研究显示,推断出神经回路的连接方法受到系统误差的影响

近年来,越来越多的计算机科学家一直试图开发计算方法受结构、功能和人类大脑可塑性的神经回路。实现全面了解生物神经回路是至关重要的这些neuro-inspired计算系统的创建。

完全理解的机制,允许生物神经回路计算信息和适应随着时间的推移,神经科学家应该能够检查单个神经元之间的连接。虽然最近的进步跟踪技术开辟了新的可能性为研究这些连接,收集数据使用这些技术仍然可以非常具有挑战性的和昂贵的。

一些科学家已经发明了统计方法评估神经连接的基于多单元的神经活动记录。虽然这些方法被广泛使用,它们可能不会导致可靠的表征的神经连接。

德克萨斯大学奥斯汀分校的研究人员最近进行的一项研究对现有方法的有效性通过算法估计神经网络的布线。他们的发现发表在自然神经科学表明,即使是这些方法中最成熟的偏见,倾向于推断不是连接的神经元之间的连接,而是高度相关。

“因为很难直接测量神经的布线图电路,一直有兴趣评估算法从多单元的活动记录,”研究人员在他们的论文中解释。“我们甚至表明,复杂的方法,应用于无限的数据从电路的每一个细胞,都是偏向推断无关但高度相关的神经元之间的连接。这个失败的解释为什么连接不匹配时就会发生真正的网络动力学模型用于推理,这是不可避免的在建模现实世界。”

评估统计方法推断出神经连接的有效性,研究人员构建一系列周期性网络不同复发的绝对重量的优势,但在相同的网络体系结构。不同的复发性体重优势他们使用神经电路在不同的政权,即弱(即。,感觉),中等(放大感觉)和强大的(内存)复发的机制。

在过去的这些政权,复发性权重强大时,他们观察到大量的神经活动模式的出现,与基于算法的方法发现的神经元之间的相关性,事实上,无关。有趣的是,研究人员发现,相同类型的错误出现在使用各种算法估算方法基于多单元的神经连接大脑活动记录。在他们的论文中,他们因此强调需要特别小心当试图推断出随意的基于统计模型的变量之间的关系,计算相关性。

虽然结果让他们收集了重申与考试相关的挑战和评估的神经连接,研究人员也强调一些新兴技术的潜力,包括领域的最新进展——和方法涉及到神经元的微扰和顺向监测。最后,他们far-out-of-equilibrium抽样的基础上引入一种新方法,可以补充这两个新兴方法,它结合了自己的长处和优势。

“我们的结果表明,有足够的平衡数据,甚至执行一个简单的相关推论可以提供更好的估计的真正的连接比使用复杂的推理算法在复发性网络平衡数据,”研究人员在他们的论文中写。

这项研究可能很快就会激发新的研究探索潜在的技术评估神经的结构和连接架构。此外,far-out-of-equilibrium抽样方法有可能证明有用学习以外的神经机制的神经连接,如神经和突触的适应。

---

---

©2020科学欧宝app网彩X网络