第五章:神经编码与信息表示 — 知识点笔记

综合来源:课件5(PDF,61页)、课堂笔记(CSDN)、期末复习课录音


占位图
在这里插入图片描述

超级压缩


第五章

感知编码机制:脑依赖感知神经元把外界刺激转换成脉冲信息
视(亮:视网膜的神经节细胞具有感受野 中心环绕结构 ON亮OFF暗 扩环反弱 色:P型神经节细胞)
听(声音传播到耳蜗→引发毛细胞形变 外放大 内转神经信号)
味(单个细胞响应多种味道,一种味道由多个细胞感受)
嗅(气分在纤毛中产生缓慢受体电位→触发动作电位)
触(形变触发离子通道变化 → 产生动作电位)

脉冲编码:将感知信号转换为脉冲序列的过程
频率 VS 时间:①编码方式:时间窗内脉冲个数与输入成正比/时间间隔表意②信息载体:脉冲频率数量/精确发放时间③优势:抗噪易测/事件驱动 信息量多④劣势:忽略时序信息/复杂

均匀:像素归一化作为发放频率/脉冲间隔一致(发早刺激大)
泊松:每刻生成[0,1]随机数→小就发/变异但有噪声

时间编码必要性:①频编忽略精确时间 → 无法解释快速响应②信息量大

迟滞TTFS:刺激越强,脉冲发放越早。/计算少 但精度低
等级排序:相对大小划分强度等级,每级对应固定发放时间/(↑)只需发一;无需精确;计算快(↓)丢弃后信息;忽略内部差异

在这里插入图片描述

编码方式 核心思想 优点 缺点
Direct coding (直接编码) 用连续值直接表示信号 • 无采样误差,信息保真度高
• 无时间延迟
• 实现简单 • 不符合生物神经机制
• 不是脉冲表示(非事件驱动)
• 能耗高
Rate coding (频率编码) 泊松+均匀 用时间窗口内平均发放率表示信息 • 生物合理性强
• 稳定、易实现
• 易与ANN对接
• 表达能力强
• 延迟高(需要统计时间)
• 能耗高(spike多)
• 对动态信号不敏感
• 补充说明:忽略精确时间,无法解释快速响应

均匀:像素归一化作为发放频率/脉冲间隔一致(发早刺激大)
泊松:每刻生成[0,1]随机数→小就发/变异但有噪声

Phase coding (相位编码) 用spike在振荡周期中的相位表示信息 • 传输效率高
• 抗噪声能力强
• 时间精度高 • 受振荡频率限制
• 难以表示快速变化信号
• 实现复杂(需振荡机制)
• 补充说明:由正负OUT神经元组成编码单元,对应像素点和膜电压震荡相位
Burst coding (爆发编码) 用一组高频spike(burst)结构表示信息 • 信息表达丰富(burst结构)
• 抗噪声强
• 传输效率高 • 计算复杂(需跟踪ISI)
• 解码困难
• 模型实现复杂
• 补充说明:信息在发放时间/数量/间隔,兼顾频编和时编
TTFS coding (首脉冲时间编码)

5.1 感知编码机制

大脑依赖感知神经元把外界刺激转换成脉冲信息,类似于模数转换(A/D转换)

触觉

  • 形变触发离子通道变化 → 产生动作电位
  • 肌肉纺锤体拉伸受体:脉冲数量随施加力增加而增加(Adrian, 1926)

听觉

  • 声音传播到耳蜗→引发毛细胞形变
  • 外毛细胞:放大作用;内毛细胞:传递声波为神经信号
  • 每条神经纤维有独特的音调和音量模式
  • 内耳对声波进行稀疏编码——仅将敏感声音上传

视觉 ⭐

  • 视网膜中的神经节细胞具有感受野(Receptive Field)
  • 感受野结构:中心-环绕结构(Center-Surround)
    • ON-center:中心亮时强烈发放
    • OFF-center:中心暗点时强烈发放;暗点扩大到环绕区→响应反而减弱
  • 颜色编码:P型神经节细胞具有颜色拮抗的感受野
  • 人类视网膜:10⁸感光细胞→10⁶神经节细胞(信息压缩100倍)

【图片:感受野结构与明暗边缘响应 — 课件5 第6-7页】

味觉

  • 单个细胞响应多种味道,一种味道由多个细胞感受(群体编码
  • 四种基本味觉:甜(Sucrose)、咸(NaCl)、酸(HCl)、苦(Quinine)
  • 不同细胞对各味觉的敏感性不同

嗅觉

  • 气味分子在纤毛中产生缓慢的受体电位→触发动作电位
  • 每个受体细胞表达一种嗅觉受体蛋白
  • 单个细胞对多种气味有反应但偏好不同
  • 通过多个细胞反应可区分不同气味→群体编码

【图片:嗅觉受体细胞编码 — 课件5 第10-11页】


5.2 脉冲编码概述

定义

外界输入信息经过神经编码后,以时空脉冲模式(Spatio-Temporal Spike Patterns)形式参与计算。将感知信号转换为脉冲序列的过程称为脉冲编码(Spike Coding)

两大类别

编码类型 携带信息的方式 核心思想
频率编码(Rate Coding) 脉冲发放频率/数量 时间窗内脉冲个数与输入实数值成正比
时间编码(Temporal Coding) 脉冲精确发放时间 脉冲发生的精确时刻携带信息

【图片:频率编码vs时间编码对比 — 课件5 第26页】


5.3 频率编码 ⭐

基本原理

  • 时间窗内脉冲发放个数与输入实数值成正比
  • 脉冲发放频率 = 时间窗内脉冲个数 / 时间窗长度
  • 时间窗需合理选择:太短→脉冲稀疏,太长→过度平滑

频率编码 vs 时间编码 总对比

对比维度 频率编码 时间编码
编码方法 窗口内脉冲计数,忽略时间结构 时间间隔表达信息,描述快速变化
优势 抗噪性强、易测量 事件驱动、传递更多信息
缺点 忽略精确时间中的信息 计算复杂,不适用于当前计算机架构

(1) 均匀编码(Uniform Coding)

  • 像素值归一化到[0,1]→作为发放频率
  • 脉冲在时间窗口内均匀分布(间隔相等)
  • 优势:脉冲发放越早→刺激越大(仅看第一个脉冲即可知谁最大)
  • 保持了频率信息 + 时间顺序信息

(2) 泊松编码(Poisson Coding)

  • 生物神经元脉冲发放近似泊松过程
  • 每个时刻生成[0,1]随机数→小于输入像素值则发放脉冲
  • 脉冲数量近似与输入成正比,但具有随机性
  • 优势:符合生物特性,具有变异性
  • 不足:引入了随机噪声

【图片:均匀编码与泊松编码脉冲发放图 — 课件5 第29-32页】


5.4 时间编码 ⭐⭐

为什么需要时间编码

  • 生物系统对刺激响应可达毫秒级(视觉皮层、视网膜、外侧膝状核)
  • 频率编码忽略精确脉冲时间 → 无法解释快速响应
  • 时间编码的分辨率在毫秒级,能传递更多信息

(1) 延迟编码 / 时滞编码(Latency Coding)⭐

核心原理:刺激越强,脉冲发放越早。

编码公式:
ti=tmax−ln⁡(α⋅si+1)t_i = t_{max} - \ln(\alpha \cdot s_i + 1)ti=tmaxln(αsi+1)

  • tit_iti:神经元发放脉冲的时间
  • tmaxt_{max}tmax:时间窗口
  • sis_isi:刺激强度(归一化后)
  • α\alphaα:缩放参数

TTFS(Time-to-First-Spike)编码是延迟编码的特例——每个神经元仅发放一次,发放时间与刺激强度成反比。

优点 缺点
脉冲发放次数少,计算简单快速 精度较低(脉冲太少,轻微扰动影响大)
适合图像等静态数据编码 整体性能相对有限

【图片:延迟编码脉冲发放图 — 课件5 第35页】

(2) 等级排序编码(Rank-Order Coding)

  • 按像素值相对大小划分强度等级
  • 每个等级对应固定脉冲发放时间
  • 不需要计算精确发放时间
  • 像素值→神经元发放的相对次序

(3) 相位编码(Phase Coding)

  • 编码单元:Pos神经元 + Neg神经元 + 输出神经元(Eout)
  • 利用**阈下膜电位振荡(SMO)**的相位
  • 白色像素→Pos激活→振荡上移→波峰超阈值→发放
  • 黑色像素→Neg激活→振荡下移→波谷低于阈值→发放
  • 相邻编码单元间存在固定相位差Δφ

(4) 群体编码 / 簇编码(Population/Burst Coding)

  • 一组脉冲(而非单个脉冲)表达信息
  • 信息包含在:脉冲发放时间 + 脉冲数量 + 脉冲间隔(ISI)
  • 兼顾频率编码和时间编码的优势
  • ISI(Interspike Interval):像素值越大→ISI越小→脉冲越密集
  • 脉冲簇中脉冲数量一般不超过5个

(5) 各时间编码方法对比

编码方法 核心机制 脉冲数 精度
延迟编码/TTFS 刺激越强发放越早 极少(1次) 较低
等级排序编码 划分等级,按序发放 较少 中等
相位编码 SMO相位对齐 中等 较高
群体/簇编码 多脉冲联合表达 较多

5.5 视网膜信息压缩:编码→对齐→压缩

人类视网膜:10⁸感光细胞→10⁶神经节细胞(100倍压缩

三步过程:

  1. 编码:按时滞编码将刺激强度→精确脉冲延迟(强→早,弱→晚)
  2. 对齐:将每个脉冲对齐到SMO曲线上最近的波峰→建立脉冲与感光神经元的对应关系
  3. 压缩:将感受野内所有感光神经元的脉冲映射到统一脉冲序列

强度信息通过脉冲发放时间编码 | 空间信息通过相位保留


5.6 网络直接编码 & 感知设备直接编码

网络直接编码

  • 传统编码方式(显式编码)映射固定,无法自学习
  • 直接将原始信号输入SNN→通过多层脉冲神经元隐式编码
  • 编码方式可被学习/优化

感知设备直接编码

  • 动态视觉传感器(DVS)、动态听觉传感器等
  • 直接将外界信息捕捉为脉冲形式输出
  • 无需额外的软件编码步骤

思考题(课件)

Q1:你能设计一种编码方法,使得脉冲时序与刺激强度呈非线性关系吗?

Q2:给定一幅图像,你能写出几种将图像编码为脉冲序列的方法,并写出主要步骤。


笔记中的图片索引

序号 图片内容描述 来源位置
图1 听觉系统稀疏编码示意图 课件5 第4-5页
图2 神经节细胞感受野(中心-环绕结构) 课件5 第6-7页
图3 P型/M型神经节细胞与颜色感受野 课件5 第8页
图4 味觉细胞对不同味觉的响应 课件5 第9页
图5 嗅觉受体细胞编码机制 课件5 第10-11页
图6 频率编码vs时间编码对比图 课件5 第14-16页
图7 均匀编码脉冲发放图 课件5 第29页
图8 泊松编码脉冲发放图 课件5 第32页
图9 延迟编码脉冲发放图 课件5 第35页
图10 等级排序编码示意图 课件5 第37-38页
图11 相位编码机制图 课件5 第39-41页
图12 群体编码/簇编码示意图 课件5 第42页
图13 各编码方式对比表 课件5 第50页
图14 视网膜信息压缩三步过程 课件5 第54-58页

笔记整理时间:2026年6月25日

Logo

脑启社区是一个专注类脑智能领域的开发者社区。欢迎加入社区,共建类脑智能生态。社区为开发者提供了丰富的开源类脑工具软件、类脑算法模型及数据集、类脑知识库、类脑技术培训课程以及类脑应用案例等资源。

更多推荐