 (23): 3311–3325. дои : 10.1016/s0042-6989(97)00169-7 . ПМИД   9425546 .
  4. ^ Левицкий, М.С. (2002). «Эффективное кодирование звуков природы». Природная неврология . 5 (4): 356–363. CiteSeerX   10.1.1.386.3036 . дои : 10.1038/nn831 . ПМИД   11896400 . S2CID   1922462 .
  5. ^ Jump up to: а б с д и ж г Чжаопин, Л. (декабрь 2006 г.). «Теоретическое понимание ранних зрительных процессов путем сжатия и отбора данных» (PDF) . Сеть . 17 (4): 301–334. дои : 10.1080/09548980600931995 . ПМИД   17283516 . S2CID   8647120 .
  6. ^ Jump up to: а б с д и ж г час я дж к л м н тот п д р с т Симончелли, Ээро П. (2003). «Зрение и статистика визуальной среды». Современное мнение в нейробиологии . 13 (2): 144–149. CiteSeerX   10.1.1.8.2800 . дои : 10.1016/S0959-4388(03)00047-3 . ПМИД   12744966 . S2CID   14183377 .
  7. ^ Jump up to: а б с Симончелли, EP; Ольсхаузен, бакалавр (2001). «Статистика естественных изображений и нейронное представление». Ежегодный обзор неврологии . 24 : 1193–1216. дои : 10.1146/annurev.neuro.24.1.1193 . ПМИД   11520932 . S2CID   147618 .
  8. ^ Jump up to: а б с д и ж г час я дж к Ма, Л.Б.; Ву, С. (25 октября 2011 г.). «Эффективное кодирование естественных изображений». Шэн Ли Сюэ Бао: [Acta Physiologica Sinica] . 63 (5): 463–471. ПМИД   22002237 .
  9. ^ Jump up to: а б с д и Мин, Вивьен Л; Холт, Лори Л. (2009). «Эффективное кодирование в слуховом восприятии человека» . Журнал Акустического общества Америки . 126 (3): 1312–1320. Бибкод : 2009ASAJ..126.1312M . дои : 10.1121/1.3158939 . ПМК   2809690 . ПМИД   19739745 .
  10. ^ Jump up to: а б с Гейслер, WS (2008). «Визуальное восприятие и статистические свойства природных сцен». Ежегодный обзор психологии . 59 : 167–192. doi : 10.1146/annurev.psych.58.110405.085632 . ПМИД   17705683 .
  11. ^ Блаттлер, Ф; Ханлозер, Р.Х. (2011). «Гипотеза эффективного кодирования связывает разреженность и избирательность нейронных реакций» . ПЛОС ОДИН . 6 (10): е25506. Бибкод : 2011PLoSO...625506B . дои : 10.1371/journal.pone.0025506 . ПМК   3192758 . ПМИД   22022405 .
  12. ^ Чжаопин Л. 2014, Принцип эффективного кодирования , глава 3, Понимание видения: теория, модели и данные.
  13. ^ Бучер, Сан-Франциско; Бранденбургер, AM (2022). «Разделяющая нормализация — это эффективный код для многомерных сред, распределенных по Парето» . Труды Национальной академии наук Соединенных Штатов Америки . 119 (40): e2120581119. Бибкод : 2022PNAS..11920581B . дои : 10.1073/pnas.2120581119 . ПМЦ   9546555 . ПМИД   36161961 .
  14. ^ Jump up to: а б Дой, Э.; Готье, JL; Филд, ГД; Шленс, Дж.; Шер, А.; Грешнер, М.; Мачадо, штат Техас; Джепсон, Л.Х.; Мэтисон, К.; Ганнинг, Делавэр; Литке А.М.; Панинский, Л.; Чичилнисский, Э.Дж.; Симончелли, EP (2012). «Эффективное кодирование пространственной информации в сетчатке приматов» . Журнал неврологии . 32 (46): 16256–16264. doi : 10.1523/JNEUROSCI.4036-12.2012 . ISSN   0270-6474 . ПМЦ   3537829 . ПМИД   23152609 .
  15. ^ Jump up to: а б с ван Хатерен, Дж. Х.; Рудерман, Д.Л. (7 декабря 1998 г.). «Независимый компонентный анализ последовательностей естественных изображений дает пространственно-временные фильтры, подобные простым клеткам первичной зрительной коры» . Труды: Биологические науки . 265 (1412): 2315–2320. дои : 10.1098/rspb.1998.0577 . ПМК   1689525 . ПМИД   9881476 .
  16. ^ Jump up to: а б с Винье, МЫ; Галлант, Дж. Л. (18 февраля 2000 г.). «Редкое кодирование и декорреляция в первичной зрительной коре при естественном зрении». Наука . 287 (5456): 1273–1276. Бибкод : 2000Sci...287.1273V . CiteSeerX   10.1.1.456.2467 . дои : 10.1126/science.287.5456.1273 . ПМИД   10678835 .
  17. ^ Jump up to: а б Дэн, Ю; Атик, Джей-Джей; Рид, Р.К. (15 мая 1996 г.). «Эффективное кодирование природных сцен в латеральном коленчатом ядре: экспериментальная проверка вычислительной теории» . Журнал неврологии . 16 (10): 3351–3362. doi : 10.1523/JNEUROSCI.16-10-03351.1996 . ПМК   6579125 . ПМИД   8627371 .
  18. ^ Чжао, Ю.; Роткопф, Калифорния; Триш, Дж.; Ши, Б.Э. (2012). «Единая модель совместной разработки селективности по несоответствию и контроля вергенции». Международная конференция IEEE по развитию, обучению и эпигенетической робототехнике (ICDL) , 2012 г. Международная конференция IEEE по развитию, обучению и эпигенетической робототехнике. стр. 1–6. дои : 10.1109/DevLrn.2012.6400876 . ISBN  978-1-4673-4965-9 .
  19. ^ Лонини, Л.; Форестье, С.; Тельер, К.; Чжао, Ю.; Ши, БЭ; Триш, Дж. (2013). «Надежное активное бинокулярное зрение посредством внутренне мотивированного обучения» . Границы нейроробототехники . 7:20 . doi : 10.3389/fnbot.2013.00020 . ПМЦ   3819528 . ПМИД   24223552 .
  20. ^ Чжан, К.; Чжао, Ю.; Триш, Дж.; Ши, Б.Э. (2014). «Внутренне мотивированное обучение зрительному восприятию движения и плавному преследованию». 2014 Международная конференция IEEE по робототехнике и автоматизации (ICRA) . Международная конференция IEEE по робототехнике и автоматизации. стр. 1902–1908. arXiv : 1402.3344 . дои : 10.1109/ICRA.2014.6907110 . ISBN  978-1-4799-3685-4 .
  21. ^ Тельер, К.; Форестье, С.; Лонини, Л.; Чжан, К.; Чжао, Ю.; Ши, Б.; Триш, Дж. (2015). «Самокалибровка плавного поиска посредством активного эффективного кодирования» (PDF) . Робототехника и автономные системы . 71 : 3–12. дои : 10.1016/j.robot.2014.11.006 .
  22. ^ Экманн, С.; Климмаш, Л.; Ши, БЭ; Триш, Дж. (2020). «Активное эффективное кодирование объясняет развитие бинокулярного зрения и его недостаточность при амблиопии» . Труды Национальной академии наук . 117 (11): 6156–6162. Бибкод : 2020PNAS..117.6156E . дои : 10.1073/pnas.1908100117 . ПМК   7084066 . ПМИД   32123102 .
  23. ^ визуально-пространственное внимание https://en.wikipedia.org/wiki/Visual_spatial_attention
  24. ^ Ли. Z. 2002 Карта значимости первичной зрительной коры. Тенденции в когнитивных науках.том. 6, страницы 9–16, и Чжаопин, Л. 2014, Гипотеза V1 — создание восходящей карты значимости для предварительного отбора и сегментации в книге «Понимание видения: теория, модели и данные».
  25. ^ Хун, Чжоу П.; Цуй, Дин; Чен, Юэ-пэн; Линь, Цзяпей; Левин, Мэтью Р. (2015). «Коррелирующая деятельность поддерживает эффективную кортикальную обработку данных» . Границы вычислительной нейронауки . 8 : 171. дои : 10.3389/fncom.2014.00171 . ПМК   4285095 . ПМИД   25610392 .
  26. ^ Чен, Юэ-пэн; Линь, Цзяпей; Сюй, Юй-чунь; Хун, Чжоу П. (2015). «Сетевая анизотрофия превосходит шум для эффективного объектного кодирования в нижней височной коре головного мозга макака» . Журнал неврологии . 35 (27): 9889–9899. doi : 10.1523/JNEUROSCI.4595-14.2015 . ПМК   6605407 . ПМИД   26156990 .
  27. ^ Jump up to: а б с Чжаопин, Ли (2014). Принцип эффективного кодирования . Издательство Оксфордского университета. doi : 10.1093/acprof:oso/9780199564668.001.0001 . ISBN  978-0-19-177250-4 .
  28. ^ Мэй, Кейт А.; Чжаопин, Ли; Хиббард, Пол Б. (10 января 2012 г.). «Воспринимаемое направление движения определяется адаптацией к статичным бинокулярным изображениям» . Современная биология . 22 (1): 28–32. дои : 10.1016/j.cub.2011.11.025 . hdl : 10023/4798 . ISSN   0960-9822 . ПМИД   22177901 . S2CID   16335578 .
  29. ^ Мэй, Кейт А.; Чжаопин, Ли (20 июня 2016 г.). «Теория эффективного кодирования предсказывает последействие наклона при просмотре незаконченных шаблонов» . Современная биология . 26 (12): 1571–1576. дои : 10.1016/j.cub.2016.04.037 . ISSN   0960-9822 . ПМИД   27291055 . S2CID   3909649 .
  30. ^ Королевство, Фредерик А.А.; Яред, Карл-Кристофер; Хиббард, Пол Б.; Мэй, Кейт А. (01 января 2020 г.). «Стереоскопическая адаптация глубины от бинокулярно-коррелированного и антикоррелированного шума: проверка эффективной теории стереопсиса кодирования» (PDF) . Исследование зрения . 166 : 60–71. дои : 10.1016/j.visres.2019.10.009 . ISSN   0042-6989 . ПМИД   31855669 . S2CID   209394495 .
Retrieved from "https://en.wikipedia.org/w/index.php?title=Efficient_coding_hypothesis&oldid=1218567090"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: ab6bd12b149c0294c80979cc5d412c7a__1712919240
URL1:https://arc.ask3.ru/arc/aa/ab/7a/ab6bd12b149c0294c80979cc5d412c7a.html
Заголовок, (Title) документа по адресу, URL1:
Efficient coding hypothesis - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)