Paper page - 神经群体编码的几何稳定性：区域变异、行为相关性与回路依赖性

来源：https://huggingface.co/papers/2606.29655

摘要

几何稳定性衡量了不同试验间成对刺激距离的一致性，揭示了神经表征中一个不同于时间稳定性和解码准确性的独特方面。

当前关于神经群体表征可靠性（https://huggingface.co/papers?q=representational%20reliability）的模型主要关注时间稳定性（https://huggingface.co/papers?q=temporal%20stability）：即群体质心（https://huggingface.co/papers?q=population%20centroids）是否能在不同会话和天之间保持不变。这一视角留下了一个根本性问题未解：在一次会话内，刺激间的成对距离结构（https://huggingface.co/papers?q=pairwise%20distance%20structure）在独立观察之间有多可靠地再现？我们认为，这一性质——几何稳定性（https://huggingface.co/papers?q=geometric%20stability）——构成了表征分析的一个独立维度，而现有框架未能捕捉。我们将几何稳定性（https://huggingface.co/papers?q=geometric%20stability）形式化为半折表征相异度矩阵（https://huggingface.co/papers?q=split-half%20representational%20dissimilarity%20matrices）之间的Spearman秩相关（https://huggingface.co/papers?q=Spearman%20rank%20correlation）（Shesha），并证明它在经验上可与时间稳定性（https://huggingface.co/papers?q=temporal%20stability）和编码准确性分离。在涵盖视觉辨别任务中68个脑区的229个区域-实验观测（Steinmetz et al. 2019）中，几何稳定性（https://huggingface.co/papers?q=geometric%20stability）预测了逐次试验的神经-行为耦合（https://huggingface.co/papers?q=trial-by-trial%20neural-behavioral%20coupling）（ρ= 0.18, p = 0.005），而质心漂移则没有（ρ= 0.002, p = 0.976）。区域层级结构——纹状体最稳定（S = 0.44），海马最不稳定（S = 0.19）——大致与时间稳定性（https://huggingface.co/papers?q=temporal%20stability）层级相反。方向一致的嗅觉数据（Bolding & Franks 2018）启发了一个吸引子网络模型（https://huggingface.co/papers?q=attractor%20network%20model），其中递归兴奋性耦合（https://huggingface.co/papers?q=recurrent%20excitatory%20coupling）通过从稀疏前馈输入（https://huggingface.co/papers?q=feedforward%20input）补全刺激模式来增强半折RDM一致性（ρ= +0.64, p = 0.010），从而提供了几何稳定性（https://huggingface.co/papers?q=geometric%20stability）如何在回路层面涌现的解释。这些结果确立了几何稳定性（https://huggingface.co/papers?q=geometric%20stability）作为神经群体编码中一种功能相关且依赖回路的性质，它与时间漂移度量正交，并且补充了近期关于递归连接如何在海马回路（https://huggingface.co/papers?q=hippocampal%20circuits）中平衡表征稳定性与序列动态的解释。

查看 arXiv 页面（https://arxiv.org/abs/2606.29655）查看 PDF（https://arxiv.org/pdf/2606.29655）GitHub1（https://github.com/prashantcraju/neuroscience-drift）加入收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.29655）

在你的智能体中获取此论文：

hf papers read 2606.29655

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型（0个）

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2606.29655 即可从本页面链接。

引用此论文的数据集（0个）

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.29655 即可从本页面链接。

引用此论文的 Spaces（0个）

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2606.29655 即可从本页面链接。

包含此论文的收藏集（0个）

暂无收藏集包含此论文

将此论文添加到收藏集（https://huggingface.co/new-collection）即可从本页面链接。