Sinirsel aktiviteyi davranışsal görevlere bağlamak için modelsiz bir yaklaşım
Beyinler, iyi tanımlanmış bir problem için tasarlanmış çözümler değil, rastgele varyasyona etki eden seçici baskı yoluyla ortaya çıktı. Bu nedenle, bir deneyci tarafından seçilen bir modelin sinirsel aktiviteyi deneysel koşullarla ne kadar iyi ilişkilendirebileceği belirsizdir. Burada, görevlerin yönlerini nöral aktiviteyle ilişkilendirmek için evrişimli sinir ağlarını (CNN) kullanarak “Sinir kodlamasının (MINE) modelsiz tanımlanması”nı geliştirdik. Esnek olmasına rağmen, CNN’lerin yorumlanması zordur. Görev özelliklerinden aktiviteye eşlemeyi anlamak için Taylor ayrıştırma yaklaşımlarını ve açıklanabilir makine öğrenimi tekniklerini kullanıyoruz. MINE’ı yayınlanmış bir kortikal veri kümesine ve ayrıca zebra balığındaki termoregülatuar devreleri araştırmak için tasarlanmış deneylere uyguluyoruz. MINE, nöronları, beyinde anatomik olarak ayrılan özellikleri, alıcı alanlarına ve hesaplama karmaşıklığına göre karakterize etmemize izin verdi. Ayrıca, geleneksel kümeleme ve regresyona dayalı yaklaşımları kullanırken daha önce elimizden kaçan termosensör ve davranışsal bilgileri entegre eden yeni bir nöron sınıfı tanımladık.
