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
- 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。
- 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。
- 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
常见误区
出处
- Chichilnisky 2001, Network
- Pillow et al. 2008, Nature