Efficient computation and cue integration with noisy population codes (Nature)
论文链接：https://www.nature.com/articles/nn0801_826
背景
单个的神经元活动包含噪声，因此不可靠。但是神经元的集群会体现出极大的可靠性。
目前有两种关于神经元群体的计算方式：function approximation 和 cue integration
多维吸引子的基函数网络可以将有噪声的神经元带入计算 basis function networks with multidimensional attractors
Moreover, neurons in the intermediate layers of our model show response properties similar to those observed in several multimodal cortical areas (多峰皮层区域)
主要工作
感觉运动转换时非线性的
Pouget, A. & Snyder, L. Computational approaches to sensorimotor transformations. Nat. Neurosci. 3, 1192–1198 (2000).
皮层中的神经元主要负责编码这些非线性的感觉-运动转换过程。其中主要涉及钟形调制曲线的神经元。
我们证明了一种特殊类型的神经网络，即具有多维吸引子的基函数网络，可以为有效地实现非线性变换和与噪声神经元的提示集成提供通用的体系结构。
网络结构示意：
总结
- 文章比较早也比较简单，图片挺好，说明了编码的方式，可以使用