深い神経ネットワークが 聴覚皮質の急激な活動を説明する

科学分野:

• 神経科学
• 計算神経科学
• 機械学習

背景:

• 人工ニューラルネットワーク (ANN) は,霊長類の視覚的および聴覚的皮質における静的刺激に対するニューラル反応を予測することに優れている.
• オーディションに不可欠な時間スケールのスパイク活動に対するANNの予測力は,ほとんど未開拓のままです.

研究 の 目的:

• 音声で訓練されたANNが 聴覚皮質のピークを 予測できるかどうかを調べる
• 訓練されたANNの予測性能を,従来のスペクトロテンポラル受容フィールドと訓練されていないネットワークと比較する.

主な方法:

• 音声データセットで訓練されたANNを使用しました.
• リス類の聴覚皮質から 複数の電極で 鋭い録音を行いました
• 異なる時間帯の幅 (≤50 ms) を使って,スピーチとサルの発声に反応するマルチユニットのスパイクカウントを分析した.

主要な成果:

• 訓練されたANNは,50ミリ秒以下で聴覚皮質の複数の単位のピークを成功裏に予測しました.
• ANNは,従来のスペクトロテンポラル受容領域と訓練されていないネットワークと比較して,説明可能な神経の多様性を大幅に説明しました.
• より深いANN層は,ニューロン特異的な変動があるものの,非プライマリーニューロンに対するよりよい予測性を示した.

結論:

• 音声で訓練されたANNは 聴覚皮質の活動を 精密な時間スケールで予測する強力なツールです
• このアプローチは ニューラル・バリエーションの説明において 従来の方法を上回り 聴覚処理に関する新しい洞察を 提供します
• この発見は,複雑な感覚システムにおける 神経コードの理解のための ANN の可能性を強調しています.