计算神经科学把大脑写成方程

知识地图 › 01 基础与预备 › 1.4

1.4

概率、统计与估计

Probability and statistical inference

★☆☆ 入门数学统计

神经活动本质上是随机的——同一刺激重复呈现,脉冲序列每次都不一样。

核心要点

  1. 泊松过程是脉冲序列的零模型:ISI 服从指数分布,Fano factor = 1。
  2. 贝叶斯公式把先验与似然合成后验,是"大脑做推断"的形式化起点。
  3. 最大似然估计(MLE)与交叉验证,是拟合模型、比较模型的基本功。

公式

p(smid r)=p(rmid s) p(s)p(r)

已知响应 r 时状态 s 的后验 ∝ 似然 × 先验;分母只是归一化常数。

直觉

实验里的"噪声"不是要消灭的敌人,而是模型必须解释的一部分。很多"神经编码"的争论,本质是对噪声结构的假设不同。

常见误区

把"相关"当"编码"。神经元对某刺激有响应,不等于该响应携带该刺激的信息——需要用信息量或解码性能来验证。

出处

  • Dayan & Abbott Ch.1–2
  • Neuromatch Academy W1D2(Model Fitting)
回到模块 01