贝叶斯高效编码框架统一两种神经假说
热点事件持续更新
贝叶斯高效编码框架统一两种神经假说
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Il Memming Park 与 Jonathan W. Pillow 提出贝叶斯高效编码理论框架,把高效编码假说与贝叶斯脑假说纳入同一套数学表述。框架由刺激先验分布、编码模型、刻画神经资源上限的容量约束,以及量化后验分布优劣的损失泛函四部分组成;当损失泛函取后验熵时,框架退化为最大化互信息的经典高效编码。 作者据此提出由单一指数参数化的 covtropy 损失族,并称在惩罚大误差的目标下,低噪声时经典编码认为最优的输入去相关反而可能不利。作者还报告,实测的神经响应非线性用最小化 p=1/2 的 Lp 重建误差比用信息最大化解释得更好。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 22:00
贝叶斯高效编码框架统一信息最大化与贝叶斯推断报道时间线
沿着报道,了解事件的不同侧面。
11月4日
- PLOS Computational Biology贝叶斯高效编码框架统一信息最大化与贝叶斯推断
Il Memming Park 与 Jonathan W. Pillow 提出贝叶斯高效编码理论,把高效编码假说与贝叶斯脑假说纳入同一框架。该框架由四部分组成:刺激先验分布、编码模型、刻画神经资源上限的容量约束,以及量化后验分布优劣的损失泛函;当损失泛函取后验熵时,即退化为最大化互信息的经典高效编码。作者据此提出由单一指数参数化的 covtropy 损失族,并指出在惩罚大误差的目标下,低噪声时经典编码认为最优的输入去相关反而可能不利。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。