18、神经建模：NEF方法与语义指针架构解析

神经建模：NEF方法与语义指针架构解析

1. 神经元集合的基本特性

1.1 噪声幅度与神经元数量的关系

神经元集合中的噪声幅度与神经元数量密切相关。对于包含2个神经元的集合，噪声幅度约为0.5；而对于包含100个神经元的集合，噪声幅度约为0.05。一般来说，随着集合中神经元数量的增加，噪声幅度会降低。

1.2 开神经元和关神经元的调谐曲线

开神经元和关神经元都有在输入范围 -1 到 +1 上定义的调谐曲线。开神经元在输入值大于 -0.5 时开始有活动，而关神经元在输入值达到 0.5 之前有活动。当输入值为 0 时，这两种神经元的 firing 速率相同；在其他输入值下，其中一种神经元会更活跃。

1.3 神经元平均活动情况

在整个输入值范围内，所有神经元的平均活动没有显著变化。例如，当输入值为 1 时，关神经元不 firing，但开神经元的 firing 增加弥补了这一点；在输入值为 -1 时情况相反。当输入值为 0 时，大多数神经元会 firing，但都未达到其最大 firing 速率。

1.4 编码与解码的灵活性

给定任何一组编码权重和 x 截距值，都可以计算出解码权重。因此，编码权重、x 截距和其他值（如最大 firing 速率）可以自由选择，从而产生多种 firing 模式来表示和解码相同的输入值。不过，选择合适的神经元参数（如编码器和 x 截距）非常重要，因为许多设置可能导致性能很差。

2. 简单神经变换

2.1 变换原理

在神经工程框架（NEF）中，简单的神经变换（有时也称为映射或函数）通