単純な細胞の受容場特性の出現は,自然画像の希少なコードを学習することによって起こります

科学分野:

• 神経科学は神経科学である.
• コンピュータービジョン (Computational Vision) とは
• 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.

背景:

• 哺乳類の視覚皮質の単純な細胞受容場は,局所化,方向性,および帯域パス特性を示す.
• これらの性質は,波紋変換ベースの関数と比較できます.
• 効率的なコーディング理論は,ニューロン反応を自然画像の統計的構造と結びつける.

研究 の 目的:

• コーディング戦略における散らささを最大化することで,単純な細胞受容領域の観測された性質を説明できるかどうかを調査する.
• スパース・コーディングが,キープロパティを持つ画像空間をカバーする受容フィールドの完全なセットを生成できるかどうかを判断する.

主な方法:

• 自然画像で訓練された無監督学習アルゴリズムを使用します.
• 自然のシーンの散らばった線形コードを求める学習アルゴリズムの実装.
• 発達した受容場の性質を分析する.

主要な成果:

• Sparsenessを最大化する学習アルゴリズムは,ローカライズされた,指向された,帯域パスの受容性フィールドの完全なファミリーを成功裏に開発しました.
• これらの生成された受容領域は,主視野皮質にある領域に非常に似ています.
• 結果として得られた散らばった画像コードは,後の処理段階における統計的独立性の向上を示した.

結論:

• 稀少性を最大化することは,哺乳類の視覚皮質の単純な細胞の受容場特性を説明するのに十分なコーディング戦略です.
• スパース・コーディングは,ニューラル情報処理のより効率的な表現を提供します.
• この研究は,視覚皮質の組織を理解するための計算モデルを提供します.