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
- 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。
- 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"。
- 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)
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
常见误区
出处
- Seung & Sompolinsky 1993
- Dayan & Abbott Ch.3
- Averbeck, Latham & Pouget 2006, Nat Rev Neurosci