为了更好地表征环境中的连续信息,神经系统的许多部分都有对连续变量的定量编码(graded coding),从初级感觉系统的声音响度编码、高级感觉系统中对面孔特征的编码(faces patches in inferior temporal cortex),到决策系统中对奖赏不确定度(primate anterodorsal septum region)、累积证据强弱(rat posterior parietal cortex)的编码,等等。在连续编码的情况下,一个问题是信息在神经网络中传递时信息量的变化。60年前,香农信息论中的互信息(mutual information)是衡量两个随机变量之间影响程度大小, 即两个变量间信息传递量的自然度量。本文利用这一度量去考察被编码在神经元群体放电率上的变量,以及在前馈网络中传递时,具体传输的信息量。
![](http://pkunews.pku.edu.cn/xxfz/attachement/jpg/site2/20180207/2c4138b2cf3f1be4aa2001.jpg)
![](http://pkunews.pku.edu.cn/xxfz/attachement/jpg/site2/20180207/2c4138b2cf3f1be4aa2a02.jpg)
a)-c)为三种不同的传输模式下,输入不同电流幅值,随着网络层数(横轴)增加,输出幅值的变化;d)为对应的输入层与每层输出之间的互信息
该研究在对神经网络的高维动力系统做了一系列解析简化后,探索了不同参数下网络的信道容量变化。在这一工作中,利用互信息度量,研究者发现了前馈环路里的三种传输模式:信息丢失(degenerate/unitary)、二元传输(binary)、定量传输(graded transfer)。而且,研究者通过改变门控电流的强度和方差,就可以在不同模式间进行切换,因而产生了一个可控的信息通道。
![](http://pkunews.pku.edu.cn/xxfz/attachement/jpg/site2/20180207/2c4138b2cf3f1be4ab3403.jpg)
上图为固定门控电流幅值与层间连接强度,随着门控电流方差变化与传输层数增加,传输信息量的变化;下图为固定连接强度,改变门控电流幅值与方差,经过50层传递后的传输信息量
定量传输模式可以最大化传输信息量,很好地保存了连续变量中的信息,方便进行线性变换。与之相对,二元传输类似数字信号,方便进行二元逻辑运算,传输更加稳健,不易混淆,在决策系统中类似于做判断的读出层(readout),而且通过门控电流可以控制两种模式之间的切换。从而,这一神经环路作为一种基本组件,从理论上,丰富了我们对神经网络计算能力的认识。
生命科学学院2012级本科生肖卓成(现美国亚利桑那大学应用数学系研究生)与元培物理方向2013级本科生王彬旭为本文共同第一作者,加州大学戴维斯分校数学系教授Andrew T. Sornborger与陶乐天研究员为共同通讯作者。此项工作得到了国家自然科学基金委、认知神经科学与学习国家重点实验室开放课题基金、北京市科学技术委员会,以及美国国立卫生研究院CRCNS项目的支持。
编辑:山石
?
?