Complementary congruent and opposite neurons achieve concurrent multisensory integration and segrega
2019年5月23日,北京大学信息科学技术学院、麦戈文脑科学研究所、北大-清华生命科学联合中心吴思课题组在国际著名期刊eLife发表了题为: “Complementary congruent and opposite neurons achieve concurrent multisensory integration and segregation”的研究论文。该论文从信息处理的基本原理出发探寻了大脑皮层神经环路如何实现高效的多模态信息整合与分离的计算机制,提出大脑采用两种神经元来完成此任务,其中一种神经元 (congruent neuron) 负责多模态信息整合,而另一种神经元 (opposite neuron)则负责多模态信息分离;两种神经元的竞争与协助实现了大脑多模态信息的快速高效处理。该理论对我们理解大脑信息整合的一般性原理以及类脑计算都有重要的意义。
大脑无时无刻在接收外界的信息输入,我们采用多感觉器官从不同的物理化学特征来感知外部世界。这些感觉输入有时传递来自同一物体但不同特征的信息,有时则传递来自于不同物体的信息。通过整合来自同一物体的感觉输入,大脑可以得到对外部世界更加精确而全面的感知;但另一方面,对于源自不同物体的感觉输入,大脑应该分开来处理。例如,我们可以通过将一个人的面部图像与他说话的语音进行整合来确定他的空间方位,得以增强方位感知的精度;但如果大脑张冠李戴地将一个人的面部图像与另外一个人的语音进行整合,我们则会出现错觉(如双簧表演)。
多模态信息整合与分离的道理看似简单,但在具体实现这一计算时却面临一个根本性的难题,即大脑事先并不知晓这些输入的来源及产生过程,从而不确定是到底应该进行信息整合还是分离。在计算上大脑面临的是一个“鸡生蛋”还是“蛋生鸡”的挑战:如果不整合多模态信息,那么大脑可能无法对外界世界做出准确估计;但如果大脑简单地整合信息,大脑就可能犯错,可能把来自不同物体的信息整合在一起得出错误的结论。为了克服这一计算困难,作者提出大脑应该同步进行多模态信息整合与分离:一群神经元进行信息整合,而另一群神经元通过计算输入间的差异来实现信息分离;两者的竞争决定了最终结果是整合还是分离。这样大脑可以在不损失输入信息和时间的条件下,同步实现优化的多模态信息整合与分离。
通过计算建模来分析视觉和平衡觉模态信息整合以推断头朝向的神经生物学实验数据,该论文推导出负责整合的神经元在两种模态下的刺激偏好相似,与实验发现的Congruent neuron调谐曲线相符;另一方面,令人惊讶的是负责信息分离的神经元在两种模态下的刺激偏好则完全相反,与实验中发现的opposite neuron调谐特性一致。Opposite neuron在多感觉脑区广泛存在,但由于它奇异的调谐特性以及在多感觉整合实验中反应强度很低,人们对它们的计算功能一直不清楚,一个疑问是在自然场景下大部分输入的特性是相似的,大脑为什么还需要opposite 神经元?该研究给出了一个清晰的答案:opposite neuron负责计算输入间的差异,即检测输入中的“异常”:一旦输入差异很大,opposite neuron就告诉大脑应当进行信息分离而不是整合。考虑到信息整合与分离是所有信息处理系统需要的一项基本功能(如图像识别中的特征整合与分割),该研究不仅有助于我们理解神经信息处理的基本原理,而且对发展类脑计算也有重要的借鉴意义。
Complementary congruent and opposite neurons achieve concurrent multisensory integration and segrega相关推荐
- ux设计中的各种地图_如何在UX设计中使用颜色
ux设计中的各种地图 Color is the mother tongue of the subconscious. 颜色是潜意识的母语. - Carl Jung -荣格 Color has more ...
- vtk删除一个actor_如何构建一个基于actor的简单区块链
vtk删除一个actor Scalachain is a blockchain built using the Scala programming language and the actor mod ...
- JAVA11 - ZGC 特性
JAVA11 - ZGC 特性 快速开始 ZGC全称是Z Garbage Collector,是一款可伸缩(scalable)的低延迟(low latency garbage).并发(concurre ...
- 常用数学符号英文名字
转 http://www.rapidtables.com/math/symbols/Basic_Math_Symbols.htm Basic math symbols Symbol Symbol Na ...
- 视觉中国图片编码_学习编码第14天的应用视觉设计第4部分
视觉中国图片编码 Goooood evening everyone! Yesterday was a short little blog as we came to the end of the se ...
- 2022年顶会、顶刊SNN相关论文----------持续更新中
原文链接:https://blog.csdn.net/qq_43622216/article/details/124163883 2022年顶会.顶刊SNN相关论文 目录 说明 AAAI2022(共7 ...
- 怎样缓解灾难性遗忘?持续学习最新综述三篇
本文转载自公众号"夕小瑶的卖萌屋",专业带逛互联网算法圈的神操作 ----->我是传送门 关注后,回复以下口令: 回复[789] :领取深度学习全栈手册(含NLP.CV海量综 ...
- Interview Vocabulary Summary
ace 常用词汇 英 [eɪs] 美 [eɪs] adj.一流的:卓越的 vt.发球得分:考试中取得好成绩 释义常用度分布图海词统计 发球得分 高手 幺点 一流的 好手 考试中取.. 卓越的 过去式 ...
- golang优点_这是Go的一些令人惊奇的优点,而您对此并不了解
golang优点 by Kirill Rogovoy 通过基里尔·罗戈沃伊 这是Go的一些令人惊奇的优点,而您对此并不了解 (Here are some amazing advantages of G ...
最新文章
- 博士做机器视觉,我在华为当“网红”!
- Locality Sensitive Hashing(局部敏感哈希)
- 区别ie8和ie9的方法
- linux 查看文件夹大小 du命令
- hadoop mysql 存储过程_hadoop 存储过程
- .NET (c#)序列化和反序列化
- 3000米排名预测(全排列+判断)
- PowerShell入门(三):如何快速地掌握PowerShell?
- 终于修好了MacBook
- Squid 2.6 Configuration Manual - Log File Path Names and Cache Directories
- MVC安全:打破固定会话
- 什么是 CI/CD?
- L44. 通配符匹配
- 申宝股票-大盘缩量调整
- uni-app App端配置urlSchemes
- 欠债还钱,天经地义: 开发团队如何还技术债?
- 百度图神经网络7日打卡营--DAY01前半部分 总结
- python 实现MR
- Kermit使用(提权限)
- 我的世界天空之城服务器位置,我的世界天空之城建筑地图详解(附存档)