Neural Heterogeneity and Efficient Population Codes for Communication Signals
Notice bibliographique
Résumé
Efficient sensory coding implies that populations of neurons should represent information-rich aspects of a signal with little redundancy. Recent studies have shown that neural heterogeneity in higher brain areas enhances the efficiency of encoding by reducing redundancy across the population. Here, we study how neural heterogeneity in the early stages of sensory processing influences the efficiency of population codes. Through the analysis of in vivo recordings, we contrast the encoding of two types of communication signals of electric fishes in the most peripheral sensory area of the CNS, the electrosensory lateral line lobe (ELL). We show that communication signals used during courtship (big chirps) and during aggressive encounters (small chirps) are encoded by different populations of ELL pyramidal cells, namely I-cells and E-cells, respectively. Most importantly, we show that the encoding strategy differs for the two signals and we argue that these differences allow these cell types to encode specifically information-rich features of the signals. Small chirps are detected, and their timing is accurately signaled through stereotyped spike bursts, whereas the shape of big chirps is accurately represented by variable increases in firing rate. Furthermore, we show that the heterogeneity across I-cells enhances the efficiency of the population code and thus permits the accurate discrimination of different quality courtship signals. Our study shows the importance of neural heterogeneity early in a sensory system and that it initiates the sparsification of sensory representation thereby contributing to the efficiency of the neural code.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».