Визуализация информации, кодируемой нейронами высших областей зрительной системы

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Малахова Е.Ю. Визуализация информации, кодируемой нейронами высших областей зрительной системы // Оптический журнал. 2018. Т. 85. № 8. С. 61–66. http://doi.org/10.17586/1023-5086-2018-85-08-61-66

Malakhova E.Yu. Visualization of information encoded by neurons in the higher-level areas of the visual system [in Russian] // Opticheskii Zhurnal. 2018. V. 85. № 8. P. 61–66. http://doi.org/10.17586/1023-5086-2018-85-08-61-66

Ссылка на англоязычную версию:

E. Malakhova, "Visualization of information encoded by neurons in the higher-level areas of the visual system," Journal of Optical Technology. 85(8), 494-498 (2018). https://doi.org/10.1364/JOT.85.000494

Аннотация:

Рассмотрено применение искусственных нейронных сетей для визуализации функций нейронов высших отделов зрительной коры. Разработана модель, позволяющая предсказывать вызванный ответ с коэффициентом корреляции, достигающим 0,82 для определённых кортикальных колонок. Предложен подход к интерпретации репрезентаций, кодируемых нейронами зрительной системы, основанный на создании изображений, вызывающих высокий уровень активации в обученной модели. Сравнение результатов визуализирования с экспериментальными данными позволяют говорить об адекватности выбранного подхода и его применимости для изучения свойств высших отделов зрительной коры.

Ключевые слова:

моделирование зрительного восприятия, искусственная нейронная сеть, генерация изображений, визуализация нейронных сетей, нижневисочная кора

Благодарность:

Работа выполнена при финансовой поддержке Программы фундаментальных научных исследований государственных академий на 2013–2020 годы
(ГП-14, раздел 63).

Коды OCIS: 330.4060, 200.4260, 330.4270, 100.3190

Список источников:

1. Nguyen A., Clune J., Bengio Y., Dosovitskiy A., Yosinski J. Plug & play generative networks: Conditional iterative generation of images in latent space // Computer Vision and Pattern Recognition (CVPR). 2017. Jul 27. IEEE Conference. Honolulu. Hawaii. IEEE. 2017. P. 3510–3520.
2. Mordvintsev A., Olah C., Tyka M. Inceptionism: Going deeper into neural networks // Google Research Blog. 2015. P. 5.
3. Olah C., Mordvintsev A., Schubert L. Feature visualization // Distill. 2017. V. 2. № 11. P. e7.
4. Mahendran A., Vedaldi A. Visualizing deep convolutional neural networks using natural pre-images // International Journal of Computer Vision. 2016. V. 120. № 3. P. 233–255.
5. Szegedy C., Zaremba W., Sutskever I., Bruna J., Erhan D., Goodfellow I.J., Fergus R. Intriguing properties of neural networks // In Proceedings of International Conference on Learning Representations (ICLR). Banff. Canada. 2014. Apr. 14–16. P. 21.
6. Szegedy C., Zaremba W., Sutskever I., Bruna J., Erhan D., Goodfellow I.J., Fergus R. Intriguing properties of neural networks // ICLR. 2014. abs/1312.6199.
7. Nguyen A., Yosinski J., Clune J. Deep neural networks are easily fooled: High confidence predictions for unrecognizable images // In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Boston. USA. 2015. Jun. 8–10. P. 427–436.
8. Sato T., Uchida G., Lescroart M.D., Kitazono J., Okada M., Tanifuji M. Object representation in inferior temporal cortex is organized hierarchically in a mosaic-like structure // Journal of Neuroscience. 2013. V. 33. № 42. P. 16642–16656.
9. Cadieu C.F., Hong H., Yamins D.L., Pinto N., Ardila D., Solomon E.A., DiCarlo J.J. Deep neural networks rival the representation of primate IT cortex for core visual object recognition // PLoS Computational Biology. 2014. V. 10. № 12. P. e1003963.
10. Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition // In Proceedings of International Conference on Learning Representations (ICLR). San Diego. USA. 2015. May 7–9. P. 52.
11. Roberts G.O., Tweedie R.L. Exponential convergence of Langevin distributions and their discrete approximations // Bernoulli. 1996. V. 2. № 4. P. 341–363.