Spikes: Exploring the Neural Code

این که بگوییم مجموعه خاصی از سنبله ها پاسخ درستی برای یک مشکل محاسباتی است به چه معناست؟ قطار سنبله از چه نظر اطلاعاتی را در مورد دنیای حسی منتقل می کند؟ Spikes با ارائه فرمول‌بندی‌های دقیق از این سؤالات و سؤالات مرتبط در مورد نمایش سیگنال‌های حسی در قطارهای سنبله عصبی آغاز می‌شود. سپس پاسخ به این سوالات در آزمایشات روی نورون های حسی دنبال می شود. اسپایکس که برای نوروبیولوژیست هایی که به تجزیه و تحلیل ریاضی داده های عصبی و همچنین تعداد فزاینده فیزیکدانان و ریاضیدانان علاقه مند به پردازش اطلاعات توسط سیستم های عصبی "واقعی" علاقه مند هستند، در نظر گرفته شده است، مروری مستقل از مفاهیم مرتبط در نظریه اطلاعات و آمار ارائه می دهد. تئوری تصمیم گیری.

ادراک ما از جهان توسط ورودی اعصاب حسی هدایت می شود. این ورودی به صورت دنباله‌ای از اسپک‌های یکسان کدگذاری می‌شود. بسیاری از محاسبات عصبی شامل پردازش این قطارهای سنبله است. این که می گوییم مجموعه خاصی از سنبله ها پاسخ درستی برای یک مشکل محاسباتی است به چه معناست؟ قطار سنبله از چه نظر اطلاعاتی را در مورد دنیای حسی منتقل می کند؟ Spikes با ارائه فرمول‌بندی‌های دقیق از این سؤالات و سؤالات مرتبط در مورد نمایش سیگنال‌های حسی در قطارهای سنبله عصبی آغاز می‌شود. پاسخ به این پرسش‌ها سپس در آزمایش‌هایی بر روی نورون‌های حسی دنبال می‌شود. نویسندگان خواننده را دعوت می‌کنند تا نقش یک ناظر فرضی در مغز را بازی کند که بر اساس قطارهای سنبله‌ای ورودی تصمیم‌گیری می‌کند. نویسندگان به جای اینکه بپرسند چگونه یک نورون به یک محرک معین پاسخ می دهد، می پرسند که چگونه مغز می تواند از یک پاسخ عصبی معین درباره یک محرک ناشناخته استنتاج کند. طعم برخی از مشکلاتی که ارگانیسم با آن مواجه است، با تجزیه و تحلیل روشی که مشاهده‌گر می‌تواند محرک حسی را در زمان تکامل بازسازی کند، به تصویر می‌کشد. این ایده‌ها با نمونه‌هایی از آزمایش‌ها بر روی چندین سیستم بیولوژیکی نشان داده می‌شوند.

برای عصب‌شناسانی که علاقه‌مند به تجزیه و تحلیل ریاضی داده‌های عصبی و همچنین تعداد فزاینده‌ای از فیزیکدانان و ریاضیدانان علاقه‌مند به پردازش اطلاعات توسط \"واقعی هستند، در نظر گرفته شده است. "سیستم های عصبی، Spikes یک بررسی مستقل از مفاهیم مرتبط در نظریه اطلاعات و تئوری تصمیم گیری آماری ارائه می دهد. یک چارچوب کمی برای طرح سوالات دقیق در مورد ساختار کد عصبی استفاده می شود. این سوالات به نوبه خود بر طراحی و تجزیه و تحلیل آزمایشات روی نورون های حسی تأثیر می گذارد.

What does it mean to say that a certain set of spikes is the right answer to a computational problem? In what sense does a spike train convey information about the sensory world? Spikes begins by providing precise formulations of these and related questions about the representation of sensory signals in neural spike trains. The answers to these questions are then pursued in experiments on sensory neurons. Intended for neurobiologists with an interest in mathematical analysis of neural data as well as the growing number of physicists and mathematicians interested in information processing by "real" nervous systems, Spikes provides a self-contained review of relevant concepts in information theory and statistical decision theory.

Our perception of the world is driven by input from the sensory nerves. This input arrives encoded as sequences of identical spikes. Much of neural computation involves processing these spike trains. What does it mean to say that a certain set of spikes is the right answer to a computational problem? In what sense does a spike train convey information about the sensory world? Spikes begins by providing precise formulations of these and related questions about the representation of sensory signals in neural spike trains. The answers to these questions are then pursued in experiments on sensory neurons.The authors invite the reader to play the role of a hypothetical observer inside the brain who makes decisions based on the incoming spike trains. Rather than asking how a neuron responds to a given stimulus, the authors ask how the brain could make inferences about an unknown stimulus from a given neural response. The flavor of some problems faced by the organism is captured by analyzing the way in which the observer can make a running reconstruction of the sensory stimulus as it evolves in time. These ideas are illustrated by examples from experiments on several biological systems.

Intended for neurobiologists with an interest in mathematical analysis of neural data as well as the growing number of physicists and mathematicians interested in information processing by "real" nervous systems, Spikes provides a self-contained review of relevant concepts in information theory and statistical decision theory. A quantitative framework is used to pose precise questions about the structure of the neural code. These questions in turn influence both the design and analysis of experiments on sensory neurons.