Neural population geometry: An approach for understanding biological and artificial neural networks | Current Opinion in Neurobiology (2021)
SueYeon Chung, L.F. Abbott
https://doi.org/10.1016/j.conb.2021.10.010
hl.icon
神経細胞は集団的な活動を通して、複雑な問題を解いていると考えられる
単細胞レベルですら複雑な応答をする神経細胞の集団活動をどのように扱えば良いのだろうか？
A unifying perspective on neural manifolds and circuits for cognition | nature reviews neuroscience (2023)
Naa_tsure.iconここでも同様の議論があった
人工神経回路(Artificial Neural Network; ANN)は生物学的神経回路(Biological Neural Network; BNN)の解析に使われることがあるが、パラメータが多すぎて結局複雑なシステムを複雑なシステムに置き換えているだけという批判
これらの複雑なネットワークの解析には幾何学的アプローチ(geometric approaches)が使えるのでは？
線形分離不可能な感覚入力をどう分離するか？
ネットワークで線形分離可能な形に変換
Perceptual straightening of natural videos | nature neuroscience (2019)
The Geometry of Abstraction in the Hippocampus and Prefrontal Cortex | cell (2020)
神経多様体（Neural manifolds）
Spline Parameterization for Unsupervised Decoding (SPUD)
The intrinsic attractor manifold and population dynamics of a canonical cognitive circuit across waking and sleep | Nature neuroscience (2019)
Manifold Inference from Neural Dynamics (MIND)
Geometry of abstract learned knowledge in the hippocampus | nature (2021)
サイクリングを行う課題中、
運動皮質(motor cortex)の多様体は同一の円上をループする
補足運動野(Supplementary motor area; SMA)の多様体はらせん状に変化する
補足運動野が順番の情報を保持していることが神経多様体（Neural manifolds）からもわかる
人工神経回路(Artificial Neural Network; ANN)に同様のタスクを学習させると
順番を保持しないといけない場合には、多様体がらせん状になる
Naa_tsure.icon幾何学的アプローチが神経細胞集団の機能について上手く扱えそうなのはなんとなくわかったけど、
Naa_tsure.icon生データからかなり加工を施したものを埋め込みしてると、
空間に現れてくる幾何学的な構造の生物学的な意味が一体何なのかよくわからない
Naa_tsure.iconPCAなりt-SNEなり、別々の次元削減方法を行って同じような空間に埋め込んだらどういった違いが出る？
Naa_tsure.iconRNNで回路構造を推定するくだりもいまいちよくわからなかったな
そこにさらにベイズの話が出てきて混乱した
Naa_tsure.iconとりあえず、本編に当たってみるか
Bayesian Computation through Cortical Latent Dynamics | Neuron (2019)