计算神经科学把大脑写成方程

知识地图 › 04 神经编码 › 4.4

4.4

群体编码与 Fisher 信息

Population coding and Fisher information

★★★ 进阶编码进阶

单个神经元的噪声很大,但一群神经元的联合模式可以精确得惊人。

核心要点

  1. 群体向量:把每个神经元的偏好方向按其响应加权求和,可解码运动方向。
  2. Fisher 信息给出无偏估计的方差下界(Cramér–Rao),即"理论最优解码精度"。
  3. 噪声相关性会改变信息量:相关噪声可能被群体结构抵消,也可能被放大。

公式

IF(θ)=Σi fi'(θ)2fi(θ),

Var(θ̂)≥ 1IF(θ)

每个神经元的"斜率平方 / 发放率"之和;对独立泊松神经元成立,有相关噪声时需用完整协方差矩阵。

直觉

一个口音很重的人你听不清,但十个人同时说同一句话,你反而能拼出内容——前提是他们的"口音误差"彼此独立。

常见误区

认为"神经元越多信息越多"。在强正相关噪声下,增加神经元几乎不增加信息(information saturation)——这正是为什么相关噪声结构是实验分析的核心问题。

出处

  • Seung & Sompolinsky 1993
  • Dayan & Abbott Ch.3
  • Averbeck, Latham & Pouget 2006, Nat Rev Neurosci
回到模块 04