计算神经科学把大脑写成方程

知识地图 › 04 神经编码 › 4.3

4.3

调谐曲线、感受野与 GLM

Tuning curves and receptive fields

★★☆ 核心编码数据分析

把神经元响应写成刺激的(非线性)函数,就得到了可预测、可检验的编码模型。

核心要点

  1. 一维调谐曲线用高斯或周期高斯;高维感受野用 STA(脉冲触发平均)或 STRF 估计。
  2. 线性-非线性级联(LNP)是最小可用模型:线性滤波 → 静态非线性 → 泊松发放。
  3. GLM 在 LNP 基础上加入脉冲历史项,可同时刻画不应期与适应。

公式

λ(t)=f(b+∫ k(τ) s(t-τ) dτ+Σj hj n(t-tj))

瞬时发放率 = 非线性函数(基线 + 感受野 k 对刺激 s 的线性滤波 + 脉冲历史 h 的反馈);f 取指数则得到泊松 GLM。

直觉

调谐曲线就是神经元的"偏好画像"。GLM 则进一步考虑"它刚刚放过电,所以现在不太可能再放"。

常见误区

用普通线性回归拟合脉冲计数。脉冲是计数数据,应使用泊松 GLM(对数链接),否则会预测出负的发放率。

出处

  • Chichilnisky 2001, Network
  • Pillow et al. 2008, Nature
回到模块 04